摄像机的快速高精度标定一直是视觉测量中亟需解决的主要问题，目前针对不同的摄像机成像模型有多种标定方法。提出了一种基于圆形标记点以及极径、极角的棋盘格角点排序算法，实现了单目和多目摄像机的高精度全自动标定。通过实验验证了该算法对于不同位姿标定图像的有效性和稳健性，实验结果表明改进后的标定方法既保证了摄像机的标定精度，又提高了标定的自动化程度，可以广泛应用于机器视觉中的单目和双目摄像机的标定。

北京航空航天大学《机器视觉》大作业《基于2D靶标的摄像机标定》

计算机视觉摄像机定标中投影矩阵的计算（1）：最小二乘法 计算机视觉.pdf

欢迎下载研华科技主题白皮书: 【深度剖析】研华多核异构ARM核心板之机器视觉应用案例 [摘要] TI Sitara系列AM5718/5728是采用ARM+DSP多核异构架构，可以实现图像采集、算法处理、显示、控制等功能，具有实时控制、低功耗、多标准工业控制网络互联、工业人机界面的优化、2D/3D图形处理、1080 HD的高清视频应用、工业控制设备的小型化等特点。广泛应用在机器视觉、工业通讯、汽车多媒体、医疗影像、工厂自动化、工业物联网等领域。 https://www.eefocus.com/resource/advantech/index.p... OpenMV Cam概述: OpenMV项目旨在通过开发开源的低成本机器视觉摄像机，为业余爱好者和制造商提供机器视觉。OpenMV项目于2015年成功通过Kickstarter资助。第一代OpenMV摄像机基于STM的STM32F ARM Cortex-M MCU和Omnivision OV7725传感器。OpenMV摄像机可以在Python3中进行编程，并附有大量的图像处理功能，如面部检测和跟踪，关键点描述符，彩色斑点跟踪，QR和条形码支持，AprilTags，GIF和MJPEG记录等等。 OpenMV摄像机板内置RGB和红外LED，用于编程和视频流的USB FS，uSD插座和I / O头，可以分解PWM，UART，SPI和I2C。此外，OpenMV还支持使用诸如WiFi，BLE，Thermal（FIR）和LCD屏蔽等I / O头的扩展模块（屏蔽）。 OpenMV配备了专门用于支持OpenMV摄像机的跨平台IDE（基于QT创建者）。IDE允许查看帧缓冲区，访问传感器控制，上传脚本并通过串行通过USB（或WiFi / BLE（如果可用））在相机上运行它们。 STM32 机器人视觉摄像机OpenMV Cam实物截图: STM32 机器人视觉摄像机OpenMV Cam特性: 所有I / O引脚输出3.3V并具有5V容限。 在标准的M12镜头座上配有一个2.8mm镜头，便于其他镜头交换。 全速USB（12Mbs）接口到您的计算机。您的OpenMV摄像机在插入时将显示为虚拟COM端口和USB闪存驱动器。 一个能够100Mb读/写的微型SD卡插槽，允许您的OpenMV摄像头记录视频并轻松拉取机器视觉资产从微型SD卡。 SPI总线可以运行高达45Mbs，使您可以轻松地将系统中的图像数据传输到LCD屏蔽，WiFi屏蔽或另一个微控制器。 I2C总线，CAN总线和异步串行总线（TX / RX），用于与其他微控制器和传感器接口。 12位ADC和12位DAC。 两个用于伺服控制的I / O引脚。 所有I / O引脚上的中断和PWM（板上有9个I / O引脚）。 另外还有一个RGB LED和两个高功率的850nm红外LED。 由MacroFab在美国制造的OpenMV LLC OpenMV Cam M4 与 M7区别: STM32 机器人视觉摄像机OpenMV Cam应用: 标记跟踪 您可以使用您的OpenMV Cam来检测组的颜色，而不是独立的颜色。这允许您创建可以放置在对象上的色彩制作者（2个或更多颜色标签），允许您的OpenMV Cam了解标签对象的内容。视频演示这里。 人脸检测 您可以使用OpenMV Cam（或任何通用对象）检测Faces。您的OpenMV Cam可以处理Haar Cascades进行通用对象检测，并配有内置的Frontal Face Cascade和Eye Haar Cascade来检测脸部和眼睛。 眼睛追踪 您可以使用眼动跟踪与您的OpenMV摄像头来检测某人的注视。然后，您可以使用它来控制机器人。眼睛跟踪检测瞳孔的位置，同时检测图像中是否有眼睛。 光流 您可以使用光流来检测您的OpenMV摄像机正在查看的翻译。例如，您可以使用四通孔上的光流来确定其在空气中的稳定性。 QR码检测/解码 您可以使用OpenMV Cam在其视野中读取QR码。通过QR码检测/解码，您可以使智能机器人能够读取环境中的标签。您可以在此处查看我们的视频。 边缘/线路检测 您可以通过Canny Edge Detector算法或简单的高通滤波进行边缘检测，然后进行阈值处理。在您拥有二进制图像后，您可以使用霍夫检测器查找图像中的所有行。通过边缘/线检测，您可以使用OpenMV Cam来轻松检测对象的方向。 模板匹配 您可以使用与OpenMV Cam模板匹配来检测翻译的预先保存的图像何时被视图。例如，可以使用模板匹配来查找PCB上的基准或读取显示器上的已知数字。 图像捕获 您可以使用OpenMV摄像头捕获多达320x240 RGB565（或640x480灰度）BMP / JPG / PPM / PGM图像。您可

基于主动视觉摄像机标定方法基于主动视觉摄像机标定方法基于主动视觉摄像机标定方法

摄像机基本模型，自标定理论，优化算法，数学方法

【国外开源】STM32 机器人视觉摄像机OpenMV Cam设计，可结合python编程，很好的学习资料，内附开源网址。

目录简介投影矩阵的代码实现已知条件代码实现 简介 摄像机标定(Camera calibration)中存在的一个关键问题：如何求解投影矩阵 有了投影矩阵，我们便可以把世界坐标系变化到图像坐标系。 本文主要通过特征向量法来求解投影矩阵。 投影矩阵的代码实现 已知条件 n个三维世界坐标点(保存在dat文件中) n个二维图像坐标点(保存在dat文件中) 使用工具： 环境：windows10+python3.7+pycharm2019 第三方库：numpy 原理见论文链接：(https://wenku.baidu.com/view/db2774d083d049649b66588e.html) 代码实现

视觉摄像机标定方法总结，包含：摄相机标定方法的分类、传统摄相机标定方法、主动视觉摄相机标定方法等

opencv写的双目视觉摄像机标定和三维重建代码opencv写的双目视觉摄像机标定和三维重建代码opencv写的双目视觉摄像机标定和三维重建代码