一文盡覽！相機內參標定的工具有哪些？
本文經自動駕駛之心公眾號授權轉載，轉載請聯系出處。
相機標定任務是很多高級功能的上游，無論是深度學習方案或是傳統方案都非常依賴相機標定精度，今天就為大家盤點下相機內參標定常用的工具箱。
1.OpenCV標定工具箱
opencv這個不用多說了，支持多種相機模型標定（pinhole、Kannala Brandt、Mei）
鏈接：https://docs.opencv.org/4.x/dc/dbb/tutorial_py_calibration.html
2.事件相機內參、標定工具 E-Calib
一種快速、穩健、準確的事件相機機校準工具
鏈接：https://github.com/mohammedsalah98/E_Calib
3.OcamCalib（Ocam模型）
鏈接：https://sites.google.com/site/scarabotix/ocamcalib-omnidirectional-camera-calibration-toolbox-for-matlab
4.Kalibr
支持pinhole、FOV、等距模型、雙球模型、Extended Unified等標定！
Kalibr是一個解決以下標定問題的工具箱：
- 多攝像機標定：具有非全局共享重疊視場的攝像機系統的內參和外參校準，支持各種相機模型；
- 視覺慣性標定（CAM-IMU）：相機系統IMU的空間和時間校準以及IMU固有參數標定；
- 多慣性標定（IMU-IMU）：IMU相對于基本慣性傳感器的空間和時間校準以及IMU固有參數；
- Rolling Shutter Camera 標定：完整內參標定；
鏈接：https://github.com/ethz-asl/kalibr
5.ROS camera calibration
自動提示靶標擺放位置，camera_calibration將與滿足標準ROS相機接口的任何相機驅動程序節點一起工作！支持pinhole、fisheye等相機標定！
鏈接：http://wiki.ros.org/camera_calibration
6.CameraCalibration
支持pinhole、Kannala Brandt，集合了相機標定相關的多個腳本工具，便于完成完整的車載環視相機標定流程 各代碼文件均可單獨使用，此外也提供了外部接口以供調用！
鏈接：https://github.com/dyfcalid/CameraCalibration
7.Basalt
Basalt支持相機、IMU和運動捕捉校準，視覺慣性里程計和測繪，模擬環境，用于測試系統的不同組件！
鏈接：https://github.com/VladyslavUsenko/basalt-mirror?tab=readme-ov-file
8.OpenCalib
OpenCalib工具箱可用于校準IMU、激光雷達、相機和雷達等傳感器。
鏈接：https://github.com/PJLab-ADG/SensorsCalibration/tree/master
9.Matlab自帶內參標定
Matlab自帶的工具箱，校準單相機或立體相機，并使用針孔和魚眼攝像頭模型估計相機的內部、外部和失真參數！
鏈接：https://www.mathworks.com/help/vision/camera-calibration.html
10.通用相機模型
可標任意相機、鏡頭， repo包含一個用于精確幾何相機校準的工具，它支持通用相機型號的校準，幾乎適用于所有相機，并允許高度準確的校準。該工具還支持校準固定攝像設備，此外還支持為Intel D435或Occipital Structure Core等立體相機估計準確的深度圖像。
鏈接：https://github.com/puzzlepaint/camera_calibration
11.BabelCalib
論文鏈接：BabelCalib: A Universal Approach to Calibrating Central Cameras，支持任意中心投影相機模型。BabelCalib是一個校準框架，可以估計所有類型的中央投影相機的相機模型，校準功能強大且完全自動。BabelCalib提供具有附加失真的針孔相機模型，以及全方位相機和折反射裝置。支持的攝影機模型列在解算器目錄下，BabelCalib支持由一組校準板組成的校準目標，即多個平面目標。該方法與標定板上的圖案類型無關。它對不準確定位的角點、外圍檢測和遮擋目標具有魯棒性。
鏈接：https://github.com/ylochman/babelcalib
