保姆级教程：用OpenCV搞定鱼眼双目相机的标定与测距（附完整C++代码）
鱼眼双目视觉实战：从标定到三维测距的全流程解析
鱼眼镜头因其超广视角特性，在机器人导航、VR全景拍摄等领域应用广泛。但大畸变特性也给双目视觉系统带来额外挑战——传统标定方法直接套用往往导致测距误差剧增。本文将用OpenCV的fisheye模块，带您完整实现鱼眼双目标定与测距系统。
1. 环境搭建与数据采集
1.1 硬件准备要点
- 相机选型：建议基线距离（两镜头间距）50-200mm，视场角≥180度的同步触发鱼眼相机
- 标定板选择：
- 棋盘格：推荐7x9以上黑白间隔（OpenCV的
findChessboardCorners检测效果最佳） - 非对称圆网格：适合镜头边缘畸变严重场景（使用
CALIB_CB_ASYMMETRIC_GRID参数）
- 棋盘格：推荐7x9以上黑白间隔（OpenCV的
- 拍摄技巧：
// 检查角点是否全部可见 bool found = findChessboardCorners(image, boardSize, corners, CALIB_CB_ADAPTIVE_THRESH + CALIB_CB_NORMALIZE_IMAGE);
1.2 标定数据采集规范
| 参数 | 建议值 | 说明 |
|---|---|---|
| 图像数量 | 20-30组 | 覆盖所有景深和角度 |
| 标定板姿态 | 30°倾斜 | 增强z轴旋转参数的可观测性 |
| 图像分辨率 | 1920x1080 | 过低分辨率会导致角点定位误差增大 |
实际测试发现，当标定板占据图像面积<30%时，重投影误差会上升约40%
2. 鱼眼相机标定核心步骤
2.1 单目标定实现
鱼眼模型使用Kannala-Brandt畸变模型，与传统Brown模型不同：
Mat cameraMatrix, distCoeffs; vector<Mat> rvecs, tvecs; double rms = fisheye::calibrate( objectPoints, imagePoints, imageSize, cameraMatrix, distCoeffs, rvecs, tvecs, CALIB_RECOMPUTE_EXTRINSIC );关键参数解析：
distCoeffs：4元素向量(k1,k2,k3,k4)，控制径向畸变强度flags：推荐CALIB_FIX_SKEW避免像素倾斜误差
2.2 双目标定实战
在单目标定基础上计算双目外参：
Mat R, T; fisheye::stereoCalibrate( objectPoints, imagePointsL, imagePointsR, cameraMatrixL, distCoeffsL, cameraMatrixR, distCoeffsR, imageSize, R, T, fisheye::CALIB_FIX_INTRINSIC // 保持内参不变 );典型问题排查：
- 重投影误差>1.0像素：检查角点提取准确性
- 平移向量T异常：确认左右图像采集是否同步
3. 立体校正与视差计算
3.1 极线校正实现
鱼眼镜头的立体校正需要特殊处理：
Mat R1, R2, P1, P2, Q; fisheye::stereoRectify( cameraMatrixL, distCoeffsL, cameraMatrixR, distCoeffsR, imageSize, R, T, R1, R2, P1, P2, Q, CALIB_ZERO_DISPARITY ); // 生成remap映射表 Mat mapLx, mapLy, mapRx, mapRy; fisheye::initUndistortRectifyMap( cameraMatrixL, distCoeffsL, R1, P1, imageSize, CV_32FC1, mapLx, mapLy );3.2 SGBM参数调优指南
推荐参数组合（实测效果）：
| 参数 | 鱼眼推荐值 | 作用域 |
|---|---|---|
| minDisparity | 0 | 最小视差 |
| numDisparities | 16*10 | 视差搜索范围 |
| blockSize | 7 | 匹配窗口大小 |
| uniquenessRatio | 15 | 唯一性检验阈值 |
| speckleWindowSize | 200 | 视差平滑窗口 |
Ptr<StereoSGBM> sgbm = StereoSGBM::create( 0, 96, 7, 8*3*7*7, 32*3*7*7, 0, 0, 15, 200, 1 );4. 三维坐标计算与优化
4.1 深度计算原理
视差转深度的核心公式：
depth = (baseline * fx) / (disparity + doffs)其中：
baseline：从双目标定的T矩阵提取（abs(T[0])）doffs：视差偏移量（通常为0）
4.2 误差抑制技巧
- 无效值过滤：
Mat depth = baseline * fx / (disp + 1e-6); depth.setTo(0, disp < minDisparity); - 亚像素优化：
sgbm->setMode(StereoSGBM::MODE_HH4);
实测在2米范围内，本方案可实现±1%的相对测距精度。建议在标定后保存所有参数为YAML文件：
FileStorage fs("calib.yml", FileStorage::WRITE); fs << "cameraMatrix" << cameraMatrix; fs << "distCoeffs" << distCoeffs;