张正友相机标定：使用OpenCV实现（完整程序+棋盘图）

相机标定是计算机视觉领域中的一项重要技术，它通过获取不同角度下的图像数据，来确定相机的内部和外部参数。这些参数包括相机的焦距、畸变系数、光心位置等，对于提高图像处理的精度和稳定性具有重要意义。
张正友相机标定方法是一种常用的标定方法，其特点是使用棋盘格作为标定参照物，通过拍摄不同角度和位置的棋盘格图像，来获取相机的内外参数。
下面，我们将使用OpenCV库来实现张正友相机标定方法。首先，确保你已经安装了OpenCV库。如果还没有安装，可以使用以下命令进行安装：

pip install opencv-python

接下来，我们将分步骤介绍如何使用OpenCV实现张正友相机标定：
步骤1：准备棋盘格
首先，你需要准备一个棋盘格。棋盘格是一个具有等间距方格的图案，每个方格可以是黑色或白色。在标定过程中，棋盘格将被用作参照物。你可以使用一张打印好的棋盘格纸或者制作一个棋盘格标定板。
步骤2：拍摄棋盘格图像
使用相机拍摄不同角度和位置的棋盘格图像。为了获得更准确的标定结果，建议从多个角度和位置拍摄棋盘格图像，例如不同距离、不同旋转角度等。确保棋盘格能够填满整个图像区域。
步骤3：编写代码实现标定
接下来，我们将使用OpenCV库编写代码来实现张正友相机标定方法。下面是一个示例代码：

import numpy as np
import cv2
import glob
# 定义棋盘格的格子数量和大小
num_rows = 7
num_cols = 6
square_size = 1.0  # 单位：米
# 初始化相机内参矩阵和畸变系数矩阵
K = np.eye(3)
D = np.zeros((5, 1))
# 加载棋盘格图像列表
image_files = glob.glob('calibration_images/*.jpg')
image_files.sort()
# 提取棋盘格角点并计算重投影误差
obj_points = []  # 3D点坐标（在世界坐标系中）
img_points = []  # 2D点坐标（在图像平面上）
reprojection_error = 0.0
for image_file in image_files:
image = cv2.imread(image_file)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
ret, corners = cv2.findChessboardCorners(gray, (num_cols, num_rows), None)
if ret:
obj_points.append(np.zeros((num_cols * num_rows, 3)))  # 初始化3D点坐标列表
img_points.append(corners)  # 2D点坐标列表
obj_points[-1] = obj_points[-1].reshape((-1, 3))  # 将3D点坐标列表转换为二维数组形式
img_points[-1] = img_points[-1].reshape((-1, 2))  # 将2D点坐标列表转换为二维数组形式
cv2.drawChessboardCorners(image, (num_cols, num_rows), img_points[-1], ret)  # 在图像上绘制角点标记
cv2.imshow('Chessboard', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.imwrite('chessboard_corners.png', image)  # 保存角点标记的图像文件