cv::calibrateCamera の使い方【OpenCV/C++】〜カメラキャリブレーション完全解説〜

OpenCV for C++
📌 準備: OpenCV の環境構築がまだの方はこちら → C++ 環境構築ガイド / C#(OpenCvSharp)セットアップ

cv::calibrateCamera の使い方【OpenCV/C++】〜カメラキャリブレーション完全解説〜

カメラキャリブレーションとは、レンズの歪みやカメラの内部パラメータ(焦点距離・主点)を数学的に求めるプロセスです。cv::calibrateCamera は複数のチェッカーボード画像から、カメラ行列と歪み係数を一括して推定します。

最小限の呼び出しイメージ:

double rms = cv::calibrateCamera(
    objectPoints, imagePoints, imageSize,
    cameraMatrix, distCoeffs, rvecs, tvecs
);

動作環境

  • OpenCV 4.x(calib3d モジュール)
  • C++17
  • ビルド例: g++ -std=c++17 main.cpp $(pkg-config --cflags --libs opencv4)

環境構築がまだの方は環境構築ガイドを先にどうぞ。


基本の使い方

以下のサンプルは、カレントディレクトリにある calib_*.jpg(10枚以上推奨)を使ってキャリブレーションを行い、カメラ行列と歪み係数を calibration.yml へ保存します。

#include <opencv2/opencv.hpp>
#include <vector>
#include <string>
#include <glob.h>
#include <iostream>

int main() {
    // チェッカーボードの内側コーナー数(列数 x 行数)
    const cv::Size patternSize(9, 6);
    // 1マスの実寸(例: 25mm)
    const float squareSize = 25.0f;

    // 3D ワールド座標を生成(Z=0 の平面上に並べる)
    std::vector<cv::Point3f> objp;
    for (int r = 0; r < patternSize.height; ++r)
        for (int c = 0; c < patternSize.width; ++c)
            objp.emplace_back(c * squareSize, r * squareSize, 0.0f);

    std::vector<std::vector<cv::Point3f>> objectPoints;
    std::vector<std::vector<cv::Point2f>> imagePoints;
    cv::Size imageSize;

    // glob で画像ファイル一覧を取得
    glob_t globResult;
    glob("calib_*.jpg", GLOB_TILDE, nullptr, &globResult);

    for (size_t i = 0; i < globResult.gl_pathc; ++i) {
        cv::Mat gray;
        cv::Mat img = cv::imread(globResult.gl_pathv[i]);
        if (img.empty()) {
            std::cerr << "読み込み失敗: " << globResult.gl_pathv[i] << "\n";
            continue;
        }
        cv::cvtColor(img, gray, cv::COLOR_BGR2GRAY);
        imageSize = gray.size();

        // チェッカーボードのコーナーを検出
        std::vector<cv::Point2f> corners;
        bool found = cv::findChessboardCorners(
            gray, patternSize, corners,
            cv::CALIB_CB_ADAPTIVE_THRESH | cv::CALIB_CB_NORMALIZE_IMAGE
        );

        if (!found) {
            std::cerr << "コーナー未検出: " << globResult.gl_pathv[i] << "\n";
            continue;
        }

        // サブピクセル精度で精密化
        cv::cornerSubPix(
            gray, corners, cv::Size(11, 11), cv::Size(-1, -1),
            cv::TermCriteria(cv::TermCriteria::EPS | cv::TermCriteria::MAX_ITER, 30, 0.001)
        );

        objectPoints.push_back(objp);
        imagePoints.push_back(corners);
    }
    globfree(&globResult);

    if (objectPoints.size() < 3) {
        std::cerr << "有効な画像が不足しています(最低3枚必要)\n";
        return 1;
    }

