// 包含OpenCV库中用于3D校准的相关头文件
#include "opencv2/calib3d.hpp"
// 包含OpenCV库中用于图像编码解码的相关头文件
#include "opencv2/imgcodecs.hpp"
// 包含OpenCV库中用于GUI操作的相关头文件
#include "opencv2/highgui.hpp"
// 包含OpenCV库中用于图像处理的相关头文件
#include "opencv2/imgproc.hpp"
// 包含OpenCV库中用于处理ChArUco板的相关头文件
#include "opencv2/objdetect/charuco_detector.hpp"// 引入一些常用的标准库
#include <vector>
#include <string>
#include <algorithm>
#include <iostream>
#include <iterator>
#include <stdio.h>
#include <stdlib.h>
#include <ctype.h>// 使用cv和std名称空间中的变量和函数，避免每次调用时都写cv::和std::
using namespace cv;
using namespace std;// 声明一个静态函数print_help，用来打印程序的使用说明
// print_help函数的实现：打印使用帮助说明
static int print_help(char** argv)
{// 输出程序的使用方法，该方法包括双目校准过程中所需的参数说明cout <<" Given a list of chessboard or ChArUco images, the number of corners (nx, ny)\n"" on the chessboards and the number of squares (nx, ny) on ChArUco,\n"" and a flag: useCalibrated for \n"" calibrated (0) or\n"" uncalibrated \n"" (1: use stereoCalibrate(), 2: compute fundamental\n"" matrix separately) stereo. \n"" Calibrate the cameras and display the\n"" rectified results along with the computed disparity images. \n" << endl;// 输出程序的具体使用格式，包括棋盘宽度，高度，模式类型（棋盘或ChArUco），平方大小，标记大小，预定义的aruco字典名称，aruco字典文件和图像列表XML/YML文件cout << "Usage:\n " << argv[0] << " -w=<board_width default=9> -h=<board_height default=6>"<<" -t=<pattern type: chessboard or charucoboard default=chessboard> -s=<square_size default=1.0> -ms=<marker size default=0.5>"<<" -ad=<predefined aruco dictionary name default=DICT_4X4_50> -adf=<aruco dictionary file default=None>"<<" <image list XML/YML file default=stereo_calib.xml>\n" << endl;// 打印可用的Aruco字典列表信息cout << "Available Aruco dictionaries: DICT_4X4_50, DICT_4X4_100, DICT_4X4_250, "<< "DICT_4X4_1000, DICT_5X5_50, DICT_5X5_100, DICT_5X5_250, DICT_5X5_1000, "<< "DICT_6X6_50, DICT_6X6_100, DICT_6X6_250, DICT_6X6_1000, DICT_7X7_50, "<< "DICT_7X7_100, DICT_7X7_250, DICT_7X7_1000, DICT_ARUCO_ORIGINAL, "<< "DICT_APRILTAG_16h5, DICT_APRILTAG_25h9, DICT_APRILTAG_36h10, DICT_APRILTAG_36h11\n";// 函数返回0，表示成功执行return 0;
}
// 声明一个静态函数StereoCalib，用于执行双目相机的校准
// StereoCalib函数的实现：执行双目摄像头的校准
static void
// 函数定义，包括所需的参数
StereoCalib(const vector<string>& imagelist, Size inputBoardSize, string type, float squareSize, float markerSize, cv::aruco::PredefinedDictionaryType arucoDict, string arucoDictFile, bool displayCorners = false, bool useCalibrated=true, bool showRectified=true)
