相机标定原理

文章目录

相机标定原理
前言
一、采集图像
二、基于Matlab单双目标定流程
- 采集棋盘图
三、基于OpenCV-Python双目标定流程
- 检测棋盘格角点
- 对角点进行亚像素精细化
- 单目标定
- 双目标定
- 双目校正
- 保存标定参数
- 读取标定参数
- 代码示例
参考

前言

相机标定可以说是计算机视觉/机器视觉的基础，也是面试过程中经常出现的问题。相机标定涉及的知识面很广，成像几何、镜头畸变、单应矩阵、非线性优化等。在双目测距系统中，相机标定能消除畸变，进行立体校正，从而提高视差计算的准确性，这样才能得到精确的深度图。

首先需要准备一张棋盘，如下图所示。对于标定不同测距范围相机所用的棋盘方格宽度会有所不同。对于短焦双目相机（测距范围在20m以内），棋盘中方格的宽度达到20mm即可；对于长焦双目相机（测距范围在40m左右），棋盘中方格的宽度需要尽量大，否则会影响标定的精度，一般至少达到60mm。
在这里插入图片描述

尽量拍摄多组照片，这样可以提高标定效果，标定效果的好坏直接影响到测距的精度。对于短焦相机通常拍摄40组照片即可；长焦相机通常会需要更多组照片，标定长焦相机时拍摄了60组。

一、采集图像

如果使用的是左右图像拼接1个USB接口输出的双目摄像头，在采集图像时需要注意其图像拼接的顺序，例如我使用的双目摄像头拼接顺序从左至右为右目——左目(不知道是不是都是这么拼接的，还是厂家搞错了），这个问题处理不好可能会导致后面的处理结果都不对，所以这里特别说明一下。
在这里插入图片描述

