CN113643377A - 基于多次标定的单镜头一致性误差分析的方法和系统 - Google Patents

Abstract

本申请涉及一种基于多次标定的单镜头一致性误差分析的方法和系统，其中，该方法包括：根据镜头成像的特点选取相机模型，其中，相机模型包括但不限于针孔相机模型、鱼眼相机模型和全向相机模型；接着，分别对相机模型的单镜头或同型号多镜头进行标定，得到单镜头一致性评估结果和同型号多镜头一致性评估结果；最后分别对标定后的单镜头和标定后的同型号多镜头进行一致性误差分析，得到目标分析结果。通过本申请，解决了相关技术中缺少通过多次标定对单镜头进行一致性误差分析的评估算法的问题，有助于把控相机镜头的质量。

Description

基于多次标定的单镜头一致性误差分析的方法和系统

技术领域

本申请涉及计算机视觉计算领域，特别是涉及基于多次标定的单镜头一致性误差分析的方法和系统。

背景技术

现实情况下，在用相机对真实场景进行拍照时，由于镜头的原因，拍摄照片时会产生畸变误差，为了解决这个误差带来的拍摄图片失真的问题，一般会在相机中加入误差校正，其中，一致性误差(conformity error)是指校准曲线和规定特性曲线之间的最大偏差，通过对镜头的一致性误差分析，可以评估单镜头或者同型号不同镜头的成像稳定性。

在相关技术中，缺少通过多次标定对单镜头进行一致性误差分析的评估品控算法。

目前针对相关技术中，缺少通过多次标定对单镜头进行一致性误差分析的评估算法的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种基于多次标定的单镜头一致性误差分析的方法和系统，以至少解决相关技术中缺少通过多次标定对单镜头进行一致性误差分析的评估算法的问题。

第一方面，本申请实施例提供了一种基于多次标定的单镜头一致性误差分析的方法，所述方法包括：

根据镜头成像的特点选取相机模型，其中，所述相机模型包括但不限于针孔相机模型、鱼眼相机模型和全向相机模型；

分别对所述相机模型的单镜头或同型号多镜头进行标定，得到所述单镜头一致性评估结果和所述同型号多镜头一致性评估结果；

分别对所述标定后的单镜头和所述标定后的同型号多镜头进行一致性误差分析，得到目标分析结果。

在其中一些实施例中，所述对所述相机模型的单镜头进行标定包括：

对所述单镜头进行多次标定，并对所述经过多次标定的单镜头进行混合标定。

在其中一些实施例中，所述对所述相机模型的同型号多镜头进行标定包括：

对所述同型号多镜头中的每个镜头进行单镜头一致性评估，所述单镜头一致性评估包括对所述每个镜头进行多次标定，并对所述经过多次标定的每个镜头进行混合标定，得到所述每个镜头的单镜头一致性评估结果。

在其中一些实施例中，所述对所述标定后的单镜头和所述标定后的同型号多镜头进行一致性误差分析包括：

计算相同相机模型下所述标定镜头的误差图像，并对所述误差图像进行平均，得到平均误差图像；

根据所述平均误差图像，得到平均误差图像的直方图分布。

在其中一些实施例中，所述计算相同相机模型下所述标定镜头的误差图像包括：

遍历所述相机模型标定镜头中的图像像素；

通过所述相机模型第一参数的逆运算，将所述标定镜头中的图像像素映射到单位球三维点上，再通过所述相机模型第二参数，将所述单位球三维点映射到所述标定镜头中的图像像素上，其中所述第一参数和所述第二参数为所述相机模型经二次标定后的不同参数；

通过所述映射计算得到所述相机模型标定镜头的图像像素误差，并将所述相机模型标定镜头中的图像像素位置赋值为所述像素误差。

第二方面，本申请实施例提供了一种基于多次标定的单镜头一致性误差分析的系统，所述系统包括：

获取模块，用于根据镜头成像的特点选取相机模型，其中，所述相机模型包括但不限于针孔相机模型、鱼眼相机模型和全向相机模型；

一致性评估模块，用于分别对所述相机模型的单镜头或同型号多镜头进行标定，得到所述单镜头一致性评估结果和所述同型号多镜头一致性评估结果；

误差分析模块，用于分别对所述标定后的单镜头和所述标定后的同型号多镜头进行一致性误差分析，得到目标分析结果。

在其中一些实施例中，所述一致性评估模块，还用于对所述单镜头进行多次标定，并对所述经过多次标定的单镜头进行混合标定。

在其中一些实施例中，所述一致性评估模块，还用于对所述同型号多镜头中的每个镜头进行单镜头一致性评估，所述单镜头一致性评估包括对所述每个镜头进行多次标定，并对所述经过多次标定的每个镜头进行混合标定，得到所述每个镜头的单镜头一致性评估结果。