    // カメラキャリブレーション実行
    cv::Mat cameraMatrix, distCoeffs;
    std::vector<cv::Mat> rvecs, tvecs;

    double rms = cv::calibrateCamera(
        objectPoints, imagePoints, imageSize,
        cameraMatrix, distCoeffs, rvecs, tvecs
    );

    std::cout << "RMS 再投影誤差: " << rms << " px\n";
    std::cout << "カメラ行列:\n" << cameraMatrix << "\n";
    std::cout << "歪み係数: " << distCoeffs << "\n";

    // 結果を YAML に保存
    cv::FileStorage fs("calibration.yml", cv::FileStorage::WRITE);
    fs << "camera_matrix" << cameraMatrix;
    fs << "dist_coeffs"   << distCoeffs;
    fs << "rms"           << rms;
    fs.release();

    std::cout << "calibration.yml に保存しました\n";
    return 0;
}

実行結果の例:

RMS 再投影誤差: 0.412 px
カメラ行列:
[1823.5, 0, 960.3;
 0, 1824.1, 540.7;
 0, 0, 1]
歪み係数: [-0.312, 0.108, 0.0001, -0.0003, -0.021]
calibration.yml に保存しました

RMS 再投影誤差が 1.0 px 以下であれば、概ね良好なキャリブレーション結果です。0.5 px 以下を目指すのが実務上の目安です。

主要な処理の流れ

ステップ 関数 説明
①コーナー検出 cv::findChessboardCorners チェッカーボードのグリッド交点を検出
②精密化 cv::cornerSubPix 検出座標をサブピクセル単位で補正
③キャリブレーション cv::calibrateCamera 内部パラメータ・歪み係数を推定
④歪み補正 cv::undistort 求めたパラメータで実画像を補正

引数と戻り値

double cv::calibrateCamera(
    InputArrayOfArrays  objectPoints,  // 3D 点群(画像枚数分)
    InputArrayOfArrays  imagePoints,   // 対応する 2D 点群(画像枚数分)
    Size                imageSize,     // 入力画像のサイズ
    InputOutputArray    cameraMatrix,  // カメラ行列(3x3)
    InputOutputArray    distCoeffs,    // 歪み係数(4/5/8/12/14 要素)
    OutputArrayOfArrays rvecs,         // 各画像の回転ベクトル
    OutputArrayOfArrays tvecs,         // 各画像の並進ベクトル
    int                 flags = 0,     // 推定フラグ
    TermCriteria        criteria = ... // 最適化の収束条件
);
引数 型 説明
objectPoints vector<vector<Point3f>> 画像ごとのチェッカーボード 3D 座標
imagePoints vector<vector<Point2f>> 画像ごとの検出コーナー 2D 座標
imageSize cv::Size 画像のピクセル解像度(主点の初期化に使用)
cameraMatrix cv::Mat 出力: 焦点距離(fx, fy)・主点(cx, cy)を含む 3×3 行列
distCoeffs cv::Mat 出力: 歪み係数(k1, k2, p1, p2, k3 ほか)
rvecs vector<cv::Mat> 出力: 各画像の回転ベクトル(Rodrigues形式)
tvecs vector<cv::Mat> 出力: 各画像の並進ベクトル
flags int 推定条件のフラグ(後述)
戻り値 double RMS 再投影誤差(ピクセル単位)

主な flags:

フラグ 説明
cv::CALIB_FIX_PRINCIPAL_POINT 主点を画像中心に固定
cv::CALIB_FIX_ASPECT_RATIO fx/fy の比を固定
cv::CALIB_ZERO_TANGENT_DIST 接線歪み(p1, p2)をゼロに固定
cv::CALIB_RATIONAL_MODEL k4〜k6 の有理多項式モデルを使用
cv::CALIB_FIX_K3 k3 をゼロに固定(過学習抑制に有効)

実践例

歪み補正を実際の画像に適用する

キャリブレーション結果を calibration.yml から読み込み、cv::undistort で歪みを除去します。

#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    // キャリブレーション結果の読み込み
    cv::Mat cameraMatrix, distCoeffs;
    cv::FileStorage fs("calibration.yml", cv::FileStorage::READ);
    if (!fs.isOpened()) {
        std::cerr << "calibration.yml を開けません\n";
        return 1;
    }
    fs["camera_matrix"] >> cameraMatrix;
    fs["dist_coeffs"]   >> distCoeffs;
    fs.release();

