相机标定的目的
相机标定的最终目的是通过相机成像进行视觉测量，也就是通过图像的信息获取真实三维世界里的位置信息，而标定则是建立现实世界到图像的映射的过程，为了使测量可信，标定过程需要达成两个目的：
- 获取世界坐标系到像素坐标系的映射关系：获取相机的内参和外参；
- 获得相机的畸变参数：矫正畸变。
相机标定的原理
相机成像模型建立
相机成像是三次坐标系变换的过程：
世界坐标系到相机坐标系（刚体变换）
$$\begin{bmatrix}x_c\\y_c\\z_c\\1\end{bmatrix}=\begin{bmatrix} R & t\\0^T & 1 \end{bmatrix} \begin{bmatrix} x_w\\y_w\\z_w\\1 \end{bmatrix}$$
其中R是3×3 的正交旋转矩阵，t是3×1 的平移矢量，其实这个过程也可以用四元数或者欧拉角表达（这俩一般在游戏引擎里用得多），但是正交矩阵R和t在这里计算起来比较直观，可以设定世界坐标系里，标定平面与$x_w-y_w$平面重合，因此$z_w=0$，矩阵在计算时可进行以下简化：
$$\begin{bmatrix} x_c \\ y_c \\ z_c \\ 1 \end{bmatrix} = \begin{bmatrix} R & t \\ 0^T & 1 \end{bmatrix} \begin{bmatrix} x_w \\ y_w \\ z_w \\ 1 \end{bmatrix} = \begin{bmatrix} r_1’ & r_2’ & r_3’ & t’ \end{bmatrix} \begin{bmatrix} x_w \\ y_w \\ 0 \\ 1 \end{bmatrix} = \begin{bmatrix} r_1 & r_2 & t’ \end{bmatrix} \begin{bmatrix} x_w \\ y_w \\ 1 \end{bmatrix}$$
相机坐标系到图像坐标系（中心透视投影）
$$\begin{bmatrix}x_n\\y_n\\1\end{bmatrix}=\begin{bmatrix}f&0&0&0\\0&f&0&0\\0&0&1&0\end{bmatrix} \begin{bmatrix}x_c\\y_c\\z_c\\1\end{bmatrix}$$
其中f为相机的焦距（这种中心投影模型仅适用于针孔相机模型，对广角不适用）。
图像坐标系到像素坐标系（仿射变换）
$$\begin{bmatrix}x_u\\y_u\\1\end{bmatrix}=\begin{bmatrix}1/dx&0&u_0\\0&1/dy&v_0\\0&0&1\end{bmatrix}\begin{bmatrix}x_n\\y_n\\1\end{bmatrix}$$
其中$u_0,v_0$为图像中心的像素坐标，$dx,dy$为图像每个像素的长宽。
其中1的转换矩阵$\begin{bmatrix} R & t\\0^T & 1 \end{bmatrix}$即为相机的外参，每张照片由于标定平面的位置不同，外参也不一样。
2的转换矩阵左乘上3的转换矩阵$\begin{bmatrix} f_x & 0 & u_0 & 0 \\ 0 & f_y & v_0 & 0 \\ 0 & 0 & 1 & 0 \end{bmatrix}$即为相机的内参，内参矩阵中(1, 2)位置的参数为扭曲参数，标准相机一般可将它设为0。
因此可以得到相机成像模型：
$$\begin{bmatrix} x_u \\ y_u \\ 1 \end{bmatrix} = \begin{bmatrix} f_x & 0 & u_0 & 0 \\ 0 & f_y & v_0 & 0 \\ 0 & 0 & 1 & 0 \end{bmatrix} \begin{bmatrix} R & t \\ 0^T & 1 \end{bmatrix} \begin{bmatrix} x_w \\ y_w \\ z_w \\ 1 \end{bmatrix} = \begin{bmatrix} f_x & 0 & u_0 & 0 \\ 0 & f_y & v_0 & 0 \\ 0 & 0 & 1 & 0 \end{bmatrix} \begin{bmatrix} r_1’ & r_2’ & t’ \end{bmatrix} \begin{bmatrix} x_w \\ y_w \\ 1 \end{bmatrix} = \begin{bmatrix} f_x & 0 & u_0 \\ 0 & f_y & v_0 \\ 0 & 0 & 1 \end{bmatrix} \begin{bmatrix} r_1 & r_2 & t \end{bmatrix} \begin{bmatrix} x_w \\ y_w \\ 1 \end{bmatrix}$$
记内参矩阵为A，投影矩阵为H(3x3)，则有：
$$z\begin{bmatrix}x_u\\y_u\\1\end{bmatrix}=A\begin{bmatrix}r_1&r_2&t\end{bmatrix}\begin{bmatrix}x_w\\y_w\\1\end{bmatrix}=H\begin{bmatrix}x_w\\y_w\\1\end{bmatrix}=\begin{bmatrix}h_1&h_2&h_3\end{bmatrix}\begin{bmatrix}x_w\\y_w\\1\end{bmatrix}$$
其中z为尺度因子，为简化计算提取出来。
求解内外参方法
求解H矩阵
根据多视几何的结论，可以令$x=\begin{bmatrix}h_1^{-T}\\h_2^{-T}\\h_3^{-T}\end{bmatrix}$，$M=\begin{bmatrix}x_w\\y_w\\1\end{bmatrix}$，则上式可化为：
$$\begin{bmatrix}M^T & 0^T & -x_u M^T\\0^T & M^T & -y_u M^T \end{bmatrix}x=0$$
设靶标上由n个可以确定位置的点，则有n组这样的方程组，组合起来为2n×9的矩阵，因为H为齐次矩阵，9个未知数只有8个是独立的，因此至少只需要4个点即可进行求解，可由奇异值分解求出x，即可解出投影矩阵H。
求解内外参
求出H矩阵后，根据R的正交性，有$r_1•r_2=0$$和$$r_1^Tr_1=r_2^Tr_2$，即有方程组：
$$\begin{cases} h_1^TA^{-T}A^{-1}h_2=0 \\ h_1^TA^{-T}A^{-1}h_1=h_2^TA^{-T}A^{-1}h_2 \end{cases}$$
令$B_{(3×3)}=A^{-T}A^{-1}$共有6个未知量，用b表示为：
$$b=\begin{bmatrix}1/f_x^2 & 0 & 1/f_y^2 & -u_0/f_x^2 & -v_0/f_y^2 & {u_0^2/f_x^2+v_0^2/f_y^2+1}\end{bmatrix}^T$$
可推出：
$$h_i^TBh_j=v_{ij}^Tb$$
$$v_{ij}=\begin{bmatrix} h_{i1}h{j1} & h_{i1}h_{j2} + h_{i2}h_{j1} & h_{i2}h_{j2} & h_{i3}h_{j1} + h_{i1}h_{j3} & h_{i3}h_{j2} + h_{i2}h_{j3} & h_{i3}h_{j3} \end{bmatrix}^T$$
因此有：
$$\begin{bmatrix} v_{12}^T \\ (v_{11}-v_{22})^T \end{bmatrix}b=0$$
设有N幅图像，则有N组这样的方程组，组合起来为2N×6的矩阵，可通过奇异值分解求出b，再通过Cholesky分解即可得到内参矩阵A。
A求出后根据$A\begin{bmatrix}r_1&r_2&t\end{bmatrix}=H$和$r_3=r_1×r_2$即可求出外参。