import os
import argparse
import cv2class StereoCamera(object):"""采集双目标定图片，按键盘【c】或【s】保存图片"""def __init__(self, chess_width, chess_height, detect=False):""":param chess_width: chessboard width size，即棋盘格宽方向黑白格子相交点个数，:param chess_height: chessboard height size，即棋盘格长方向黑白格子相交点个数:param detect: 是否实时检测棋盘格，方便采集数据"""self.chess_width = chess_widthself.chess_height = chess_heightself.detect = detectself.criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)def detect_chessboard(self, image):"""检测棋盘格并显示"""gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)ret, corners = cv2.findChessboardCorners(gray, (self.chess_width, self.chess_height), None)if ret:# 角点精检测corners2 = cv2.cornerSubPix(gray, corners, (11, 11), (-1, -1), self.criteria)# Draw and display the cornersimage = cv2.drawChessboardCorners(image, (self.chess_width, self.chess_height), corners2, ret)return imagedef capture2(self, left_video, right_video, save_dir):"""用于采集双USB连接线的双目摄像头:param left_video:int or str,左路视频路径或者摄像头ID:param right_video:int or str,右视频路径或者摄像头ID:param save_dir: str,保存左右图片的路径:return:"""self.create_file(save_dir)capL = cv2.VideoCapture(left_video)capR = cv2.VideoCapture(right_video)widthL, heightL, numFramesL, fpsL = self.get_video_info(capL)widthR, heightR, numFramesR, fpsR = self.get_video_info(capR)print("capL:\n", widthL, heightL, numFramesL, fpsL)print("capR:\n", widthR, heightR, numFramesR, fpsR)save_videoL = self.create_file(save_dir, "video", "left_video.avi")save_videoR = self.create_file(save_dir, "video", "right_video.avi")writerL = self.get_video_writer(save_videoL, widthL, heightL, fpsL)writerR = self.get_video_writer(save_videoR, widthR, heightR, fpsR)i = 0while True:isuccessL, frameL = capL.read()isuccessR, frameR = capR.read()if not (isuccessL and isuccessR):print("No more frames")breakif self.detect:l = self.detect_chessboard(frameL.copy())r = self.detect_chessboard(frameR.copy())else:l = frameL.copy()r = frameR.copy()cv2.imshow('left', l)cv2.imshow('right', r)key = cv2.waitKey(10)if key == ord('q'):breakelif key == ord('c') or key == ord('s'):print("save image:{:0=3d}".format(i))cv2.imwrite(os.path.join(save_dir+"/left", "left_{:0=3d}.png".format(i)), frameL)cv2.imwrite(os.path.join(save_dir+"/right", "right_{:0=3d}.png".format(i)), frameR)i += 1writerL.write(frameL)writerR.write(frameR)capL.release()capR.release()cv2.destroyAllWindows()def capture1(self, video, save_dir):"""用于采集单USB连接线的双目摄像头(左右摄像头被拼接在同一个视频中显示):param video:int or str,视频路径或者摄像头ID:param save_dir: str,保存左右图片的路径"""self.create_file(save_dir)cap = cv2.VideoCapture(video)width, height, numFrames, fps = self.get_video_info(cap)print("capL:\n", width, height, numFrames, fps)save_videoL = self.create_file(save_dir, "video", "left_video.avi")save_videoR = self.create_file(save_dir, "video", "right_video.avi")writerL = self.get_video_writer(save_videoL, int(width / 2), height, fps)writerR = self.get_video_writer(save_videoR, int(width / 2), height, fps)i = 0while True:isuccess, frame = cap.read()if not isuccess:print("No more frames")break# 分离左右摄像头# 注意：需要根据摄像头画面分割左右图像frameL = frame[:, int(width / 2):, :]frameR = frame[:, :int(width / 2), :]if self.detect:l = self.detect_chessboard(frameL.copy())r = self.detect_chessboard(frameR.copy())else:l = frameL.copy()r = frameR.copy()cv2.imshow('left', l)cv2.imshow('right', r)key = cv2.waitKey(10)if key == ord('q'):breakelif key == ord('c') or key == ord('s'):print("save image:{:0=3d}".format(i))cv2.imwrite(os.path.join(save_dir+"/left", "left_{:0=3d}.png".format(i)), frameL)cv2.imwrite(os.path.join(save_dir+"/right", "right_{:0=3d}.png".format(i)), frameR)i += 1writerL.write(frameL)writerR.write(frameR)cap.release()cv2.destroyAllWindows()@staticmethoddef get_video_info(video_cap):width = int(video_cap.get(cv2.CAP_PROP_FRAME_WIDTH))height = int(video_cap.get(cv2.CAP_PROP_FRAME_HEIGHT))numFrames = int(video_cap.get(cv2.CAP_PROP_FRAME_COUNT))fps = int(video_cap.get(cv2.CAP_PROP_FPS))return width, height, numFrames, fps@staticmethoddef get_video_writer(save_path, width, height, fps):if not os.path.exists(os.path.dirname(save_path)):os.makedirs(os.path.dirname(save_path))fourcc = cv2.VideoWriter_fourcc(*'XVID')frameSize = (int(width), int(height))video_writer = cv2.VideoWriter(save_path, fourcc, fps, frameSize)print("video:width:{},height:{},fps:{}".format(width, height, fps))return video_writer@staticmethoddef create_file(parent_dir, dir1=None, filename=None):out_path = parent_dirif dir1:out_path = os.path.join(parent_dir, dir1)if not os.path.exists(out_path):os.makedirs(out_path)if filename:out_path = os.path.join(out_path, filename)return out_pathdef get_parser():width = 12height = 8left_video = 0right_video = -1save_dir = "data/"parser = argparse.ArgumentParser(description='Camera calibration')parser.add_argument('--detect', type=bool, default=True, help='detect corner')parser.add_argument('--width', type=int, default=width, help='chessboard width size')parser.add_argument('--height', type=int, default=height, help='chessboard height size')parser.add_argument('--left_video', type=int, default=left_video, help='left video file or camera ID')parser.add_argument('--right_video', type=int, default=right_video, help='right video file or camera ID')parser.add_argument('--save_dir', type=str, default=save_dir, help='YML file to save calibrate matrices')return parserif __name__ == '__main__':args = get_parser().parse_args()stereo = StereoCamera(args.width, args.height, detect=args.detect)if args.left_video > -1 and args.right_video > -1:# 双USB连接线的双目摄像头stereo.capture2(left_video=args.left_video, right_video=args.right_video, save_dir=args.save_dir)elif args.left_video > -1:# 单USB连接线的双目摄像头(左右摄像头被拼接在同一个视频中显示)stereo.capture1(video=args.left_video, save_dir=args.save_dir)else:raise Exception("Error: Check your camera{}".format(args.left_video, args.right_video))