    // 補正したい画像を読み込む
    cv::Mat src = cv::imread("distorted.jpg");
    if (src.empty()) {
        std::cerr << "画像の読み込みに失敗しました\n";
        return 1;
    }

    // 歪み補正(シンプル版)
    cv::Mat dst;
    cv::undistort(src, dst, cameraMatrix, distCoeffs);

    cv::imwrite("undistorted.jpg", dst);
    std::cout << "歪み補正済み画像を undistorted.jpg に保存しました\n";
    return 0;
}

⚠️ 本番用途では cv::initUndistortRectifyMap + cv::remap の組み合わせを推奨します。undistort は毎フレーム変換マップを再計算するため、動画処理では速度面で不利です。

高精度キャリブレーションのための flags 設定例

歪み係数を k1・k2 の 2 つに絞る(k3 と接線歪み p1・p2 を 0 に固定する)場合:

int flags = cv::CALIB_FIX_K3 | cv::CALIB_ZERO_TANGENT_DIST;
double rms = cv::calibrateCamera(
    objectPoints, imagePoints, imageSize,
    cameraMatrix, distCoeffs, rvecs, tvecs, flags
);

レンズ歪みが大きい広角カメラでは cv::CALIB_RATIONAL_MODEL を追加すると精度が上がる場合があります。


つまずきポイント

✅ patternSize の指定は「内側コーナー数」

cv::findChessboardCorners の patternSize に渡すのはチェッカーボードのマス目数ではなく内側コーナー数です。たとえば 10×7 マスのボードなら cv::Size(9, 6) を渡します。ここを間違えるとコーナーが検出されず、found == false になります。

⚠️ objectPoints の単位はキャリブレーション結果の単位と一致する

objp に設定する座標の単位(mm・cm・m のどれか)が、そのまま tvecs(並進ベクトル)の単位になります。距離推定まで行う場合は実寸(例: mm)で統一してください。単位が混在すると後段の距離計算が破綻します。

⚠️ 画像枚数が少なすぎる・多様性が不足する

画像枚数の目安は 15〜25 枚です。ただし、すべて同じ角度・位置から撮影した画像では精度が出ません。チェッカーボードをさまざまな傾き・距離・画面上の位置に置いた画像を収集してください。RMS が 1 px を超える場合は、撮影セットを見直すのが先決です。


関連する関数

  • cv::findChessboardCorners / cv::cornerSubPix — キャリブレーションの前段処理として必ずセットで使用
  • cv::undistort — キャリブレーション結果を使った歪み補正(簡易版)
  • cv::initUndistortRectifyMap + cv::remap — 動画・リアルタイム処理向けの高速歪み補正
  • cv::projectPoints — 3D 点を 2D に再投影。再投影誤差の確認や姿勢推定後の可視化に使用
  • cv::solvePnP — キャリブレーション済みカメラでの姿勢推定

まとめ

cv::calibrateCamera はチェッカーボード画像から焦点距離・主点・歪み係数を推定する、3D 計測・AR の基盤となる関数です。RMS 再投影誤差を 1.0 px 以下(理想は 0.5 px 以下)に抑えるには、撮影画像の多様性確保と cornerSubPix による精密化が鍵になります。結果は cv::FileStorage で保存し、cv::undistort または cv::remap と組み合わせて活用してください。

🛠 画像処理のプロが開発するSDK/API

本ブログを運営するスワローインキュベートは、OpenCV ベースのなりすまし判定SDK/API(C++製・OpenCV 4.10)を開発しています。顔認証システムへの組み込み実績多数。

→ 顔認証のなりすまし対策 設計チェックリスト(当ブログ)
→ なりすまし判定SDK/APIの詳細を見る
→ API仕様書・サンプルコード

タイトルとURLをコピーしました