在其中一些实施例中，所述误差分析模块，还用于计算相同相机模型下所述标定镜头的误差图像，并对所述误差图像进行平均，得到平均误差图像，

根据所述平均误差图像，得到平均误差图像的直方图分布。

在其中一些实施例中，所述误差分析模块，还用于遍历所述相机模型标定镜头中的图像像素，

通过所述相机模型第一参数的逆运算，将所述标定镜头中的图像像素映射到单位球三维点上，再通过所述相机模型第二参数，将所述单位球三维点映射到所述标定镜头中的图像像素上，其中所述第一参数和所述第二参数为所述相机模型经二次标定后的不同参数，

通过所述映射计算得到所述相机模型标定镜头的图像像素误差，并将所述相机模型标定镜头中的图像像素位置赋值为所述像素误差。

相比于相关技术，本申请实施例提供的基于多次标定的单镜头一致性误差分析的方法，根据镜头成像的特点选取相机模型，其中，相机模型包括但不限于针孔相机模型、鱼眼相机模型和全向相机模型；接着，分别对相机模型的单镜头或同型号多镜头进行标定，得到单镜头一致性评估结果和同型号多镜头一致性评估结果；最后分别对标定后的单镜头和标定后的同型号多镜头进行一致性误差分析，得到目标分析结果。

本申请提出了一种使用误差图像来分析标定结果一致性的误差评估算法，其不采用任何先验条件，直接通过多次标定技术对镜头进行误差分析。针对单个镜头，通过多次标定和一致性误差分析，计算镜头的误差图像和误差直方图，以此分析镜头的数据源是否稳定；针对同一型号的多个镜头，通过一致性误差分析统计不同镜头之间的误差图像和误差直方图，以此对该型号镜头的品控质量进行分析，解决了相关技术中缺少通过多次标定对单镜头进行一致性误差分析的评估算法的问题，有助于把控相机镜头的质量。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的基于多次标定的单镜头一致性误差分析的方法的应用环境示意图；

图2是根据本申请实施例的基于多次标定的单镜头一致性误差分析的方法的流程图；

图3是根据本申请实施例的基于多次标定的单镜头一致性误差分析的系统的结构框图；

图4是根据本申请实施例的电子设备的内部结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指大于或者等于两个。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。

本申请提供的基于多次标定的单镜头一致性误差分析的方法，可以应用于如图1所示的应用环境中，图1是根据本申请实施例的基于多次标定的单镜头一致性误差分析的方法的应用环境示意图，如图1所示。其中，终端设备11与服务器10通过网络进行通信。服务器10根据镜头成像的特点选取相机模型，其中，相机模型包括但不限于针孔相机模型、鱼眼相机模型和全向相机模型；接着，分别对相机模型的单镜头或同型号多镜头进行标定，得到单镜头一致性评估结果和同型号多镜头一致性评估结果；最后分别对标定后的单镜头和标定后的同型号多镜头进行一致性误差分析，得到目标分析结果，并显示在终端设备11上。其中，终端设备11可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑，服务器10可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

本实施例提供了一种基于多次标定的单镜头一致性误差分析的方法，图2是根据本申请实施例的基于多次标定的单镜头一致性误差分析的方法的流程图，如图2所示，该流程包括如下步骤：

步骤S201，根据镜头成像的特点选取相机模型，其中，相机模型包括但不限于针孔相机模型、鱼眼相机模型和全向相机模型；

本实施例中，根据相机镜头成像的视场角(field of view，简称FOV)的大小获取相机模型，其中，相机模型包括但不限于针孔相机模型、鱼眼相机模型和全向相机模型等。具体地，例如，一般视场角不大于90度的，可以选取针孔相机模型；对于视场角大于90度的，可以选取鱼眼相机模型；而如果相机成像只与任意像素到图像中心的距离有关，与视场角无关，那么就可以选取全向相机模型。可选的，计算视场角的方法有很多种，例如：对着一面墙，测量相机成像左右边界的墙的长度L1，再测量相机到墙的垂直距离L2，可以得到等式：tan(FOV/2)＝L1/2/L2，变换可得到视场角：FOV＝arctan(L1/2/L2)*2。

此外，本实施例中，相机模型model的建立首先对相机进行数学建模，该模型的输入为现实世界中的高精度校准设备，如标定板；输出为真实相机拍摄的图像，通过真实场景中物体和拍摄图像像素点之间的映射关系，能计算得到相机模型的具体数值。即F(X)＝x，其中X是真实三维世界的一个点(X，Y，Z)，x是图像像素坐标(u，v)，这里的F即为相机模型函数；

