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