二、基于Matlab单双目标定流程

采集棋盘图

尽量让棋盘占据照片中最多的画面（不小于1\3）
尽量让棋盘格出现在图像中的各个位置（尤其图像的四个角）
拍摄的棋盘图是具有多个角度的（前倾，后倾，左倾，右倾，斜倾等）
拍摄的棋盘图要清晰可辩，最好是在最清晰的范围内拍摄
拍摄照片数量要多一点，推荐20张以上

https://blog.csdn.net/leonardohaig/article/details/81254179

三、基于OpenCV-Python双目标定流程

双目标定的目的是获取左右目相机的内参矩阵、畸变向量、旋转矩阵和平移矩阵。除了Matlab的标定工具箱之外，OpenCV同样也实现了张友正标定法，而我们只需要调用相关的函数即可对相机进行标定。
双目相机标定步骤：

检测棋盘格角点

retL, cornersL = cv2.findChessboardCorners(ChessImaL,(self.width, self.height), cv2.CALIB_CB_ADAPTIVE_THRESH | cv2.CALIB_CB_FILTER_QUADS)  # 提取左图每一张图片的角点
retR, cornersR = cv2.findChessboardCorners(ChessImaR,(self.width, self.height), cv2.CALIB_CB_ADAPTIVE_THRESH | cv2.CALIB_CB_FILTER_QUADS)  # 提取右图每一张图片的角点

对角点进行亚像素精细化

criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)
cv2.cornerSubPix(ChessImaL, cornersL, (11, 11), (-1, -1), criteria)  # 亚像素精确化，对粗提取的角点进行精确化
cv2.cornerSubPix(ChessImaR, cornersR, (11, 11), (-1, -1), criteria)  # 亚像素精确化，对粗提取的角点进行精确化

单目标定

#   左侧相机单独标定
retL, K1, D1, rvecsL, tvecsL = cv2.calibrateCamera(objpoints,imgpointsL,ChessImaL.shape[::-1], None, None)
#   右侧相机单独标定
retR, K2, D2, rvecsR, tvecsR = cv2.calibrateCamera(objpoints,imgpointsR,ChessImaR.shape[::-1], None, None)

双目标定

criteria_stereo = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 100, 1e-5)flags = 0
flags |= cv2.CALIB_FIX_INTRINSIC# 内参、畸变系数、平移向量、旋转矩阵
retS, K1, D1, K2, D2,  R, T, E, F = cv2.stereoCalibrate(objpoints,imgpointsL,imgpointsR,K1,D1,K2,D2,ChessImaR.shape[::-1], criteria_stereo,flags)

我们要注意函数中的flags

CV_CALIB_FIX_INTRINSIC:固定K和D矩阵。这是默认标志。如果你校准好你的相机，那就只求解𝑅,𝑇,𝐸,𝐹。
CV_CALIB_USE_INTRINSIC_GUESS: K和D个矩阵将被优化。对于这个计算，你应该给出经过良好校准的矩阵，以便(可能)得到更好的结果。
CV_CALIB_FIX_PRINCIPAL_POINT: 修复K矩阵中的参考点。
CV_CALIB_FIX_FOCAL_LENGTH: 在K矩阵中固定焦距。
CV_CALIB_FIX_ASPECT_RATIO: 固定长宽比。
CV_CALIB_SAME_FOCAL_LENGTH: 校准焦距，并设置Fx和Fy相同的校准结果。
CV_CALIB_ZERO_TANGENT_DIST: 去掉畸变。
CV_CALIB_FIX_K1, …, CV_CALIB_FIX_K6: 移除K1到K6的畸变。

双目校正

双目校正的目的是得到立体校正所需的映射矩阵，然后对图像进行畸变校正和立体校正（极线校正）。立体校正最常见的校正方法就是Bouguet极线校正方法。
Bouguet极线校正方法：左右相机成像平面各旋转一半，使得左右图像重投影造成的误差最小，左右视图的共同面积最大。

