MATLAB双目相机标定：从工具箱实战到参数解析
1. MATLAB双目相机标定工具箱入门
双目相机标定是立体视觉应用的基础环节，而MATLAB提供的Stereo Camera Calibrator工具箱让这个过程变得异常简单。我第一次接触这个工具箱时，原本以为需要编写复杂的代码，没想到通过图形化界面就能完成大部分工作。这个工具箱特别适合刚入门计算机视觉的工程师和学生，只要准备好棋盘格图像集，按照步骤操作就能获得高精度的标定结果。
使用工具箱前需要确保已安装MATLAB的Computer Vision Toolbox。打开工具箱的方法很简单：在MATLAB命令窗口输入stereoCameraCalibrator，或者通过APP菜单找到"Stereo Camera Calibrator"图标。我建议在开始前先准备好左右相机拍摄的棋盘格图像，最好分别存放在两个独立的文件夹中，这样导入时会更加方便。棋盘格建议使用A4纸打印的标准棋盘，格子数量建议在8×6以上，实际使用时需要准确测量每个格子的物理尺寸（单位建议用毫米）。
2. 图像导入与预处理
2.1 图像采集要点
在实际项目中，我发现图像质量对标定精度影响很大。根据经验，建议左右相机各拍摄20-200张图像，具体数量取决于应用场景的精度要求。拍摄时需要注意几个关键点：首先，棋盘格需要覆盖整个视场范围，包括中心、边缘和四个角落；其次，棋盘格应该以不同角度出现，包括倾斜、旋转和平移；最后，要确保左右相机同时拍摄到清晰的棋盘格图案。
工具箱会自动检测并剔除质量不佳的图像，但为了提高成功率，拍摄时要注意避免以下情况：棋盘格模糊（相机抖动或失焦）、棋盘格被遮挡、光照不均匀导致棋盘格对比度不足。我曾经遇到过因为室内灯光反光导致标定失败的情况，后来改用漫反射光源就解决了问题。
2.2 图像导入与参数设置
导入图像时，需要分别指定左右相机的图像文件夹。工具箱支持常见的图像格式如jpg、png等。导入后会弹出一个参数设置对话框，这里有几个关键参数需要特别注意：
- 棋盘格尺寸：需要输入棋盘格内角点数量。例如8×6的棋盘格，内角点就是7×5
- 棋盘格物理尺寸：用直尺实际测量的单个格子宽度（毫米）
- 径向畸变系数：一般相机选2，广角或鱼眼镜头选3
- 切向畸变：大多数现代相机不需要勾选
- Skew：除非使用特殊相机，否则保持默认不勾选
设置完成后点击确定，工具箱会自动检测所有图像中的棋盘格。这个过程可能需要几分钟，具体时间取决于图像数量和计算机性能。检测完成后，界面会显示可用的图像对数量，以及初步的标定误差估计。
3. 标定参数详解与优化
3.1 畸变模型选择
MATLAB提供了两种径向畸变模型选项，这是标定过程中最容易让人困惑的部分之一。经过多次实践测试，我总结出以下选择原则：
- 2 Coefficients：适用于大多数普通镜头，使用k1、k2两个参数描述径向畸变
- 3 Coefficients：适用于广角或鱼眼镜头，增加k3参数来更好地描述边缘畸变
切向畸变(p1,p2)通常只在镜头与传感器不平行时显著。现代工业相机一般装配精度很高，可以忽略切向畸变。如果标定后查看畸变参数发现切向畸变值很大，可能需要检查相机硬件是否安装到位。
3.2 标定误差分析
标定完成后，工具箱会显示详细的误差分析图表。其中最重要的是重投影误差直方图，它直观展示了每对图像的标定精度。根据我的经验，平均重投影误差控制在0.5像素以内算是不错的结果，1像素以内可以接受，超过1.5像素就需要检查问题所在了。
点击误差较大的直方图条，可以在左侧查看对应的图像对。对于误差明显的图像，建议右键选择"Remove and Recalibrate"将其剔除后重新计算。这个过程可能需要迭代几次，直到获得满意的误差分布。我发现，有时仅剔除3-5张问题图像就能显著提高整体标定精度。
4. 标定结果解析与应用
4.1 外参矩阵解读
标定完成后，工具箱会输出两个关键外参矩阵：
- RotationOfCamera2：右相机相对于左相机的旋转矩阵R
- TranslationOfCamera2：右相机相对于左相机的平移向量T
这里有个重要细节：MATLAB输出的旋转矩阵需要转置后才能用于OpenCV等库的计算。平移向量T的单位与棋盘格物理尺寸一致（通常是毫米）。在实际应用中，这两个参数定义了双目系统的基线距离和相对方位，是立体匹配和三维重建的基础。
4.2 内参矩阵与畸变系数
每个相机的内参包括：
- IntrinsicMatrix：3×3的内参矩阵，同样需要转置后使用
- RadialDistortion：径向畸变系数[k1,k2,k3]
- TangentialDistortion：切向畸变系数[p1,p2]
特别注意内参矩阵的存储格式：MATLAB使用行主序，而OpenCV等库通常使用列主序，这就是需要转置的原因。我曾经因为忽略这个细节导致后续立体匹配完全失败，花了很长时间才找到问题所在。
4.3 参数验证与使用
得到标定参数后，建议先用showReprojectionErrors函数可视化重投影误差，确认标定质量。然后可以使用rectifyStereoImages函数测试图像校正效果。如果校正后的图像行对齐良好，说明标定参数可靠。
对于实际应用，建议将标定参数保存为.mat文件，同时导出为YAML或XML格式以便其他程序使用。MATLAB提供了相应的导出函数，也可以手动编写转换脚本。我在项目中通常会保留多组标定参数，根据实际使用环境（如温度变化）选择最适合的一组。