一、自标定含义和意义

摄像机自标定方法不需要标定块，只是通过摄像机在运动过程中建立多幅图像之间对应的关系，直接进行标定，它克服了传统标定方法的缺点，灵活性较强，它的缺点是标定过程复杂，使用非线性方法标定，鲁棒性差，精度也不高。现在已有的自标定技术大致可以分为：基于 Kruppa 方程的自标定方法、基于二次曲面的自标定方法、分层逐步标定法等。

在项目中，偶尔会遇到由于产品形状、拍摄位置等原因导致标定板很难放置的情况，此时可以考虑使用halcon自标定算法来标定相机。

halcon提供了一种自标定的算子，它可以在不用标定板的情况下，只需要一张图片，根据提取到是物体边缘的直线，来得到相机的内参，标定出相机内参（无焦距），从而完成畸变校正，因为畸变一般在图像的边缘更严重，所以需要保证在图像的四周边缘有足够的直线线段。在实际项目中拍摄物体不可能都像例程中一样有理想的直线边缘，替代方法是：用菲林片制作一张网格黑色印制（10*10，可以根据自己实际情况调整）充满整个视野。

求出了相机内参就可以进行畸变校正，因而自标定相对于采集多张标定板图像进行标定而言，在畸变校正方面更快捷，极大地方便在设备现场进行调试，但是相对于标定板标定而言，无法求出相机的外参。

后续若需要将像素单位换算至公有制单位，也可使用棋盘格、标准物、菲林片等进行转换，便可应用于测量项目；也可以利用一定网格构建XY坐标系，用于定位项目，这样在不借助标定板的情况下就可以畸变校正和测量类的项目。

二、自标定流程：

1.求出拍摄物体的边缘XLD

2.使用radial_distortion_self_calibration函数，根据边缘求出相机内参

3.change_radial_distortion_cam_par 求出理想无畸变内参

4.change_radial_distortion_image 根据相机内参，对图像进行畸变校正

代码：

三、核心函数：

核心算子一：radial_distortion_self_calibration( Contours : SelectedContours : Width, Height, InlierThreshold, RandSeed, DistortionModel, DistortionCenter, PrincipalPointVar : CameraParam ) —— 根据一组XLD轮廓估计镜头的畸变参数和畸变中心，以此达到校准径向畸变的目的

对畸变的评估是基于图像中可见大量直线的假设。由于透镜畸变，这些线将被投影成曲线轮廓。操作者现在可以确定适当的参数，通过这些参数，曲线轮廓可以被再次拉直，从而补偿透镜的畸变。

要获得合适的输入轮廓，可以使用edges_sub_pix或lines_gauss。轮廓应该是均匀分布的，并且应该位于图像边界附近，因为那里的失真程度是最大的，因此校准是最稳定的。为了提高速度和健壮性，您可以尝试获得长线性或圆形段，例如使用segment_contours_xld、union_collinear_contours_xld、union_cocircular_contours_xld或select_shape_xld。如果一个单独的图像在场景中没有包含足够的直线轮廓，你可以使用多个图像的轮廓。

操作员使用鲁棒RANSAC方法自动从场景中直线图像的轮廓中估计出这些轮廓。不满足这个条件，因此不适合校准过程的轮廓称为离群值。操作符可以处理最大的异常值百分比为50%。经过畸变校正后，如果轮廓与相关直线的平均偏差大于给定的阈值T，则将轮廓归为离群值。 InlierThreshold值描述包含100个点的轮廓从其关联线的平均偏差，以像素为单位。实际阈值T由InlierThreshold根据参考长度(100)和轮廓点个数m进行缩放得到，因此相似的轮廓分类相似。典型的InlierThreshold值在0.05到0.5之间。值越高，越能容忍偏差。

通过参数RandSeed，你可以控制随机行为的RANSAC算法，并迫使它返回可重复的结果。该参数作为初始值传递给内部使用的随机数生成器。如果将其设置为正值，操作符将为每个调用返回相同的结果，并具有相同的参数值。

参数列表：

Contours （in）：可用于校准的等高线（图像中提取到轮廓线） SelectedContours （out）：用于校准的等高线（在图像中提取到轮廓线中筛选出符合条件的轮廓线） Width（in）：提取轮廓的图像的宽度 Height（in）：提取轮廓的图像的高度 InlierThreshold（in）：异常值分类的阈值： RandSeed（in）：随机种子 DistortionModel（in）：畸变模式 DistortionCenter（in）：决定使用何种方式估计失真中心。有 ‘variable’（默认，适用于图像边缘轮廓线很多或者失真应该很高。否则，在寻找畸变中心时可能会出现不适定性，从而导致不稳定性。）‘adaptive’（如果可以假定畸变中心位于图像中心附近，并且只有很少的等值线可用或其他等值线的位置不好(例如等值线方向相同)，则应使用这种方法）, ‘fixed’（该方法适用于失真很弱或轮廓线少的情况下，在不好的位置。） PrincipalPointVar （in）：偏差控制，控制畸变中心与图像中心的偏差 CameraParam （out）：输出相机内部参数

核心算子二：change_radial_distortion_cam_par( : : Mode, CamParamIn, DistortionCoeffs : CamParamOut) —— 根据指定的径向畸变确定新的相机参数。

参数列表：

Mode （in）：模式 （ 注： ‘fixed’ 要比 ‘adaptive’ 稳定） CamParamIn （in）：相机内部参数(原图) DistortionCoeffs（in）：所需的径向扭曲 CamParamOut（out）：相机内部参数(已修改)

核心算子三：change_radial_distortion_image(Image, Region : ImageRectified : CamParamIn, CamParamOut : ) —— 改变图像的径向畸变。

change_radial_distortion_image根据摄像机内部参数CamParamIn和CamParamOut对输入图像图像的径向畸变进行改变。使用CamParamOut将位于区域区域内的输出图像的每个像素转换为图像平面，然后使用CamParamIn将其投影为图像的亚像素。通过双线性插值确定得到的灰度值。如果该亚像素在图像之外，则将图像重建中的对应像素设置为“黑色”并从图像域中消除。

参数列表：

Image （in）：原始图像 Region （in）：成像重建感兴趣的区域。 ImageRectified（out）：畸变校正之后的图像 CamParamIn（in）：内部相机参数。 CamParamOut（in）：内部相机参数（已修改）。