# 左校正变换矩阵、右校正变换矩阵、左投影矩阵、右投影矩阵、深度差异映射矩阵
R_l,R_r,P_l,P_r,Q, roi_left, roi_right = cv2.stereoRectify(K1, D1, K2, D2,(width, height),R, T,flags=cv2.CALIB_ZERO_DISPARITY, alpha=0.9)

在这个函数中，只有一个标志CALIB_ZERO_DISPARITY，它用于匹配图像之间的y轴。alpha值用于转换后的黑色部分，因为图像会旋转，而显示的图像大小不会改变，所以一些图像边缘部分会是黑色的，而原始图像会小得多：

alpha= -1： 让 OpenCV 优化黑色部分。
alpha= 0 ： 旋转和裁切图像，使没有黑色的部分。这个选项在大多数情况下会严重削减图像，你不会得到一个像样的高质量的图像，但可以一试。
alpha= 1 ： 进行变换，但不要裁切任何部分。
alpha= experimental： 尝试设置不同的值，在某个特定的alpha值，可能有一些黑色的区域，但图像质量整体高。

# 计算畸变矫正和立体校正的映射变换。
map_lx, map_ly = cv2.initUndistortRectifyMap(K1, D1, R_l, P_l,(width,height),cv2.CV_32FC1)
map_rx, map_ry = cv2.initUndistortRectifyMap(K2, D2, R_r, P_r, (width,height),cv2.CV_32FC1)# 得到畸变校正和立体校正后的图像
rec_img_L = cv2.remap(imgL,map_lx, map_ly,  cv2.INTER_LINEAR, cv2.BORDER_CONSTANT)  # 使用remap函数完成映射
rec_img_R = cv2.remap(imgR,map_rx, map_ry,  cv2.INTER_LINEAR, cv2.BORDER_CONSTANT)

initUndistortRectifyMap函数可以同时实现图像的畸变校正和校准。对于左相机，我们使用K1(相机矩阵)和D1(失真矩阵)进行畸变校正，使用R1(从左到右旋转)和P1(从左到右投影矩阵)进行校正。在对remap进行变换后，我们将得到修正后的图像。对于右相机，我们会用相同的步骤做一遍。至此双目校正部分就完成了。
标定效果如下所示。可以看到原图中左右图像存在畸变，并且棋盘格位置明显未对齐；校正后左右图像畸变被消除，且极线对齐效果明显。
在这里插入图片描述

保存标定参数

为方便查看和读取，首先将需要保存的参数放到一个空字典中，然后保存为json文件。如下所示：

params_dict = {}
params_dict['size']        = [width, height]
params_dict['K1']          = left_K.tolist()
params_dict['D1']          = left_D.tolist()
params_dict['K2']          = right_K.tolist()
params_dict['D2']          = right_D.tolist()
params_dict['left_map_x']  = map_lx.tolist()
params_dict['left_map_y']  = map_ly.tolist()
params_dict['right_map_x'] = map_rx.tolist()
params_dict['right_map_y'] = map_ry.tolist()
params_dict['R']           = R.tolist()
params_dict['T']           = T.tolist()
params_dict['Q']           = Q.tolist()# 保存为.json文件
file_path = args.save_dir + args.file_name + ".json"with open(file_path,"w") as f:json.dump(params_dict, f, indent=1)