{// 检查图像列表的数量是否为偶数，否则返回错误if( imagelist.size() % 2 != 0 ){cout << "Error: the image list contains odd (non-even) number of elements\n";return;}// 定义变量和存储来进行校准过程const int maxScale = 2;// ARRAY AND VECTOR STORAGE:// 创建两个图像点数组和一个对象点向量，以及图像大小变量vector<vector<Point2f> > imagePoints[2];vector<vector<Point3f> > objectPoints;Size imageSize;// 定义一些需要的索引变量和图像数量int i, j, k, nimages = (int)imagelist.size()/2;// 调整图像点数组的大小以匹配图像的数量imagePoints[0].resize(nimages);imagePoints[1].resize(nimages);// 创建一个存储良好图像的列表vector<string> goodImageList;// 定义棋盘的两种尺寸，内角尺寸和单位尺寸Size boardSizeInnerCorners, boardSizeUnits;// 检查棋盘的类型，并依此计算板大小if (type == "chessboard") {// 若是普通棋盘，则内角大小即为给定的板大小boardSizeInnerCorners = inputBoardSize;// 棋盘单位尺寸需要增加1，因为边缘的格子也要计算进去boardSizeUnits.height = inputBoardSize.height+1;boardSizeUnits.width = inputBoardSize.width+1;}else if (type == "charucoboard") {// 若是ChArUco棋盘，板大小则是以方块为单位给出的boardSizeUnits = inputBoardSize;// 减去1以得到内角尺寸boardSizeInnerCorners.width = inputBoardSize.width - 1;boardSizeInnerCorners.height = inputBoardSize.height - 1;}else {// 若棋盘类型未知，则输出错误并返回std::cout << "unknown pattern type " << type << "\n";return;}// 定义并初始化Aruco字典cv::aruco::Dictionary dictionary;// 如果未指定字典文件，则使用预定义字典if (arucoDictFile == "None") {dictionary = cv::aruco::getPredefinedDictionary(arucoDict);}else {// 否则从文件中加载字典cv::FileStorage dict_file(arucoDictFile, cv::FileStorage::Mode::READ);cv::FileNode fn(dict_file.root());dictionary.readDictionary(fn);}// 创建ChArUco板和检测器对象cv::aruco::CharucoBoard ch_board(boardSizeUnits, squareSize, markerSize, dictionary);cv::aruco::CharucoDetector ch_detector(ch_board);// 创建一个用来存储标记的ID的容器std::vector<int> markerIds;// 对图像列表中的每一对图像进行处理for( i = j = 0; i < nimages; i++ ){// inner loop to go through each image of the pairfor( k = 0; k < 2; k++ ){// 获取当前处理的图像的文件名const string& filename = imagelist[i*2+k];// 以灰度模式读取图像Mat img = imread(filename, IMREAD_GRAYSCALE);// 如果图像为空，跳过当前循环 if(img.empty())break;// 如果imageSize尚未设置，初始化它if( imageSize == Size() )imageSize = img.size();// 如果当前读取的图像大小与之前的不一致，输出错误信息并跳过当前图像对else if( img.size() != imageSize ){cout << "The image " << filename << " has the size different from the first image size. Skipping the pair\n";break;}// 定义一个布尔类型的变量，用来判断是否找到角点 bool found = false;// 引用当前图像对应的角点向量vector<Point2f>& corners = imagePoints[k][j];// 尝试不同的图像缩放级别，以找到角点for( int scale = 1; scale <= maxScale; scale++ ){// 根据当前的缩放等级，准备图像Mat timg;// 如果是原始尺度，直接使用原图if( scale == 1 )timg = img;else// 不是原始尺度时，改变图像大小resize(img, timg, Size(), scale, scale, INTER_LINEAR_EXACT);// 根据棋盘类型找到角点，并存储到corners变量中if (type == "chessboard") {// 查找棋盘角点found = findChessboardCorners(timg, boardSizeInnerCorners, corners,CALIB_CB_ADAPTIVE_THRESH | CALIB_CB_NORMALIZE_IMAGE);}else if (type == "charucoboard") {// 查找ChArUco板角点ch_detector.detectBoard(timg, corners, markerIds);found = corners.size() == (size_t) (boardSizeInnerCorners.height*boardSizeInnerCorners.width);}else {// 若棋盘类型未知，输出错误信息并返回cout << "Error: unknown pattern " << type << "\n";return;}// 如果找到角点，结束当前缩放级别的处理if( found ){// 如果图像已缩放，将角点尺度调整回原始图像尺度if( scale > 1 ){Mat cornersMat(corners);cornersMat *= 1./scale;}break;}}// 如果需要显示每个角点，则进行绘制并显示if( displayCorners ){cout << filename << endl;Mat cimg, cimg1;cvtColor(img, cimg, COLOR_GRAY2BGR);drawChessboardCorners(cimg, boardSizeInnerCorners, corners, found);double sf = 640./MAX(img.rows, img.cols);resize(cimg, cimg1, Size(), sf, sf, INTER_LINEAR_EXACT);imshow("corners", cimg1);char c = (char)waitKey(500);if( c == 27 || c == 'q' || c == 'Q' ) // 允许使用ESC键退出exit(-1);}elseputchar('.');// 如果没有找到角点，结束当前图像对处理if( !found )break;// 对找到的角点进行亚像素精调if (type == "chessboard") {cornerSubPix(img, corners, Size(11, 11), Size(-1, -1),TermCriteria(TermCriteria::COUNT + TermCriteria::EPS,30, 0.01));}}// 如果两张图像都已处理，将其添加到良好图像列表中，并计数if( k == 2 ){goodImageList.push_back(imagelist[i*2]);goodImageList.push_back(imagelist[i*2+1]);j++;}}cout << j << " pairs have been successfully detected.\n";nimages = j;// 如果检测到的图像对过少，则返回错误信息 if( nimages < 2 ){cout << "Error: too little pairs to run the calibration\n";return;}// 根据检测到的图像对调整向量的大小imagePoints[0].resize(nimages);imagePoints[1].resize(nimages);objectPoints.resize(nimages);// 为每个图像对生成三维场景中的角点坐标for( i = 0; i < nimages; i++ ){// 通过循环遍历棋盘的每个位置for( j = 0; j < boardSizeInnerCorners.height; j++ )for( k = 0; k < boardSizeInnerCorners.width; k++ )// 定位场景中的3D点objectPoints[i].push_back(Point3f(k*squareSize, j*squareSize, 0));}// 输出开始校准的信息cout << "Running stereo calibration ...\n";// 声明并初始化相机矩阵和畸变系数Mat cameraMatrix[2], distCoeffs[2];// 使用固有的相机猜测来初始化相机矩阵cameraMatrix[0] = initCameraMatrix2D(objectPoints,imagePoints[0],imageSize,0);cameraMatrix[1] = initCameraMatrix2D(objectPoints,imagePoints[1],imageSize,0);// 声明旋转矩阵、平移矩阵、本质矩阵和基础矩阵Mat R, T, E, F;// 调用stereoCalibrate函数进行立体校准double rms = stereoCalibrate(objectPoints, imagePoints[0], imagePoints[1],cameraMatrix[0], distCoeffs[0],cameraMatrix[1], distCoeffs[1],imageSize, R, T, E, F,// 定义校准时的标志CALIB_FIX_ASPECT_RATIO +CALIB_ZERO_TANGENT_DIST +CALIB_USE_INTRINSIC_GUESS +CALIB_SAME_FOCAL_LENGTH +CALIB_RATIONAL_MODEL +CALIB_FIX_K3 + CALIB_FIX_K4 + CALIB_FIX_K5,// 校准准则TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 100, 1e-5) );// 输出校准的RMS误差cout << "done with RMS error=" << rms << endl;// CALIBRATION QUALITY CHECK// 因为基础矩阵隐含了所有输出信息，// 我们可以使用极线几何约束来检查校准的质量：m2^t*F*m1=0// 初始化误差值和点数总计double err = 0;int npoints = 0;// 创建线性向量数组，此处为2视图vector<Vec3f> lines[2];// 对于每一组图像，计算极线和对应点的误差for( i = 0; i < nimages; i++ ){// 获取第一视图中的点数int npt = (int)imagePoints[0][i].size();// 创建Mat对象来存储两视图的校正后像素点Mat imgpt[2];for( k = 0; k < 2; k++ ){// 拷贝图像点到Mat对象imgpt[k] = Mat(imagePoints[k][i]);// 校正畸变undistortPoints(imgpt[k], imgpt[k], cameraMatrix[k], distCoeffs[k], Mat(), cameraMatrix[k]);// 计算极线computeCorrespondEpilines(imgpt[k], k+1, F, lines[k]);}// 计算并累加每个点的误差for( j = 0; j < npt; j++ ){// 使用极线方程计算误差double errij = fabs(imagePoints[0][i][j].x*lines[1][j][0] +imagePoints[0][i][j].y*lines[1][j][1] + lines[1][j][2]) +fabs(imagePoints[1][i][j].x*lines[0][j][0] +imagePoints[1][i][j].y*lines[0][j][1] + lines[0][j][2]);// 累加总误差err += errij;}// 更新点数总计npoints += npt;}// 打印平均极线误差cout << "average epipolar err = " << err/npoints << endl;// 保存内参数FileStorage fs("intrinsics.yml", FileStorage::WRITE);if( fs.isOpened() ){// 写入相机矩阵和畸变系数到文件fs << "M1" << cameraMatrix[0] << "D1" << distCoeffs[0] <<"M2" << cameraMatrix[1] << "D2" << distCoeffs[1];fs.release(); // 关闭文件}elsecout << "Error: can not save the intrinsic parameters\n";// 定义存储校正结果的变量Mat R1, R2, P1, P2, Q;// 定义有效的ROI区域数组Rect validRoi[2];// 立体校正函数stereoRectify(cameraMatrix[0], distCoeffs[0],cameraMatrix[1], distCoeffs[1],imageSize, R, T, R1, R2, P1, P2, Q,CALIB_ZERO_DISPARITY, 1, imageSize, &validRoi[0], &validRoi[1]);// 打开外参数文件进行写入fs.open("extrinsics.yml", FileStorage::WRITE);if( fs.isOpened() ){// 写入外参数到文件fs << "R" << R << "T" << T << "R1" << R1 << "R2" << R2 << "P1" << P1 << "P2" << P2 << "Q" << Q;fs.release(); // 关闭文件}elsecout << "Error: can not save the extrinsic parameters\n";// 检测立体摄像头的排列，是左-右还是上-下bool isVerticalStereo = fabs(P2.at<double>(1, 3)) > fabs(P2.at<double>(0, 3));// 计算和显示校正结果，这一部分包括了校正图像生成的映射if( !showRectified )// 如果不显示校正结果，则直接返回return;// 存储映射的变量Mat rmap[2][2];
// 如果选择了校正（使用BOUGUET'S METHOD）if( useCalibrated ){// 说明全部校正计算已完成}
// 如果未校正（使用HARTLEY'S METHOD）else// 使用每个相机的内参数，但直接从基础矩阵计算校正转换{// 创建存储所有图像点的向量vector<Point2f> allimgpt[2];// 拷贝所有图像点到向量中for( k = 0; k < 2; k++ ){for( i = 0; i < nimages; i++ )std::copy(imagePoints[k][i].begin(), imagePoints[k][i].end(), back_inserter(allimgpt[k]));}// 通过8点算法找到基础矩阵F = findFundamentalMat(Mat(allimgpt[0]), Mat(allimgpt[1]), FM_8POINT, 0, 0);// 定义和计算校正未校正的立体视图所需的单应性矩阵Mat H1, H2;stereoRectifyUncalibrated(Mat(allimgpt[0]), Mat(allimgpt[1]), F, imageSize, H1, H2, 