OpenCV+C++面阵相机标定函数的使用
1. FindChessboardCorners
找到标定板内角点位置（角点是指黑白色相接的方块定点部分；内角点是不与标定板边缘接触的内部角点）
函数试图确定输入图像是否是棋盘模式，并确定角点的位置。如果所有角点都被检测到且它们都被以一定顺序排布，函数返回非零值，否则在函数不能发现所有角点或者记录它们地情况下，函数返回0。例如一个正常地棋盘图右8x8个方块和7x7个内角点，内角点是黑色方块相互连通的位置。这个函数检测到的坐标只是一个大约的值，如果要精确地确定它们的位置，可以使用函数FindCornerSubPix。
函数形式：findChessboardCorners( // 如果找到角点则返回true
InputArray image, // 输入的棋盘格图像（8UC1或8UC3）
Size patternSize, // 棋盘格内部角点的行、列数
OutputArray corners, // 输出的棋盘格角点
int flags = CALIB_CB_ADAPTIVE_THRESH
| CALIB_CB_NORMALIZE_IMAGE);
参数说明
Image:输入的棋盘图，必须是8位的灰度或者彩色图像。
pattern_size:棋盘图中每行和每列角点的个数。
Corners:检测到的角点
Flags:用于指定在检测棋盘格角点的过程中所应用的一种或多种过滤方法，可以使用下面的一种或多种，如果都是用则使用OR：
CV_CALIB_CB_ADAPTIVE_THRESH -使用自适应阈值（通过平均图像亮度计算得到）将图像转换为黑白图，而不是一个固定的阈值。
CV_CALIB_CB_NORMALIZE_IMAGE -在利用固定阈值或者自适应的阈值进行二值化之前，先使用cvNormalizeHist来均衡化图像亮度。
CV_CALIB_CB_FILTER_QUADS -使用其他的准则（如轮廓面积，周长，方形形状）来去除在轮廓检测阶段检测到的错误方块。
2. find4QuadCornerSubpix
对初步提取到的角点进一步提取亚像素信息，用于提高标定精度，获取内角点的精确位置。
函数形式：find4QuadCornerSubpix(InputArray img, InputOutputArray corners, Size region_size);
img：输入的Mat矩阵，最好是8位灰度图像，检测效率更高；
corners：初始的角点坐标向量，同时作为亚像素坐标位置的输出，所以需要是浮点型数据，一般用元素是Pointf2f/Point2d的向量来表示：vector<Point2f/Point2d> imagePointsBuf；
region_size：角点搜索窗口的尺寸；
3. drawChessboardCorners
在棋盘标定图上绘制找到的内角点（仅用于显示）
函数形式：drawChessboardCorners( InputOutputArray image, Size patternSize, InputArray corners, bool patternWasFound );
image：8位灰度或者彩色图像；
patternSize：每张标定棋盘上内角点的行列数；
corners：初始的角点坐标向量，同时作为亚像素坐标位置的输出，所以需要是浮点型数据，一般用元素是Pointf2f/Point2d的向量来表示：vector<Point2f/Point2d> iamgePointsBuf；
patternWasFound：标志位，用来指示定义的棋盘内角点是否被完整的探测到，true表示别完整的探测到，函数会用直线依次连接所有的内角点，作为一个整体，false表示有未被探测到的内角点，这时候函数会以（红色）圆圈标记处检测到的内角点；
patternWasFound=ture时，依次连接各个内角点
patternWasFound=false时，以（红色）圆圈标记处角点位置
4. calibrateCamera
函数形式：calibrateCamera( InputArrayOfArrays objectPoints,
InputArrayOfArrays imagePoints,
Size imageSize,
CV_OUT InputOutputArray cameraMatrix,
CV_OUT InputOutputArray distCoeffs,
OutputArrayOfArrays rvecs,
OutputArrayOfArrays tvecs,
