张正友相机标定：全流程解析与Matlab源代码解析

张正友相机标定是一种广泛使用的摄像机标定方法，其全流程包括标定板的制作、图像采集、角点检测、相机参数估计和畸变校正等步骤。本文将结合Matlab源代码，对这一过程进行详细解析。
1. 标定板的制作
标定板通常由多个大小一致的小方格组成，每个方格的四个角上都有易于检测的标记点。这些标记点是用来确定摄像机视角和位置的关键参照点。制作标定板时，需要注意方格的大小、标记点的形状和颜色等因素，以确保在各种光照和角度下都能清晰地拍摄到这些标记点。
2. 图像采集
在完成标定板的制作后，需要从不同角度、不同距离、不同姿态拍摄多张标定板的照片。这些照片将用于后续的角点检测和相机参数估计。为了确保结果的准确性，需要确保拍摄的照片清晰度高、对比度适中，并且能够覆盖摄像机的各种视角和焦距。
3. 角点检测
角点检测是相机标定中的重要步骤，它涉及到使用图像处理技术自动识别标定板上的标记点。这一过程通常使用OpenCV等计算机视觉库来完成。通过角点检测，我们可以获取到每个标记点的像素坐标，这些坐标将用于后续的相机参数估计。
4. 相机参数估计
相机参数估计包括内参和外参的估计。内参是指摄像机的固有参数，如焦距、主点坐标等；外参则是指摄像机在世界坐标系中的位置和姿态。这一步骤通常使用Matlab的Camera Calibration Toolbox来完成。通过输入角点坐标和对应的真实世界坐标（如果已知），可以自动估计出相机的内外参数。
5. 畸变校正
由于摄像机镜头通常存在畸变，如径向畸变和切向畸变等，因此需要进行畸变校正。这一步骤通常在相机参数估计之后进行。在Matlab中，可以使用Camera Calibration Toolbox提供的函数对图像进行畸变校正。校正过程中，需要使用已知畸变的图像作为输入，并根据校正后的图像调整相机参数。
下面，我们将通过一个简单的Matlab示例代码来演示张正友相机标定的全过程：

% 读取图像
image = imread('calibration_image.jpg');
% 检测角点
corners = detectCheckerboardPoints(image);
% 显示角点
imshow(image, corners);
title('Detected Corners');
% 标定相机
[cameraParams, ~] = estimateCameraParameters(corners, ...
'CheckerboardSize', [8 6], 'CalibrationPatternScale', 1, ...
'CalibrationPatternOffset', [-3 -3], 'Verbose', true);
% 显示标定结果
showExtrinsics(cameraParams);
title('Camera Extrinsics');

这段代码首先读取了一张标定板图像，并使用detectCheckerboardPoints函数检测角点。然后，使用estimateCameraParameters函数估计相机的内外参数，并将结果存储在cameraParams变量中。最后，使用showExtrinsics函数显示相机的外参信息。需要注意的是，这里的'CalibrationPatternScale'和'CalibrationPatternOffset'参数是根据实际情况设置的标定板比例尺和偏移量。