3);// 根据单应性矩阵计算旋转矩阵和投影矩阵R1 = cameraMatrix[0].inv()*H1*cameraMatrix[0];R2 = cameraMatrix[1].inv()*H2*cameraMatrix[1];P1 = cameraMatrix[0];P2 = cameraMatrix[1];}// 预计算映射initUndistortRectifyMap(cameraMatrix[0], distCoeffs[0], R1, P1, imageSize, CV_16SC2, rmap[0][0], rmap[0][1]);initUndistortRectifyMap(cameraMatrix[1], distCoeffs[1], R2, P2, imageSize, CV_16SC2, rmap[1][0], rmap[1][1]);// 创建画布用于显示校正后的图像Mat canvas;// 缩放因子double sf;// 定义宽度和高度int w, h;// 根据摄像头布局配置画布if( !isVerticalStereo ){// 对于水平布局，设置宽度和高度sf = 600./MAX(imageSize.width, imageSize.height);w = cvRound(imageSize.width*sf);h = cvRound(imageSize.height*sf);// 创建画布，双倍宽度用于并排显示canvas.create(h, w*2, CV_8UC3);}else{// 对于垂直布局，设置宽度和高度sf = 300./MAX(imageSize.width, imageSize.height);w = cvRound(imageSize.width*sf);h = cvRound(imageSize.height*sf);// 创建画布，双倍高度用于上下显示canvas.create(h*2, w, CV_8UC3);}// 循环遍历所有校准的图像对for( i = 0; i < nimages; i++ ){// 对每一对图像进行处理for( k = 0; k < 2; k++ ){// 读取图像对中的一幅图像，并将它转换为灰度图Mat img = imread(goodImageList[i*2+k], IMREAD_GRAYSCALE), rimg, cimg;// 使用预先计算的地图来变换图像，消除畸变并校正remap(img, rimg, rmap[k][0], rmap[k][1], INTER_LINEAR);// 将校正后的单通道图像转换为三通道图像cvtColor(rimg, cimg, COLOR_GRAY2BGR);// 为校正后图像切割画布部分，垂直立体时使用不同布局Mat canvasPart = !isVerticalStereo ? canvas(Rect(w*k, 0, w, h)) : canvas(Rect(0, h*k, w, h));// 将校正后图像缩放到与画布部分匹配的大小resize(cimg, canvasPart, canvasPart.size(), 0, 0, INTER_AREA);// 如果使用校准的结果，绘制有效的ROI（感兴趣区域）if( useCalibrated ){// 计算并圆整ROI区域用于显示Rect vroi(cvRound(validRoi[k].x*sf), cvRound(validRoi[k].y*sf),cvRound(validRoi[k].width*sf), cvRound(validRoi[k].height*sf));// 绘制显示有效ROI区域的矩形框rectangle(canvasPart, vroi, Scalar(0,0,255), 3, 8);}}// 在画布上绘制用于辅助对齐的线条if( !isVerticalStereo )// 对于水平摄像机布局，在水平方向画线for( j = 0; j < canvas.rows; j += 16 )line(canvas, Point(0, j), Point(canvas.cols, j), Scalar(0, 255, 0), 1, 8);else// 对于垂直摄像机布局，在垂直方向画线for( j = 0; j < canvas.cols; j += 16 )line(canvas, Point(j, 0), Point(j, canvas.rows), Scalar(0, 255, 0), 1, 8);// 显示校正后的图像imshow("rectified", canvas);// 等待按键事件char c = (char)waitKey();// 如果按下ESC或'q'/'Q'键，退出循环if( c == 27 || c == 'q' || c == 'Q' )break;}// 函数结尾
}// 声明一个静态函数readStringList，用于从文件中读取字符串列表
static bool readStringList( const string& filename, vector<string>& l )
{// 初始化字符串列表大小为0l.resize(0);// 打开文件FileStorage fs(filename, FileStorage::READ);// 如果打开失败，返回falseif( !fs.isOpened() )return false;// 读取文件的第一个节点FileNode n = fs.getFirstTopLevelNode();// 如果节点类型不是序列，返回falseif( n.type() != FileNode::SEQ )return false;// 遍历节点，将每个元素添加到l列表中FileNodeIterator it = n.begin(), it_end = n.end();for( ; it != it_end; ++it )l.push_back((string)*it);return true;
