3. 双摄标定基础：从原理到高通工具实战
双摄融合的第一步，也是最关键的一步，就是标定。说白了，就是给两颗摄像头“对眼”，让它们知道彼此在三维空间里的位置关系。如果这一步没做好，后面的融合算法再牛也白搭。我在项目里见过不少团队，算法调得飞起，结果一上板子画面重影严重，最后查来查去，发现是标定文件里一个参数写错了。
这一章，我们就把双摄标定的底裤扒干净。从张正友标定法的核心原理，到双摄相对位姿的R、T矩阵，再到高通平台上的QCARCameraCalibration工具实战，最后教你读懂那个神秘的.calib文件。
3.1 张正友标定法：单摄内参是怎么算出来的？
双摄标定的基础是单摄标定。你得先知道每颗摄像头自己的“脾气”——也就是内参。张正友标定法是目前最主流的做法，它用一张棋盘格搞定一切。
核心思想其实很简单：
- 世界坐标系：棋盘格上的角点坐标，我们认为是已知的（比如每个格子30mm）。
- 像素坐标系：摄像头拍到的图像上，这些角点的像素坐标。
- 单应性矩阵H：通过至少4个对应点，解出世界坐标到像素坐标的投影关系。
- 分解H：从多个不同角度的H矩阵中，解耦出内参矩阵K和外参（旋转R、平移t）。
嗯，这里要注意，张正友法假设棋盘格是平面（Z=0），所以才能简化计算。我刚开始做的时候，有次打印的棋盘格没贴平，翘了个角，结果标出来的焦距偏差了5%。从那以后，我每次贴棋盘格都要用胶带压得死死的。
内参矩阵K长这样：
K = [fx, 0, cx;
0, fy, cy;
0, 0, 1]其中fx、fy是焦距（单位像素），cx、cy是主点偏移。畸变系数（k1、k2、p1、p2、k3）也会一并算出来。
3.2 双摄相对位姿标定：R和T矩阵
单摄标定完，我们知道了每颗摄像头自己的内参。但双摄融合需要知道：右摄像头相对于左摄像头，到底在哪儿？脸朝哪边？
这就是相对位姿标定要干的事。我们用R矩阵（旋转）和T矩阵（平移）来描述这个关系。
假设左摄像头的外参是[R_l | t_l]，右摄像头的外参是[R_r | t_r]。那么右摄相对于左摄的变换就是：
R = R_r * R_l^T
T = t_r - R * t_l说白了，就是把两个摄像头各自在棋盘格坐标系下的位姿，转换到同一个坐标系下，然后做差。
这里有个坑——尺度问题。单目视觉标定出来的平移向量t是没有真实尺度的，但双摄标定时，我们通过已知大小的棋盘格，可以恢复出真实的物理尺度（毫米级）。
3.3 高通双摄标定工具：QCARCameraCalibration
高通平台提供了QCARCameraCalibration工具，专门用来做双摄标定。它封装了张正友法的实现，还集成了双摄相对位姿优化。
基本使用流程如下：
- 准备棋盘格：打印一张高精度棋盘格，贴在平整硬板上。格子大小要精确测量（比如30mm）。
- 采集标定图像：左右摄像头同时拍摄棋盘格，保存为左右配对图像。建议采集20-30对。
- 运行工具：执行QCARCameraCalibration，指定图像路径、棋盘格参数、输出路径。
- 检查结果：工具会输出重投影误差，一般要求小于0.5像素。如果误差太大，说明标定质量不行。
命令行示例：
./QCARCameraCalibration \
--left-image-dir ./calib_images/left \
--right-image-dir ./calib_images/right \
--pattern-size 30 \
--pattern-rows 9 \
--pattern-cols 6 \
--output ./calib_result工具跑完后，会生成一个.calib文件。这个文件就是双摄融合算法的“身份证”。
3.4 标定文件（.calib）解析
.calib文件是高通平台专用的标定数据格式。它包含了双摄融合所需的所有几何信息。下面是一个典型的.calib文件结构：
# 文件头
calib_version: 3.0
sensor_count: 2
# 左摄像头内参
sensor_id: 0
intrinsic_matrix: [1234.5, 0.0, 640.0, 0.0, 1235.2, 480.0, 0.0, 0.0, 1.0]
distortion_coeffs: [0.12, -0.25, 0.001, 0.002, 0.05]
# 右摄像头内参
sensor_id: 1
intrinsic_matrix: [1233.8, 0.0, 639.5, 0.0, 1234.9, 479.8, 0.0, 0.0, 1.0]
distortion_coeffs: [0.11, -0.24, 0.0015, 0.002, 0.04]
# 双摄相对位姿
rotation_matrix: [0.9999, -0.0012, 0.0008, 0.0012, 0.9999, -0.0015, -0.0008, 0.0015, 0.9999]
translation_vector: [-59.8, 0.2, 0.5]
# 图像尺寸
image_width: 1280
image_height: 720关键字段解读：
| 字段 | 含义 | 注意事项 |
|---|---|---|
| intrinsic_matrix | 内参矩阵（3x3） | fx、fy差异一般小于1%，如果差异太大，检查镜头是否损坏 |
| distortion_coeffs | 畸变系数（5个） | k1、k2是径向畸变，p1、p2是切向畸变，k3是高阶径向畸变 |
| rotation_matrix | 右摄到左摄的旋转矩阵（3x3） | 理想情况是单位矩阵，实际会有微小偏差 |
| translation_vector | 右摄到左摄的平移向量（3x1，单位mm） | Tx是基线距离，一般在50-100mm之间 |
3.5 双摄标定知识体系
下面这张图总结了双摄标定的完整流程和核心概念，建议你保存下来，做项目时对照着看。
这张图把整个标定流程串起来了。从棋盘格和图像输入开始，经过张正友法解算内参，再到双摄相对位姿标定，最后通过高通工具生成.calib文件。每一步都有对应的质量检查点。