相機的相關畸變參數，可以參考Camera Calibration and 3D Reconstruction

而校正不外乎有一個校正物，透過相機拍攝這個校正物，觀察其成像的變形，藉此求得畸變參數。
而最入門的不外乎棋盤格校正，當然還有其他特殊的校正物，如圓點、ArUco標記，
這些校正物都有幾個共同點，特徵明顯，其結構有規律，
我可以很容易地建立其虛擬的3D數據模型，並從影像中觀察到其特徵點的影像座標。

而透過設定in_VID.xml設定檔裡面的
<BoardSize_Width><BoardSize_Height> <Square_Size>
三個設定值會影響calibrateCamera的objectPoints的校正物的3D座標，
你可以觀察calcBoardCornerPositions這個涵式裡面在做的事情，
就好比建立了一個校正物的3D虛擬模型，而在棋盤格的例子中理想的角點的Z座標都是0，
而校正的目標就是要讓影像中抓取到的特徵角點，
再投影到這個理想3D虛擬模型上的誤差最小。
而Square_Size將會是像素單位與現實物理單位的比例關係。

<Calibrate_UseFisheyeModel>
這個因為鏡頭是不是魚眼的關係，改變畸變的描述方式，其校正的優化涵式與畸變參數也跟一般的不一樣。

而在讀入校正影像的時候，findChessboardCorners會先找棋盤格的角落，如果有找到會在近一步使用cornerSubPix找到角點的亞像素等級的影像座標，用以產生更好的校正結果。

而透過校正後的結果我們可以透過調用
initUndistortRectifyMap()配合remap()來將 失真有畸變的影像，校正為較為真實的影像。

而如果你在複製程式碼的時候，如果是從最新的github上找的camera_calibration，
你也許會在編譯的時候發現，你的涵式庫沒有這個方法calibrateCameraRO。
這個方法看起來像是openCV4所新增的校正方法，
也許4.1.1版本的校正又會更精準或是執行效率更好了，有興趣的朋友可以試試。