为了增强畸变校正方法的实时性和适用性,提出了一种基于卷积神经网络(CNN)的图像畸变校正方法。首先,使用具有自校准功能的运动结构重建真实相机拍摄的图像序列,以估计相机参数;然后,根据拟合出的第一、第二阶径向畸变参数之间的函数关系,生成常见径向畸变范围内的图像,解决带有第一、第二阶径向畸变注释的畸变图像较少的问题;最后,利用CNN强大的学习能力学习径向畸变的特征,以估计径向的变形情况,并将输入图像映射为畸变系数,实现图像的畸变校正。实验结果表明,相比传统相机标定法,本方法的校正误差约为1 pixel。

写了一些关于图像畸变校正的例子，有程序和说明，部分程序还有解释。

图像畸变校正技术 MATLAB实现

球面透视投影模型校正鱼眼图像畸变

图像畸变矫正Matlab实现，可以直接运行。有实验原图和效果图

使用opencv试下camera标定和畸变校正

图像标定及畸变矫正,标定相机参数及图像畸变矫正！

对摄像机参数标定是三维定位的关键。立体视觉系统是工业化生产的关键技术，为了准确定位，摄像机必须标定。标定的方法主要有线性标定与非线性标定。这里提出采用由粗到精，实现精确标定，补偿相机畸变。

Tsai提出的基于RAC约束(Radial Alignment Constraint)的两步法[2]先利用线性变换方法求解摄像机参数，再以求得的参数作为初始值，考虑畸变因素，利用非线性优化方法进一步提高标定精度。

基于OpenCV的广角镜头畸变校正及图像拼接算法研究 谢谢阅览！