校准一个立体相机时，如何评估校准程序的质量？ OpenCV使用重投影误差来量化校准质量 .
许多原因可能会导致错误，我通过谷歌搜索了解到可能的原因
lens distortion / yaw error / sensor tilt / pitch error / roll error / baseline error / focal length error.
在立体相机制造过程中，执行校准 . 初始校准产生内在和外在相机参数，这些参数用于消除镜头失真并提供图像校正 . 立体声校准中的重投影错误是否足够？我的目标是计算深度图 .
1 回答
RMS重投影错误是一个统计数据：一个总结整个错误分布的数字 . 它适用于任何适用于任何统计数据的常见警告：只要其适用的某些假设适用（例如，错误是对称分布且分布的尾部不胖），您对其含义的直觉将是正确的 . .
一般来说，应该使用由手头任务决定的质量数字 . 如果您无法提前预测您的立体装备将用于重建的场景，那么是的，RMS重投影错误可能是您可以做的最好的 . 另一方面，如果您的应用程序是质量控制，并且您总是重建完全相同类型的对象（例如，传送带上的机械部件），那么表达您的精度会更有意义 . 直接根据其3D重建错误进行装配，因为在这种情况下，您希望出售“我的立体钻机将关闭小于0.1mm，概率高于99.9％”形式的保证 .