步骤S202，分别对相机模型的单镜头或同型号多镜头进行标定，得到单镜头一致性评估结果和同型号多镜头一致性评估结果；

优选的，本实施例中对单镜头的标定具体包括：首先对单镜头进行N次标定，接着，对上述经过N次标定的单镜头进行混合标定，得到单镜头的一致性评估结果。对同型号多镜头的标定具体包括：对同型号M个镜头中的每个镜头进行单镜头一致性评估，该单镜头一致性评估包括对同型号M个镜头中的每个镜头进行N次标定，然后对经过N次标定的每个镜头进行混合标定，得到每个镜头的单镜头一致性评估结果。

需要说明的是，本实施例中的标定方法是使用标准的计量仪器对相机镜头的准确度进行检测，看是否符合标准，这里的标定也可以认为是校准；

步骤S203，分别对标定后的单镜头和标定后的同型号多镜头进行一致性误差分析，得到目标分析结果。

优选的，本实施例中对标定后的单镜头和标定后的同型号多镜头进行一致性误差分析包括：计算相同相机模型下标定镜头的N个误差图像，并对该N个误差图像进行平均，得到平均误差图像；最后根据该平均误差图像，统计得到平均误差图像的直方图分布。需要说明的是，对标定后的同型号M个镜头计算误差图像，需要计算

个误差图像，即每个镜头和剩下M-1个镜头都需要进行误差图像的计算。

具体的，本实施例中误差图像计算方法的流程包括如下步骤：

步骤S1，遍历相机模型标定镜头中的图像像素(x1，y1)；

步骤S2，通过该相机模型model函数第一参数的逆运算，将标定镜头中的图像像素(x1，y1)映射到单位球三维点(X，Y，Z)上，即(X，Y，Z)＝F_inverse((x1，y1)，model_1)；接着，再通过该相机模型第二参数，将单位球三维点(X，Y，Z)映射到标定镜头中的图像像素(x2，y2)上，即(x2，y2)＝F((X，Y，Z)，model_2)，需要说明的是，由于相机镜头畸变误差导致的像素畸变，因此，这里映射后的图像像素(x1，y1)和(x2，y2)不是一个像素点，此外，model_1和model_2是同一个相机模型，而第一参数和第二参数为该相机模型经二次标定后的不同参数；

步骤S3，通过映射计算得到相机模型标定镜头的图像像素误差，即pixel_error＝norm((x1，y1)-(x2，y2))，并将相机模型标定镜头中的图像像素位置，即(x1，y1)赋值为该像素误差pixel_error。

本实施例通过计算误差图像和统计误差直方图的方法，多单个镜头和同型号多镜头进行一致性误差评估，分析镜头的质量和数据源的稳定性，有助于把控相机镜头质量。

通过上述步骤S201至步骤S203，本实施例提出了一种使用误差图像来分析标定结果一致性的误差评估算法，其不采用任何先验条件，直接通过多次标定技术对镜头进行误差分析。针对单个镜头，通过多次标定和一致性误差分析，计算镜头的误差图像和误差直方图，以此分析镜头的数据源是否稳定；针对同一型号的多个镜头，通过一致性误差分析统计不同镜头之间的误差图像和误差直方图，以此对该型号镜头的品控质量进行分析，解决了相关技术中缺少通过多次标定对单镜头进行一致性误差分析的评估算法的问题，有助于把控相机镜头的质量。

需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本实施例还提供了一种基于多次标定的单镜头一致性误差分析的系统，该系统用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图3是根据本申请实施例的基于多次标定的单镜头一致性误差分析的系统的结构框图，如图3所示，该系统包括获取模块31、一致性评估模块32和误差分析模块33：

获取模块31，用于根据镜头成像的特点选取相机模型，其中，相机模型包括但不限于针孔相机模型、鱼眼相机模型和全向相机模型；一致性评估模块32，用于分别对相机模型的单镜头或同型号多镜头进行标定，得到单镜头一致性评估结果和同型号多镜头一致性评估结果；误差分析模块33，用于分别对标定后的单镜头和标定后的同型号多镜头进行一致性误差分析，得到目标分析结果。

通过上述系统，本实施例通过获取模块31获取相机模型，在接着利用一致性评估模块32和误差分析模块33对镜头进行一致性评估和误差分析，其中，针对单个镜头，通过多次标定和一致性误差分析，计算镜头的误差图像和误差直方图，以此分析镜头的数据源是否稳定；针对同一型号的多个镜头，通过一致性误差分析统计不同镜头之间的误差图像和误差直方图，以此对该型号镜头的品控质量进行分析，解决了相关技术中缺少通过多次标定对单镜头进行一致性误差分析的评估算法的问题，有助于把控相机镜头的质量。

需要说明的是，本申请中其他一些实施例中的具体示例可以参考上述一种基于多次标定的单镜头一致性误差分析的方法中的实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

