最近使用了Matlab标定工具箱来与OpenCV的StereoCalibration的结果进行对比。现把在使用过程中，遇到的一些问题，，进行了总结：（详细说明请参见程序主页）
一般的标定过程：选择图像读取方式（标准，还是一副一副的读），如果选择一次性将文件读入内存，则在后面输入文件基本名称和文件格式后，不需要再点ReadImage.一般直接选择标准方式即可。
1，进入standard vision，选择Image names，在Matlab命令窗口中，输入图像的基本名，如calL，程序自动提取文件名为calL1,calL2..的 图像。再输入图像格式，按照给出的提示，输入相应的字母即可。
2，在得到所有的标定图像后，可以点击在Extract grid corners，下面需要手动标记出角点的范围，程序会在范围内精确确定角点的位置。这里需要注意的是，由于标定图像较多，往往会有手误，将范围标错，这时程序会提示，重新输入标定块个数，并可以通过对焦距或Kc（畸变参数）进行预估，来调整范围。这边对焦距和畸变参数的估计，只是用来调整角点范围，不会对标定结果存在影响。这边Kc={-1,1}，可以重复几次来获得正确的范围，最终得到正确的角点坐标。
3，当所有的角点被正确提取后，点击Calibration,就可以的到相机的各个参数。
4，反投影误差：
通过上述三个步骤，就获得了标定信息。对结果的一些可视化的工作，该软件也做得很好。
首先，可以通过reproject on images，得到根据当前标定结果得到的反投影误差，从点云的聚集情况和分散的最大范围可以看出反投影误差的大小。还可以对每幅图像的角点进行反向投影，可以看到反向投影点与原角点位置的偏差，根据这些可以对标定结果的误差和可信度有个简单的判断。对于反投影误差较大的情况，往往是由于角点提取不正确造成的，然后可以通过重新计算来优化结果。
5，Recomp. corners选项，主要完成根据反向投影得到的角点坐标重作为对角点的估计，重新计算角点的功能。针对第一次标定结果误差太大的情况，可以通过此方法重新计算焦点。计算完成后，点击Calibration根据新的焦点进行标定。此时，得到的标定信息，比第一次得到的反投影误差分布更集中，直径也小。但是该步骤在标定过程中不被推荐，因为往往首次得到的三维坐标精确度并不高，如果参考误差较大的信息的话，有可能使结果与正解偏差更大。
6，这个时候可以点击Analyse errs,通过选取反投影误差点的位置，在命令窗口中给出选中误差点对应的图像幅数，焦点顺序号，在标定板中的位置和反投影得到的位置以及x,y方向的误差值等信息。
7，相关的可视化工具还有Show Extrinsic，可以看到相机与标定板的位置关系。
8，另外的一些辅助功能如保存标定结果，去除某幅图像等，都可以方便的使用。
对于这些工具项，在保证符合逻辑要求的情况，可以随意使用。这样可以随时可视化结果。
造物之前，必先造人。
