目前常用的两种标定精度评价方法为：

将已知空间三维坐标的特征点按照已标定的摄像机参数重投回图像平面，得到重投点的像素坐标 ( x ^ u , y ^ u ) ( \hat x_u,\hat y_u) (x^u​,y^​u​)，计算其与真实提取的像素坐标 ( x u , y u ) (x_u,y_u) (xu​,yu​)之间的距离：

这个误差是Matlab Camera Calibrator APP自带的误差，所以这里就没有编写其代码。

图像分辨率、视场范围以及空间点到摄像机的距离将对重投误差 E r m s E_{rms} Erms​有不同程度的影响，为了消除上述不利因素，将每个像素点重投回三维空间中的平面上，形成一定大小的矩形区域，其面积大小表示了像素的分辨率在该距离上的不确定度，则可以利用矩形面积的方差值来对误差作归一化处理。在摄像机坐标系下，设空间点的三维坐标为 ( x c , y c , z c ) (x_c,y_c,z_c) (xc​,yc​,zc​)，由图像像素坐标重投回空间平面 Z = z k Z=z_k Z=zk​ 形成的点的三维坐标为 ( x ^ u , y ^ u , z ^ u ) (\hat x_u,\hat y_u,\hat z_u) (x^u​,y^​u​,z^u​)，有效焦距为 f x f_x fx​和 f y f_y fy​，则 E n c e E_{nce} Ence​可表示为：

图像重投误差 E r m s E_{rms} Erms​和归一化标定误差 E n c e E_{nce} Ence​两种精度评价手段所采用的特征点坐标均参与了摄像机参数的计算过程，然而实际的视觉测量阶段所拍摄的图像和特征点均未参与摄像机参数的标定过程，因此，对摄像机标定结果的测量精度评价应采用未参与标定的图像和特征点坐标，并且理应在测量空间中对点的三维坐标进行比较。下面给出了三种在测量空间中评价标定结果精度的方法。

采用未标定的若干幅图像作为测试图像，运用参数的标定数值，计算出每幅测试图像的靶标平面位姿参数，再将每幅测试图像的图像特征点投射到靶标平面形成交点 M c ^ \hat {M_c} Mc​^​，计算其与所有空间特征点 M c ^ \hat {M_c} Mc​^​之间的距离的均方根误差：

运用获取的摄像机参数，对图像点进行畸变校正并投射到三维空间形成射线 L ^ c \hat L_c L^c​。在摄像机坐标系下，计算已知空间点 M c M_c Mc​到对应射线 L c L_c Lc​的距离：

运用获取的摄像机参数，计算每幅测试图像的图像特征点投射到靶标平面形成的交点 M c ^ \hat {M_c} Mc​^​。在摄像机坐标系下，计算相邻格点之间的三维距离 ∥ M c , i ^ − M c , j ^ ∥ \parallel \hat{M_{c,i}}-\hat{M_{c,j}} \parallel ∥Mc,i​^​−Mc,j​^​∥，并与已知的靶标最小格点距离 ∥ M w , i − M w , j ∥ \parallel {M_{w,i}}-{M_{w,j}} \parallel ∥Mw,i​−Mw,j​∥进行比较： 模型计算点之间的距离与标准距离的误差 E d i s E_{dis} Edis​不适合用于测量精度的评价。这是由于当摄像机参数出现偏差时，计算出的相邻两点的 M c ^ \hat {M_c} Mc​^​可能同时出现一个较为接近的偏移，导致计算出的距离也是比较准确的，从而无法准确评价摄像机标定结果。