Python cv2.CalibleCamera中retval返回值的含义

正如标题所说，我的问题是关于OpenCv中calibrateCamera函数给出的返回值

我在python中有一个函数实现，用于使用黑白网格查找相机的内在参数和失真系数

问题更多的是关于函数返回的retval。如果我理解正确的话，它是“平均重投影误差。这个数字可以很好地估计所发现参数的精度。这应该尽可能接近于零。”如中所述

一个尽可能接近零的值到底意味着什么

例如，当我为我的Logitech网络摄像头执行此操作时：

RMS:

0.702660793513

摄像机矩阵：

[[ 616.30868126    0.          339.02126978]
 [   0.          605.08224927  241.64607568]
 [   0.            0.            1.        ]]

畸变系数：

[ 0.19805527 -0.62915986  0.00924648  0.02618232  1.02491764]

在这种情况下，误差如何量化内在参数估计的质量

编辑：

所以我去寻找答案，深入挖掘，检查这个函数的cpp实现

这是计算此错误值的函数：

static double computeReprojectionErrors(
        const vector<vector<Point3f> >& objectPoints,
        const vector<vector<Point2f> >& imagePoints,
        const vector<Mat>& rvecs, const vector<Mat>& tvecs,
        const Mat& cameraMatrix, const Mat& distCoeffs,
        vector<float>& perViewErrors )
{
    vector<Point2f> imagePoints2;
    int i, totalPoints = 0;
    double totalErr = 0, err;
    perViewErrors.resize(objectPoints.size());

    for( i = 0; i < (int)objectPoints.size(); i++ )
    {
        projectPoints(Mat(objectPoints[i]), rvecs[i], tvecs[i],
                      cameraMatrix, distCoeffs, imagePoints2);
        err = norm(Mat(imagePoints[i]), Mat(imagePoints2), NORM_L2);
        int n = (int)objectPoints[i].size();
        perViewErrors[i] = (float)std::sqrt(err*err/n);
        totalErr += err*err;
        totalPoints += n;
    }

    return std::sqrt(totalErr/totalPoints);
}

静态双计算机投影错误(
常量向量和对象点，
常量向量和图像点，
常数向量和rvecs、常数向量和TVEC，
常数矩阵和摄像机矩阵，常数矩阵和距离系数，
向量和透视错误）
{
向量图像点2；
int i，总点数=0；
双总误差=0，误差；
perViewErrors.resize（objectPoints.size（））；
对于（i=0；i<（int）objectPoints.size（）；i++）
{
项目点（Mat（objectPoints[i]）、rvecs[i]、tvecs[i]，
cameraMatrix、Discoefs、imagePoints2）；
err=范数（Mat（imagePoints[i]）、Mat（imagePoints2）、范数_L2）；
int n=（int）objectPoints[i].size（）；
perViewErrors[i]=（float）std:：sqrt（err*err/n）；
totalErr+=err*err；
总点数+=n；
}
返回标准：：sqrt（总误差/总点数）；
}

该误差是根据cv2.CalibleCamera发现的TVEC和rvecs计算的，它重新投影用于查找这些平移和旋转向量的点，并计算重新投影点与这些点的实际坐标之间的欧几里德距离

我认为这个误差不在[0,1]范围内，而是取决于用于校准的坐标范围。因此，这取决于用于校准的图像的分辨率

---

有人能证实/反驳这一点吗？

calibrateCamera

返回均方根（RMS）重投影误差，在良好的校准中，通常应在0.1到1.0像素之间。
通过使用最终的校准参数集（

cameraMatrix

、

Distcoefs

、

rvecs

和

tvecs

）将3D棋盘点（

objectPoints

）投影到图像平面中，并比较角点的已知位置（

imagePoints

）来完成计算

RMS误差为1.0意味着，平均而言，每个投影点距离其实际位置1.0 px。误差在[0,1]中没有界，可以将其视为距离