此外，需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。

本实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

另外，结合上述实施例中的基于多次标定的单镜头一致性误差分析的方法，本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种基于多次标定的单镜头一致性误差分析的方法。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于多次标定的单镜头一致性误差分析的方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

在一个实施例中，图4是根据本申请实施例的电子设备的内部结构示意图，如图4所示，提供了一种电子设备，该电子设备可以是服务器，其内部结构图可以如图4所示。该电子设备包括通过内部总线连接的处理器、网络接口、内存储器和非易失性存储器，其中，该非易失性存储器存储有操作系统、计算机程序和数据库。处理器用于提供计算和控制能力，网络接口用于与外部的终端通过网络连接通信，内存储器用于为操作系统和计算机程序的运行提供环境，计算机程序被处理器执行时以实现一种基于多次标定的单镜头一致性误差分析的方法，数据库用于存储数据。

本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

本领域的技术人员应该明白，以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于多次标定的单镜头一致性误差分析的方法，其特征在于，所述方法包括：

根据镜头成像的特点选取相机模型，其中，所述相机模型包括但不限于针孔相机模型、鱼眼相机模型和全向相机模型；

分别对所述相机模型的单镜头或同型号多镜头进行标定，得到所述单镜头一致性评估结果和所述同型号多镜头一致性评估结果；

分别对所述标定后的单镜头和所述标定后的同型号多镜头进行一致性误差分析，得到目标分析结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述相机模型的单镜头进行标定包括：

对所述单镜头进行多次标定，并对所述经过多次标定的单镜头进行混合标定。

3.根据权利要求1所述的方法，其特征在于，所述对所述相机模型的同型号多镜头进行标定包括：

对所述同型号多镜头中的每个镜头进行单镜头一致性评估，所述单镜头一致性评估包括对所述每个镜头进行多次标定，并对所述经过多次标定的每个镜头进行混合标定，得到所述每个镜头的单镜头一致性评估结果。

4.根据权利要求1所述的方法，其特征在于，所述对所述标定后的单镜头和所述标定后的同型号多镜头进行一致性误差分析包括：

计算相同相机模型下所述标定镜头的误差图像，并对所述误差图像进行平均，得到平均误差图像；

根据所述平均误差图像，得到平均误差图像的直方图分布。

5.根据权利要求4所述的方法，其特征在于，所述计算相同相机模型下所述标定镜头的误差图像包括：

遍历所述相机模型标定镜头中的图像像素；

通过所述相机模型第一参数的逆运算，将所述标定镜头中的图像像素映射到单位球三维点上，再通过所述相机模型第二参数，将所述单位球三维点映射到所述标定镜头中的图像像素上，其中所述第一参数和所述第二参数为所述相机模型经二次标定后的不同参数；

通过所述映射计算得到所述相机模型标定镜头的图像像素误差，并将所述相机模型标定镜头中的图像像素位置赋值为所述像素误差。

6.一种基于多次标定的单镜头一致性误差分析的系统，其特征在于，所述系统包括：

获取模块，用于根据镜头成像的特点选取相机模型，其中，所述相机模型包括但不限于针孔相机模型、鱼眼相机模型和全向相机模型；

一致性评估模块，用于分别对所述相机模型的单镜头或同型号多镜头进行标定，得到所述单镜头一致性评估结果和所述同型号多镜头一致性评估结果；

误差分析模块，用于分别对所述标定后的单镜头和所述标定后的同型号多镜头进行一致性误差分析，得到目标分析结果。

7.根据权利要求6所述的系统，其特征在于，

所述一致性评估模块，还用于对所述单镜头进行多次标定，并对所述经过多次标定的单镜头进行混合标定。

8.根据权利要求6所述的系统，其特征在于，

所述一致性评估模块，还用于对所述同型号多镜头中的每个镜头进行单镜头一致性评估，所述单镜头一致性评估包括对所述每个镜头进行多次标定，并对所述经过多次标定的每个镜头进行混合标定，得到所述每个镜头的单镜头一致性评估结果。

9.根据权利要求6所述的系统，其特征在于，

所述误差分析模块，还用于计算相同相机模型下所述标定镜头的误差图像，并对所述误差图像进行平均，得到平均误差图像，

根据所述平均误差图像，得到平均误差图像的直方图分布。

10.根据权利要求9所述的系统，其特征在于，

所述误差分析模块，还用于遍历所述相机模型标定镜头中的图像像素，

通过所述相机模型第一参数的逆运算，将所述标定镜头中的图像像素映射到单位球三维点上，再通过所述相机模型第二参数，将所述单位球三维点映射到所述标定镜头中的图像像素上，其中所述第一参数和所述第二参数为所述相机模型经二次标定后的不同参数，

通过所述映射计算得到所述相机模型标定镜头的图像像素误差，并将所述相机模型标定镜头中的图像像素位置赋值为所述像素误差。

Images