int flags=0,
TermCriteria criteria = TermCriteria( TermCriteria::COUNT+TermCriteria::EPS, 30,DBL_EPSILON) );
objectPoints：为世界坐标系中的三维点。在使用时，应该输入一个三维坐标点的向量的向量，即vector<vector> object_points。需要依据棋盘上单个黑白矩阵的大小，计算出（初始化）每一个内角点的世界坐标。
imagePoints：为每一个内角点对应的图像坐标点。和objectPoints一样，应该输入vector<vector> image_points_seq形式的变量；
imageSize：为图像的像素尺寸大小，在计算相机的内参和畸变矩阵时需要使用到该参数；
cameraMatrix：为相机的内参矩阵。输入一个Mat cameraMatrix即可，如Mat cameraMatrix=Mat(3,3,CV_32FC1,Scalar::all(0));
distCoeffs：为畸变矩阵。输入一个Mat distCoeffs=Mat(1,5,CV_32FC1,Scalar::all(0))即可；
rvecs：为旋转向量；应该输入一个Mat类型的vector，即vectorrvecs;
tvecs：为位移向量，和rvecs一样，应该为vector tvecs；
flags：为标定时所采用的算法。有如下几个参数：
参数 | 效果 |
CV_CALIB_USE_INTRINSIC_GUESS | 使用该参数时，在cameraMatrix矩阵中应该有fx,fy,u0,v0的估计值。否则的话，将初始化(u0,v0）图像的中心点，使用最小二乘估算出fx，fy |
CV_CALIB_FIX_PRINCIPAL_POINT | 在进行优化时会固定光轴点。当CV_CALIB_USE_INTRINSIC_GUESS参数被设置，光轴点将保持在中心或者某个输入的值 |
CV_CALIB_FIX_ASPECT_RATIO | 固定fx/fy的比值，只将fy作为可变量，进行优化计算。当CV_CALIB_USE_INTRINSIC_GUESS没有被设置，fx和fy将会被忽略。只有fx/fy的比值在计算中会被用到 |
CV_CALIB_ZERO_TANGENT_DIST | 设定切向畸变参数（p1,p2）为零 |
CV_CALIB_FIX_K1,…,CV_CALIB_FIX_K6 | 对应的径向畸变在优化中保持不变。 |
CV_CALIB_RATIONAL_MODEL | 计算k4，k5，k6三个畸变参数。如果没有设置，则只计算其它5个畸变参数。 |
criteria：是最优迭代终止条件设定。
5. projectPoints
对标定结果进行评价的方法是通过得到的摄像机内外参数，对空间的三维点进行重新投影计算，得到空间三维点在图像上新的投影点的坐标，计算投影坐标和亚像素角点坐标之间的偏差，偏差越小，标定结果越好。
函数形式：projectPoints( InputArray _opoints,
InputArray _rvec,
InputArray _tvec,
InputArray _cameraMatrix,
InputArray _distCoeffs,
OutputArray _ipoints,
OutputArray _jacobian,
double aspectRatio )
_points：物体点的坐标，为3xN或者Nx3的矩阵，这儿N是视图中的所有所有点的数目。
_rvec：旋转向量，1x3或者3x1。
_tvec：平移向量，1x3或者3x1。
_cameraMatrix：摄像机内参数矩阵A：
_distCoeffs：形变参数向量，4x1或者1x4，为[k1,k2,p1,p2]。如果是NULL，所有形变系数都设为0。
_ipoints：输出数组，存储图像点坐标。大小为2xN或者Nx2，这儿N是视图中的所有点的数目。
_jacobian：可选参数，Nx10矩阵，从上到下分为4个部分。
参数 | 说明 |
dpdrot | 关于旋转向量部分的图像上点的导数，Nx3矩阵。 |
dpdt | 关于平移向量部分的图像上点的导数，Nx3矩阵。 |
dpdf | 关于fx和fy的图像上点的导数，Nx2矩阵。 |
dpdc | 关于cx和cy的图像上点的导数，Nx2矩阵。 |
aspectRatio | 可选参数，关于形变系数的图像上点的导数，Nx4矩阵。 |
