本文经自动驾驶之心公众号授权转载，转载请联系出处。

相机标定任务是很多高级功能的上游，无论是深度学习方案或是传统方案都非常依赖相机标定精度，今天就为大家盘点下相机内参标定常用的工具箱。

1）OpenCV标定工具箱

opencv这个不用多说了，支持多种相机模型标定（pinhole、Kannala Brandt、Mei）

链接：https://docs.opencv.org/4.x/dc/dbb/tutorial_py_calibration.html

2）事件相机内参、标定工具 E-Calib

一种快速、稳健、准确的事件相机机校准工具

链接：https://github.com/mohammedsalah98/E_Calib

3）OcamCalib（Ocam模型）

链接：https://sites.google.com/site/scarabotix/ocamcalib-omnidirectional-camera-calibration-toolbox-for-matlab

4）Kalibr

支持pinhole、FOV、等距模型、双球模型、Extended Unified等标定！

Kalibr是一个解决以下标定问题的工具箱：

1. 多摄像机标定：具有非全局共享重叠视场的摄像机系统的内参和外参校准，支持各种相机模型；
2. 视觉惯性标定（CAM-IMU）：相机系统IMU的空间和时间校准以及IMU固有参数标定；
3. 多惯性标定（IMU-IMU）：IMU相对于基本惯性传感器的空间和时间校准以及IMU固有参数；
4. Rolling Shutter Camera 标定：完整内参标定；

链接：https://github.com/ethz-asl/kalibr

5）ROS camera calibration

自动提示靶标摆放位置，camera_calibration将与满足标准ROS相机接口的任何相机驱动程序节点一起工作！支持pinhole、fisheye等相机标定！

链接：http://wiki.ros.org/camera_calibration

6）CameraCalibration

支持pinhole、Kannala Brandt，集合了相机标定相关的多个脚本工具，便于完成完整的车载环视相机标定流程 各代码文件均可单独使用，此外也提供了外部接口以供调用！

链接：https://github.com/dyfcalid/CameraCalibration

7）Basalt

Basalt支持相机、IMU和运动捕捉校准，视觉惯性里程计和测绘，模拟环境，用于测试系统的不同组件！

链接：https://github.com/VladyslavUsenko/basalt-mirror?tab=readme-ov-file

8）OpenCalib

OpenCalib工具箱可用于校准IMU、激光雷达、相机和雷达等传感器。

链接：https://github.com/PJLab-ADG/SensorsCalibration/tree/master

9）Matlab自带内参标定

Matlab自带的工具箱，校准单相机或立体相机，并使用针孔和鱼眼摄像头模型估计相机的内部、外部和失真参数！

链接：https://www.mathworks.com/help/vision/camera-calibration.html

10）通用相机模型

可标任意相机、镜头， repo包含一个用于精确几何相机校准的工具，它支持通用相机型号的校准，几乎适用于所有相机，并允许高度准确的校准。该工具还支持校准固定摄像设备，此外还支持为Intel D435或Occipital Structure Core等立体相机估计准确的深度图像。

链接：https://github.com/puzzlepaint/camera_calibration

11）BabelCalib

论文链接：BabelCalib: A Universal Approach to Calibrating Central Cameras，支持任意中心投影相机模型。BabelCalib是一个校准框架，可以估计所有类型的中央投影相机的相机模型，校准功能强大且完全自动。BabelCalib提供具有附加失真的针孔相机模型，以及全方位相机和折反射装置。支持的摄影机模型列在解算器目录下，BabelCalib支持由一组校准板组成的校准目标，即多个平面目标。该方法与标定板上的图案类型无关。它对不准确定位的角点、外围检测和遮挡目标具有鲁棒性。

链接：https://github.com/ylochman/babelcalib