3、相机内参标定原理：针孔模型、畸变模型、内参矩阵K的物理意义
聊到相机标定，很多人第一反应就是「棋盘格、角点、张正友」。但说实话，如果你不理解背后的针孔模型和畸变模型，标定出来的参数也就是一堆数字，出了问题根本不知道从哪查起。
我个人习惯，在讲标定流程之前，先花点时间把相机成像的数学模型讲透。你想想看，相机说白了就是一个把三维世界投影到二维平面的装置。这个投影过程，我们用针孔模型来描述。
3.1 针孔模型：理想情况下的成像
针孔模型是最简单的相机模型。它假设光线通过一个小孔，在后面的成像平面上形成倒立的像。为了数学上方便处理，我们通常把成像平面「虚拟」到小孔前面，这样像就是正立的了。
这个模型的核心，就是相似三角形。空间中的一点 P(X, Y, Z)，投影到图像上的点 p(u, v)，它们之间的关系是：
u = f * X / Z
v = f * Y / Z这里的 f 是焦距，单位是像素。注意，这个公式是理想情况，没有考虑任何畸变。
核心要点：针孔模型是一个线性模型，它假设光线是直线传播的。但在实际镜头中，光线会因为透镜的物理特性而发生弯曲，这就是畸变。
3.2 畸变模型：现实中的镜头缺陷
我在项目中遇到过很多次，标定出来的内参看起来没问题，但实际测量就是不准。后来发现，是畸变模型没选对，或者畸变参数没优化好。
畸变主要分两类：径向畸变和切向畸变。
3.2.1 径向畸变
径向畸变是光线在透镜边缘弯曲得更厉害造成的。它沿着镜头半径方向分布，离中心越远，畸变越明显。径向畸变有两种：
- 桶形畸变：图像边缘向外凸出，像桶一样。常见于广角镜头。
- 枕形畸变：图像边缘向内凹陷，像枕头一样。常见于长焦镜头。
数学上，我们用多项式来近似径向畸变：
x_corrected = x * (1 + k1 * r^2 + k2 * r^4 + k3 * r^6)
y_corrected = y * (1 + k1 * r^2 + k2 * r^4 + k3 * r^6)其中 (x, y) 是畸变后的坐标，r 是到光心的距离，k1、k2、k3 是径向畸变系数。对于大多数镜头，k1 和 k2 就够了。k3 通常用于鱼眼镜头这类大畸变镜头。
我的经验：标定时，先只标 k1 和 k2。如果重投影误差还很大，再考虑加 k3。不要一上来就标三个，容易过拟合。
3.2.2 切向畸变
切向畸变是由于镜头和成像平面不平行造成的。说白了，就是镜头装歪了。这种畸变在工业相机中比较常见，尤其是你用手拧镜头的时候。
切向畸变的数学模型：
x_corrected = x + [2 * p1 * x * y + p2 * (r^2 + 2 * x^2)]
y_corrected = y + [p1 * (r^2 + 2 * y^2) + 2 * p2 * x * y]p1 和 p2 是切向畸变系数。
注意：切向畸变通常比径向畸变小一个数量级。如果你发现标定出来的 p1、p2 很大，先检查一下镜头是不是没装正，而不是急着调参数。
3.3 内参矩阵K：把物理世界映射到像素
内参矩阵 K，就是把相机坐标系下的点，映射到像素坐标系下的矩阵。它包含了焦距、主点坐标等信息。
K 矩阵的标准形式：
K = [fx, 0, cx]
[ 0, fy, cy]
[ 0, 0, 1]各参数的物理意义：
| 参数 | 物理意义 | 单位 |
|---|---|---|
| fx, fy | 焦距在 x 和 y 方向上的像素值。fx = f / dx，其中 f 是物理焦距，dx 是像素尺寸。 | 像素 |
| cx, cy | 主点坐标，即光轴与成像平面的交点。理想情况下在图像中心。 | 像素 |
| skew | 像素坐标系的倾斜因子。现代相机几乎为 0，通常忽略。 | 无量纲 |
你想想看，fx 和 fy 如果不一样，说明像素不是正方形的。这在一些工业相机中很常见，尤其是 CMOS 传感器。
关键理解：内参矩阵 K 把相机坐标系下的归一化坐标 (X/Z, Y/Z, 1) 映射到像素坐标 (u, v, 1)。这个映射是线性的，但前提是去掉了畸变。
3.4 完整成像模型：从世界点到像素
把针孔模型、畸变模型、内参矩阵串起来，完整的成像过程是这样的：
- 世界坐标系到相机坐标系：通过外参矩阵 R 和 t 变换。
- 相机坐标系到归一化平面：除以 Z，得到归一化坐标 (x, y)。
- 加入畸变：用径向和切向畸变模型，对 (x, y) 进行修正。
- 内参映射：用 K 矩阵，把修正后的归一化坐标映射到像素坐标。
这个流程，就是相机标定要反推的过程。我们通过已知的棋盘格角点，反推出内参、外参和畸变系数。
下面这张图，把整个成像模型的结构画出来了：
3.5 标定中的常见坑
我曾经在一个项目中，标定出来的内参 fx 和 fy 差了 5% 以上。一开始以为是传感器问题，后来发现是标定板没放平。你想想看，标定板如果倾斜，角点检测就会引入系统误差。
这里总结几个我踩过的坑：
- 标定板不平整：打印的棋盘格贴在硬板上，不要贴软板上。我见过有人贴在三合板上，结果受潮变形了。
- 图像数量不够：至少 15-20 张，覆盖不同角度和位置。不要只拍正对着的。
- 忽略切向畸变：对于四线扫相机，镜头安装精度通常不高，切向畸变不能忽略。
- 重投影误差过大：如果重投影误差超过 0.5 像素，检查一下角点检测是否准确，或者标定板是否有污损。
我的建议：标定完成后，一定要做一次验证。用标定好的内参去测量一个已知尺寸的物体，看看误差在不在容忍范围内。这一步很多人会跳过，但我觉得这是最关键的。
3.6 小结
相机内参标定的核心，就是理解针孔模型和畸变模型。针孔模型给出了理想情况下的投影关系，畸变模型修正了实际镜头的缺陷，内参矩阵 K 则把物理坐标映射到像素坐标。
嗯，这部分内容虽然偏理论，但它是后面所有标定流程的基础。你如果能把这三个概念吃透，后面的联合标定、手眼标定，理解起来就会轻松很多。