读取标定参数

# 读取.json文件
with open(params_file, "r") as f:dict = json.load(f)for d in dict:dict[d] = np.asarray(dict[d], "f")

代码示例

#-*- coding:utf-8 -*-
import os
import numpy as np
import cv2
import glob
import argparseimport json
import pickleclass Stereo_Camera_Calibration(object):def __init__(self, width, height, lattice):self.width       = width         # 棋盘格宽方向黑白格子相交点个数self.height      = height       # 棋盘格长方向黑白格子相交点个数self.lattice     = lattice# 设置迭代终止条件self.criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)self.criteria_stereo = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 100, 1e-5)# =========================== 双目标定 =============================== #def stereo_calibration(self, file_L, file_R):# 设置 object points, 形式为 (0,0,0), (1,0,0), (2,0,0) ....,(6,5,0)objp = np.zeros((self.width * self.height, 3), np.float32)  #我用的是6×7的棋盘格，可根据自己棋盘格自行修改相关参数objp[:, :2] = np.mgrid[0:self.width, 0:self.height].T.reshape(-1, 2)objp       *= self.lattice # 用arrays存储所有图片的object points 和 image pointsobjpoints = []  # 3d points in real world spaceimgpointsR = []  # 2d points in image planeimgpointsL = []for i in range(len(file_L)):  ChessImaL = cv2.imread(file_L[i],0)  # 左视图ChessImaR = cv2.imread(file_R[i],0)  # 右视图retL, cornersL = cv2.findChessboardCorners(ChessImaL,(self.width, self.height), cv2.CALIB_CB_ADAPTIVE_THRESH | cv2.CALIB_CB_FILTER_QUADS)  # 提取左图每一张图片的角点retR, cornersR = cv2.findChessboardCorners(ChessImaR,(self.width, self.height), cv2.CALIB_CB_ADAPTIVE_THRESH | cv2.CALIB_CB_FILTER_QUADS)  # 提取右图每一张图片的角点if (True == retR) & (True == retL):objpoints.append(objp)cv2.cornerSubPix(ChessImaL, cornersL, (11, 11), (-1, -1), self.criteria)  # 亚像素精确化，对粗提取的角点进行精确化cv2.cornerSubPix(ChessImaR, cornersR, (11, 11), (-1, -1), self.criteria)  # 亚像素精确化，对粗提取的角点进行精确化imgpointsL.append(cornersL)imgpointsR.append(cornersR)# ret_l = cv2.drawChessboardCorners(ChessImaL, (self.width, self.height), cornersL, retL)# cv2.imshow(file_L[i], ChessImaL)# cv2.waitKey()# ret_r = cv2.drawChessboardCorners(ChessImaR, (self.width, self.height), cornersR, retR)# cv2.imshow(file_R[i], ChessImaR)# cv2.waitKey(500)# 相机的单双目标定、及校正#   左侧相机单独标定retL, K1, D1, rvecsL, tvecsL = cv2.calibrateCamera(objpoints,imgpointsL,ChessImaL.shape[::-1], None, None)#   右侧相机单独标定retR, K2, D2, rvecsR, tvecsR = cv2.calibrateCamera(objpoints,imgpointsR,ChessImaR.shape[::-1], None, None)# --------- 双目相机的标定 ----------#flags = 0flags |= cv2.CALIB_FIX_INTRINSIC         # K和D个矩阵是固定的。这是默认标志。如果你校准好你的相机，只求解𝑅,𝑇,𝐸,𝐹。#flags |= cv2.CALIB_FIX_PRINCIPAL_POINT  # 修复K矩阵中的参考点。# flags |= cv2.CALIB_USE_INTRINSIC_GUESS    # K和D个矩阵将被优化。对于这个计算，你应该给出经过良好校准的矩阵，以便(可能)得到更好的结果。#flags |= cv2.CALIB_FIX_FOCAL_LENGTH      # 在K矩阵中固定焦距。# flags |= cv2.CALIB_FIX_ASPECT_RATIO     # 固定长宽比。#flags |= cv2.CALIB_ZERO_TANGENT_DIST     # 去掉畸变。# 内参、畸变系数、平移向量、旋转矩阵retS, K1, D1, K2, D2,  R, T, E, F = cv2.stereoCalibrate(objpoints,imgpointsL,imgpointsR,K1,D1,K2,D2,ChessImaR.shape[::-1], self.criteria_stereo,flags)# 左内参矩阵、左畸变向量、右内参矩阵、右畸变向量、旋转矩阵、平移矩阵return K1, D1, K2, D2, R, T# ==================================================================== ## =========================== 双目校正 =============================== ## 获取畸变校正、立体校正、重投影矩阵def getRectifyTransform(self, width,height,K1 ,D1 ,K2 ,D2 , R, T):#得出进行立体矫正所需要的映射矩阵 # 左校正变换矩阵、右校正变换矩阵、左投影矩阵、右投影矩阵、深度差异映射矩阵R_l,R_r,P_l,P_r,Q, roi_left, roi_right = cv2.stereoRectify(K1, D1, K2, D2,(width, height),R, T,flags=cv2.CALIB_ZERO_DISPARITY, alpha=0)# # 标志CALIB_ZERO_DISPARITY，它用于匹配图像之间的y轴# 计算畸变矫正和立体校正的映射变换。