在计算机视觉、机器人导航、三维重建等应用中，相机标定是获取精确图像信息的关键第一步。通过标定，我们可以获得相机的内参矩阵（如焦距、主点坐标）和畸变系数（如径向畸变、切向畸变），从而对图像进行校正，并实现从像素坐标到真实世界坐标的准确映射。

     本文将详细介绍如何使用 MATLAB 2025b 中自带的 Camera Calibrator App 对单目相机进行参数标定，涵盖从准备标定图像到导出标定结果的完整流程。

一、准备工作

1. 标定板选择

推荐使用标准的 棋盘格标定板（Checkerboard），因其角点特征清晰、易于自动检测。需提前测量并记录：

• 棋盘格横向格数（如 9）
• 纵向格数（如 6）
• 每个方格的实际物理尺寸（如 25 mm）

⚠️ 注意：格子数量指的是“内角点”数量，而非方格总数。例如，一个 10×7 的棋盘有 9×6 个内角点。

2. 图像采集要求

• 采集 15～30 张不同角度、不同距离的标定板图像；
• 确保标定板在图像中覆盖大部分区域，且尽量出现在图像边缘；
• 避免模糊、反光或遮挡；
• 建议在固定光照条件下拍摄，以减少噪声干扰。

二、MATLAB 标定步骤

步骤 1：启动 Camera Calibrator 工具

打开 MATLAB 2025b，依次点击顶部菜单栏：

App → Image Processing and Computer Vision → Camera Calibrator

即可进入相机标定界面。

 2. 进入 Camera Calibrator

步骤 2：导入标定图像

点击 “Add Images” 按钮，选择已准备好的标定图像文件夹。
系统会弹出对话框，要求输入棋盘格参数：

• Number of squares (width)：横向内角点数（如 9）
• Number of squares (height)：纵向内角点数（如 6）
• Square size：方格边长（单位：毫米或米，需统一）

✅ 建议单位使用 米（m），便于后续与雷达、IMU 等传感器单位对齐。

若部分图像无法检测到完整棋盘格，MATLAB 会自动跳过并提示，可手动剔除低质量图像。

步骤 3：配置标定选项（可选但重要）

参数根据你的真实的标定板修改为正确的参数

点击 “Calibration Options -> Radial Distortion(径向畸变)”，可调整以下参数：

这是镜头最常见的畸变类型，主要由透镜曲率引起，表现为图像中心与边缘之间的非线性拉伸或压缩。

• 2 Coefficients：推荐用于普通相机，适用于大多数镜头；
• 3 Coefficients：仅推荐用于大视场角镜头(如鱼眼镜头)
• Skew：通常勾选 （现代相机传感器像素正交）， 描述图像坐标系中 X 轴与 Y 轴是否垂直
  
• Tangential Distortion：绝大多数情况建议勾选，因为即使是高质量相机也可能存在微小装配误差。

步骤 4：执行标定

点击 “Calibrate” 按钮，MATLAB 将自动计算相机内参和畸变参数，并显示重投影误差（Reprojection Errors）。
理想情况下，平均误差应小于 0.5 像素。若误差过大，需检查图像质量或补充更多视角。

步骤 5：可视化与验证

• 查看 “Reprojection Errors” 图表，识别异常图像；
• 使用 “Show Undistorted” 功能预览去畸变后的图像效果；
• 可导出标定报告（PDF）用于存档。

步骤 6：导出标定参数

点击 “Export Camera Parameters”，将结果保存为 cameraParams 对象（cameraParameters 类型）。
该对象包含以下关键属性：

7.读取参数

cameraParams.IntrinsicMatrix;

cameraParams.RadialDistortion;

cameraParams.TangentialDistortion;

三、常见问题与建议