相机标定是为了求得内外参数，为三维重建做准备。后续的一般过程还有图像畸变矫正，图像校正，立体匹配和三维点计算。因为立体匹配是三维重建中最为最为重要的一环，所以这里先不介绍，后续再开个单篇。本文先讨论一下畸变矫正，图像校正和三维点计算的原理框架。首先是图像畸变矫正，还是和前篇一样，都是手写，这里直接上图。畸变矫正后，可以进行图像校正。介绍图像校正之前，先证明一个简单结论，即旋转矩阵是正交阵。因为旋转

本文记录一些比较有用的机器视觉硬件知识的文章链接，留以备用。会不定时更新补充，也欢迎大家下方评论补充，一起将有用的好文收集整理起来，用的时候也方便一些。（注：本文只附录文章链接，为日常收藏贴，会持续保持更新。）**综合1 机器视觉硬件选型——相机、镜头、光源https://blog.csdn.net/fly_wt/article/details/93970079**光源及打光1 机器视觉中的光源选

光的基础知识：1 光在同种均匀介质中沿直线传播2 光从一种均匀介质传播到另一种均匀介质，在二者的分界面上，会发生反射和折射。3 对于光的反射，反射角等于入射角，且分别位于法线的两侧。而法线是垂直于入射的平面的。4 光路是可逆的。即沿着反射角射入光线，光会从之前的入射角反射出来。5 镜面反射：1 反射面是光滑的2入射光线是平行光线，反射光线也是平行光线。6 漫反射： 1 反射面是粗糙...

一转眼，研究生毕业已经一年了，整日忙于工作，曾经做过的双目三维重建课题快要慢慢退出记忆了。鉴于现在三维重建这么火，这里为以前学习过的知识做个记录。下面是摄像机标定的相关知识（张正友标定），为了加深记忆，全是手写，这里直接附图了，还算是比较系统和详细，目的一是为了记录，方便以后重温学习；二也是为了贴上来给大家看，想到曾经初学时的艰辛，也想为初学者提供一点力所能及的帮助。注：我推导的这些都是从网上看来