}int main(int argc, char** argv)
{// 定义棋盘格子的尺寸和其他参数Size inputBoardSize;string imagelistfn;bool showRectified;// 使用命令行参数解析器解析输入参数cv::CommandLineParser parser(argc, argv, "{w|9|}{h|6|}{t|chessboard|}{s|1.0|}{ms|0.5|}{ad|DICT_4X4_50|}{adf|None|}{nr||}{help||}{@input|stereo_calib.xml|}");if (parser.has("help"))return print_help(argv); // 如果请求帮助，打印帮助信息showRectified = !parser.has("nr"); // 是否显示校正后图像，默认为显示imagelistfn = samples::findFile(parser.get<string>("@input")); // 解析并获得图像列表文件路径inputBoardSize.width = parser.get<int>("w"); // 解析棋盘宽度inputBoardSize.height = parser.get<int>("h"); // 解析棋盘高度string type = parser.get<string>("t"); // 解析棋盘类型float squareSize = parser.get<float>("s"); // 解析棋盘格大小float markerSize = parser.get<float>("ms"); // 解析标记大小string arucoDictName = parser.get<string>("ad"); // 解析aruco字典名string arucoDictFile = parser.get<string>("adf"); // 解析文件路径，没有默认值// 根据名字解析预定义的aruco字典类型cv::aruco::PredefinedDictionaryType arucoDict;// 具体的字典名与类型匹配的代码（以下为名字与类型之间的映射）if (arucoDictName == "DICT_4X4_50") { arucoDict = cv::aruco::DICT_4X4_50; }else if (arucoDictName == "DICT_4X4_100") { arucoDict = cv::aruco::DICT_4X4_100; }else if (arucoDictName == "DICT_4X4_250") { arucoDict = cv::aruco::DICT_4X4_250; }else if (arucoDictName == "DICT_4X4_1000") { arucoDict = cv::aruco::DICT_4X4_1000; }else if (arucoDictName == "DICT_5X5_50") { arucoDict = cv::aruco::DICT_5X5_50; }else if (arucoDictName == "DICT_5X5_100") { arucoDict = cv::aruco::DICT_5X5_100; }else if (arucoDictName == "DICT_5X5_250") { arucoDict = cv::aruco::DICT_5X5_250; }else if (arucoDictName == "DICT_5X5_1000") { arucoDict = cv::aruco::DICT_5X5_1000; }else if (arucoDictName == "DICT_6X6_50") { arucoDict = cv::aruco::DICT_6X6_50; }else if (arucoDictName == "DICT_6X6_100") { arucoDict = cv::aruco::DICT_6X6_100; }else if (arucoDictName == "DICT_6X6_250") { arucoDict = cv::aruco::DICT_6X6_250; }else if (arucoDictName == "DICT_6X6_1000") { arucoDict = cv::aruco::DICT_6X6_1000; }else if (arucoDictName == "DICT_7X7_50") { arucoDict = cv::aruco::DICT_7X7_50; }else if (arucoDictName == "DICT_7X7_100") { arucoDict = cv::aruco::DICT_7X7_100; }else if (arucoDictName == "DICT_7X7_250") { arucoDict = cv::aruco::DICT_7X7_250; }else if (arucoDictName == "DICT_7X7_1000") { arucoDict = cv::aruco::DICT_7X7_1000; }else if (arucoDictName == "DICT_ARUCO_ORIGINAL") { arucoDict = cv::aruco::DICT_ARUCO_ORIGINAL; }else if (arucoDictName == "DICT_APRILTAG_16h5") { arucoDict = cv::aruco::DICT_APRILTAG_16h5; }else if (arucoDictName == "DICT_APRILTAG_25h9") { arucoDict = cv::aruco::DICT_APRILTAG_25h9; }else if (arucoDictName == "DICT_APRILTAG_36h10") { arucoDict = cv::aruco::DICT_APRILTAG_36h10; }else if (arucoDictName == "DICT_APRILTAG_36h11") { arucoDict = cv::aruco::DICT_APRILTAG_36h11; }else {cout << "incorrect name of aruco dictionary \n";return 1;}// 检查命令行参数是否正确if (!parser.check()){parser.printErrors();return 1;}// 读取图像列表vector<string> imagelist;bool ok = readStringList(imagelistfn, imagelist);if(!ok || imagelist.empty()){// 如果无法打开图像列表文件或列表为空，则输出错误信息cout << "can not open " << imagelistfn << " or the string list is empty" << endl;return print_help(argv);}// 调用StereoCalib函数进行立体校准StereoCalib(imagelist, inputBoardSize, type, squareSize, markerSize, arucoDict, arucoDictFile, false, true, showRectified);return 0; // 主程序结束，返回0表示正常退出
}这段代码是一个用于执行立体视觉系统校准的应用程序的主函数main。它按以下步骤执行：
初始化用于指定棋盘尺寸、图像列表文件名、是否展示校正结果等参数的变量。
解析命令行输入的参数，其中包括棋盘的宽度、高度、类型、格子大小、Aruco标记大小、Aruco字典名称、额外的字典文件名等。
根据参数中指定的Aruco字典名称，设置相应的Aruco字典类型。如果参数中指定的Aruco字典名称不正确，则打印错误并退出程序。
检查提供的命令行参数是否存在错误，如果有，则打印出错信息并退出。
读取图像列表文件，这个文件包含了用于立体校准的一组图像路径。
使用读取的参数和图像列表调用StereoCalib函数来进行立体视觉系统的校准。
其中，StereoCalib函数需要执行的步骤包括图像的读取、提取特征点、立体校准和参数保存等。如果图像列表文件无法打开或为空，或者命令行参数有误，程序将打印帮助信息并退出。
cameraMatrix[0] = initCameraMatrix2D(objectPoints,imagePoints[0],imageSize,0);
double rms = stereoCalibrate(objectPoints, imagePoints[0], imagePoints[1],cameraMatrix[0], distCoeffs[0],cameraMatrix[1], distCoeffs[1],imageSize, R, T, E, F,CALIB_FIX_ASPECT_RATIO +CALIB_ZERO_TANGENT_DIST +CALIB_USE_INTRINSIC_GUESS +CALIB_SAME_FOCAL_LENGTH +CALIB_RATIONAL_MODEL +CALIB_FIX_K3 + CALIB_FIX_K4 + CALIB_FIX_K5,TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 100, 1e-5) );
undistortPoints(imgpt[k], imgpt[k], cameraMatrix[k], distCoeffs[k], Mat(), cameraMatrix[k]);
computeCorrespondEpilines(imgpt[k], k+1, F, lines[k]);
stereoRectify(cameraMatrix[0], distCoeffs[0],cameraMatrix[1], distCoeffs[1],imageSize, R, T, R1, R2, P1, P2, Q,CALIB_ZERO_DISPARITY, 1, imageSize, &validRoi[0], &validRoi[1]);
F = findFundamentalMat(Mat(allimgpt[0]), Mat(allimgpt[1]), FM_8POINT, 0, 0);
stereoRectifyUncalibrated(Mat(allimgpt[0]), Mat(allimgpt[1]), F, imageSize, H1, H2, 3);
initUndistortRectifyMap(cameraMatrix[0], distCoeffs[0], R1, P1, imageSize, CV_16SC2, rmap[0][0], rmap[0][1]);
remap(img, rimg, rmap[k][0], rmap[k][1], INTER_LINEAR);
Rect vroi(cvRound(validRoi[k].x*sf), cvRound(validRoi[k].y*sf),cvRound(validRoi[k].width*sf), cvRound(validRoi[k].height*sf));
