這裏主要記錄下MCPTAM的標定結果(運行該項目主要是希望能用它標定出相機的內外參文件)
MCPTAM的安裝過程參考：https://blog.csdn.net/qq_25458977/article/details/90406233
1. camera intrinsic calibration 部分
源碼中的launch文件夾裏面有一個camera_calibrator.launch文件，裏面只給出了camera_calibrator節點的使用方式，標定的話需要額外地添加uvc_node打開ui界面進行圖像的捕捉等，GettingStarted.pdf中有相關的節點使用，可以直接複製過來，如果運行的時候提醒launch文件某一行無效，全部刪除，新建一個文件，自己手動錄入一遍即可；
捕捉圖像大概爲11張左右，如果希望標定結果比較準確，儘量讓棋盤格能夠鋪滿一點，並且出現在圖像的各個方位，而不僅僅是隻有中間的圖像；
標定結果：
image_width: 640
image_height: 480
camera_name: camera
camera_matrix:
rows: 3
cols: 3
data: [1.0005351573176, -0.00191943575754414, 321.517641212176, -0.0007109109945881, 1, 245.572365752173, 0, 0, 0]
distortion_model: taylor
distortion_coefficients:
rows: 1
cols: 4
data: [374.391967784045, -0.000234296822387193, 5.68557569053981e-07, -5.2792558246302e-10]
rectification_matrix:
rows: 3
cols: 3
data: [1, 0, 0, 0, 1, 0, 0, 0, 1]
projection_matrix:
rows: 3
cols: 4
data: [0, 0, 0, -0, 0, 0, 0, -0, 0, 0, 0, -0]
由於這裏使用的是Scaramuzza的Ocamcalib模型，所以distortion coefficient主要是採用的多項式模型，
這裏a0 爲 374.39， 其他依次類推；camera matrix參數依次爲[1,0, cx,0,1,cy,0,0,0] 主要參數就是計算出的圖像中心cx，cy；標定的結果會自動保存在calibration文件下的camera*.yaml文件中，這裏的*表示的是在camera_name參數傳入的名字，這個名字也需要與多相機標定時的group文件下group name傳入.yaml文件中的相機的名字一致；
這裏標定的兩個相機分別叫做camera1, camera2；
4. Camera Extrinsic Calibration
這部分在pdf中只給出了pose calibrator node的使用情況，沒有給出具體的節點使用，這裏如果標定兩個相機的相對位姿，也是需要調用兩次uvc node，將兩個相機分佈在不同的namespace下，然後進行調用，具體的launch文件如下：
<launch>
<node name="camera1" pkg="uvc_camera" type="uvc_camera_node" output="screen" ns="camera1">
<param name="device" type="string" value="/dev/video2"/>
<param name="camera_info_url" type="string" value="package://mcptam/calibrations/camera1.yaml" />
</node>
<node name="camera3" pkg="uvc_camera" type="uvc_camera_node" output="screen" ns="camera3">
<param name="device" type="string" value="/dev/video0"/>
<param name="camera_info_url" type="string" value="package://mcptam/calibrations/camera3.yaml" />
</node>
<node name="pose_calibrator" pkg="mcptam" type="pose_calibrator" clear_params="true" output="screen" >
<rosparam command="load" file="$(find mcptam)/groups/$(arg group_name).yaml" />
<remap from="reset" to="pose_calibrator/reset" />
<param name="image_transport" type="string" value="compressed"/>
<param name="pattern_width" type="int" value="6"/>
<param name="pattern_height" type="int" value="8"/>
<param name="square_size" type="double" value="0.036"/>
<param name="finder_max_ssd_per_pixel" type="int" value="500" />
<param name="kf_distance_mean_diff_fraction" type="double" value="0.0" />
<param name="kf_adaptive_thresh" type="bool" value="false" />
<param name="get_pose_separately" type="bool" value="false"/>
<param name="pose_out_file" type="string" value="$(find mcptam)/poses/poses.dat" />
</node>
</launch>
這裏camera_info_url 參數需要協商，主要用於後面讀取外參標定時讀取該文件中的參數，因此路徑也一定要指定正確；
運行lanch文件後會打開兩個uvc 窗口，顯示兩個攝像頭的捕捉圖像，這裏的處理狀態主要分爲四種：
CHECKERBOARD_INIT CHECKERBOARD_FIRST_STAGE CHECKERBOARD_SECOND_STAGE CHECKERBOARD_RUNNING, 四種狀態在運行的時候通過窗口的外邊框顯示出來：
1. 最開始爲深藍色，表示初始狀態，按下空格鍵表示開始捕捉KEYFRAME，camera1進入second stage，外邊框爲淺藍色，緩慢移動標定板，給足夠的時間建立camera1的地圖，這個過程第一次一般要花費幾分鐘，一定要耐心等待；
2. camera1的地圖構建完成之後外邊框會變成綠色，同時自動開始標定camera2， camera2的外邊框變成藍色；
3. 按下空格鍵開始標定camera2，這個過程一般很快，兩個相機外邊框都變成綠色後，可以在此移動標定板，移動的時候儘量保證角點都被檢測到，移動的範圍稍微大一點，過程緩慢一點，兩個相機的共同點越多，後期優化的mean square下降的越快；
pose calibrator的結果如下所示：
camera1
1 0 0 -0
0 1 0 -0
0 0 1 -0
camera2
0.99806 -0.0592349 0.0191656 -0.0544484
0.0597737 0.997794 -0.0288826 -0.00878772
-0.0174124 0.0299722 0.999399 1.44874e-05
以第一個相機的座標爲世界座標，計算第二個相機的旋轉和平移，camera2的3x4矩陣，最後一列爲平移向量；