双目视觉导航传感器标定
双目视觉标定是利用已知世界坐标系（棋盘格标定板）和像素坐标系（对标定板图像处理后结果）的对应关系，获取相机的内参（焦距、图像中心）、外参（旋转矩阵和平移矩阵）和畸变参数。标定完成后，通过双目视觉系统获取的像点坐标信息，就可以求出对应的物点在世界坐标系的三维位置坐标。在双目标定前，还需要单独对每个相机做标定，以确定其畸变系数、相机内参矩阵等。这样做的目的是使左右相机获取到的图像都能校正为标准图像，便于后续的视差图计算。
相机标定方法分为两种：第一种是需要参照物的传统标定方法；第二种是不需参照物的相机自标定法。传统标定方法一般以棋盘格作为参照物，其中每个棋盘格的大小、尺寸及棋盘格的数量都是已知的。标定过程是将棋盘格的顶点与图像上的对应点建立对应关系，利用棋盘格的已知信息来求得相机模型的内外参数和畸变系数。这种标定方法通常有张正友标定法和Tasi两步标定法等，容易受到标定物的制作精度的影响，但精度仍比相机自标定方法高。
相机自标定法是不需要参照物的，通常有基于Kruppa方程的标定法、分层逐步自标定法、基于绝对二次曲面的自标定法等。是根据多视图约束几何方程，在不同位置采集多幅同场景的图像，通过相机的约束信息及对应点的几何信息来完成相机参数的计算。其最大优点就是不需要制作标定参考物，比较灵活；但由于缺少标定物，鲁棒性和精度都有所欠缺。
目前，比较常用的方法为张正友标定方法，可使用OpenCV和MATLAB对双目相机进行标定。标定前，要准备好棋盘格图片（图6-29），一般，为了获取更高的标定精度，采用工业级的（60格子×60格子）玻璃面板效果会更好。
这里以在MATLAB上标定为例讲解双目视觉标定方法。
首先，使用双目相机采集10～20组远近不同姿态的完整标定板图片，并将左相机拍摄的图片保存在“Left”文件夹下，右相机拍摄的图片保存在“Right”文件下，并新建一个名为“Result”的文件夹。
其次，打开MATLAB软件，在“APP”菜单栏里找到图像处理和计算机视觉工具箱（图6-30），然后单击进入标定界面（图6-31）。
图6-29 棋盘格标定板
图6-30 立体视觉标定工具箱
图6-31 标定界面
单击“Add Images”按钮，导入图像到MATLAB标定工具箱（图6-32），并根据实际情况设定黑白方格边长。这个时候，MATLAB就自动检测角点（图6-33），并去除不完整的图片。
图6-32 导入图片
图6-33 加载好的图片
然后进行标定前的基本设置，在图6-33中，勾选“Radial Distortion”栏的 “3 Coefficients”，为径向畸变校正选择3个畸变参数；勾选“Compute”栏的“Skew”，这一项的意思是认为图像坐标系x轴和y轴是垂直的；如果存在切向畸变，则勾选“Compute”栏的“Tangential Distortion”。
单击“Calibrate”图标，开始进行双目视觉标定，得到标定结果（图6-34）。
图6-34 标定结果
每对图像都有标定误差，由图6-34的“Reprojection Errors”窗口可看出，第16组图像误差过大，可进行删除，然后重新校正。
最后，单击“Export Camera Parameters”就可输出相机的畸变参数、内参和外参（图6-35、图6-36）。
图6-35 获取的相机畸变参数和内参
图6-36 获取的相机外参