map_lx, map_ly = cv2.initUndistortRectifyMap(K1, D1, R_l, P_l, (width,height),cv2.CV_32FC1)map_rx, map_ry = cv2.initUndistortRectifyMap(K2, D2, R_r, P_r, (width,height),cv2.CV_32FC1)return map_lx, map_ly,map_rx, map_ry, Q# 得到畸变校正和立体校正后的图像def get_rectify_img(self, imgL, imgR,map_lx, map_ly,map_rx, map_ry):rec_img_L = cv2.remap(imgL,map_lx, map_ly,  cv2.INTER_LINEAR, cv2.BORDER_CONSTANT)  # 使用remap函数完成映射rec_img_R = cv2.remap(imgR,map_rx, map_ry,  cv2.INTER_LINEAR, cv2.BORDER_CONSTANT)return rec_img_L, rec_img_R# 立体校正检验——极线对齐def draw_line(self, rec_img_L,rec_img_R):#建立输出图像width  = max(rec_img_L.shape[1],rec_img_R.shape[1])height = max(rec_img_L.shape[0],rec_img_R.shape[0])output = np.zeros((height,width*2,3),dtype=np.uint8)output[0:rec_img_L.shape[0],0:rec_img_L.shape[1]] = rec_img_Loutput[0:rec_img_R.shape[0],rec_img_L.shape[1]:]  = rec_img_R# 绘制等间距平行线line_interval = 50  # 直线间隔：50for k in range(height // line_interval):cv2.line(output, (0, line_interval * (k + 1)), (2 * width, line_interval * (k + 1)), (0, 255, 0), thickness=2, lineType=cv2.LINE_AA)return output # 可显示的图像 # ===================================================================== #def get_parser():parser = argparse.ArgumentParser(description='Camera calibration')parser.add_argument('--width', type=int, default=12, help='chessboard width size')parser.add_argument('--height', type=int, default=8, help='chessboard height size')parser.add_argument('--lattice', type=float, default=12.5, help='lattice length')parser.add_argument('--image_dir', type=str, default="data/", help='images path')parser.add_argument('--save_dir', type=str, default="config/", help='path to save file')parser.add_argument('--file_name', type=str, default="camera_params", help='camera params save file')return parserdef get_file(path):          #获取文件路径img_path = []for root, dirs, files in os.walk(path):for file in files:img_path.append(os.path.join(root,file))return img_pathif __name__ == "__main__":args = get_parser().parse_args()params_dict = {}file_L = get_file(args.image_dir + 'left')file_R = get_file(args.image_dir + 'right')imgL = cv2.imread(file_L[2])imgR = cv2.imread(file_R[2])height, width = imgL.shape[0:2]calibration = Stereo_Camera_Calibration(args.width, args.height, args.lattice)left_K,left_D, right_K, right_D, R, T = calibration.stereo_calibration(file_L, file_R)map_lx, map_ly,map_rx, map_ry, Q = calibration.getRectifyTransform(width,height,left_K,left_D,right_K, right_D, R, T)# 查看校正效果img_ = calibration.draw_line(imgL,imgR)cv2.imshow("img",img_)rec_img_L, rec_img_R = calibration.get_rectify_img(imgL,imgR,map_lx, map_ly,map_rx, map_ry)img_show = calibration.draw_line(rec_img_L,rec_img_R)cv2.imshow("output",img_show)cv2.waitKey(0)params_dict['size']        = [width, height]params_dict['K1']          = left_K.tolist()params_dict['D1']          = left_D.tolist()params_dict['K2']          = right_K.tolist()params_dict['D2']          = right_D.tolist()params_dict['map_lx']      = map_lx.tolist()params_dict['map_ly']      = map_ly.tolist()params_dict['map_rx']      = map_rx.tolist()params_dict['map_ry']      = map_ry.tolist()params_dict['R']           = R.tolist()params_dict['T']           = T.tolist()params_dict['Q']           = Q.tolist()# =========== 保存相机参数 =========== # # 保存为.json文件file_path = args.save_dir + args.file_name + ".json"with open(file_path,"w") as f:json.dump(params_dict, f, indent=1)print("ALL Make Done!")