关于张正友标定法

关于算法的实现最好参照一下 《opencv2计算机视觉编程手册》 第191页，讲的非常好，事实上我们只需要有3D点和2D点的对应我们就可以计算出对应的相机矩阵了，但是一直让我迷惑的是3D点如何得到。那么张正友标定法事实上是建立了一个棋盘模型，对这个棋盘模型进行了不同角度的拍照，这样这些拍照image中的棋盘角点就可以作为我们要得到的2D点，而不同角度改变的是外参矩阵。那么如何得到3D的点呢？

关键在于世界坐标系的原点是我们设定的，我们设点世界坐标系的原点在棋盘上，同时世界坐标系的xoy平面与棋盘平面重合，那么此时在棋盘上面每一个格子上的角点就有了3D坐标，分别是它对应的（格子高度，格子宽度，0） 甚至在实际编程实现的时候都不需要将3D坐标设计为实际的格子宽度，格子高度，直接使用（0,0,0） （0,1,0）等来代替。因为格子是等间距的，所以这样的坐标来代替原来的（格子高度，格子宽度，0） 只会让外参矩阵多了一个scale变换，而不会影响内参矩阵。

对于内参矩阵的具体数学计算，可以参考一下这篇博文
http://blog.csdn.net/pinbodexiaozhu/article/details/43373247
核心在于对每张拍摄棋盘的相片，拿着对应的2D点和棋盘实际在世界坐标系中的点（x,y,0）退化后的（x,y）算homograph 内参矩阵可以通过这个homograph来推导产生