當我校準一臺立體相機時，如何評估校準過程的質量？ OpenCV使用重投影誤差來量化校準質量。立體聲校準是否有足夠的重複投影誤差？
許多原因，可能會導致錯誤，我學到通過谷歌搜索，所述可能的原因是，隨後
透鏡畸變/偏航誤差/傳感器傾斜/螺距誤差/滾動誤差/基線誤差/焦距誤差。
在立體相機制造過程中，執行校準。初始校準產生內在和外在攝像機參數，用於消除鏡頭失真並提供圖像糾正。立體聲校準是否有足夠的重複投影誤差？我的目標是計算深度圖。
RMS重投影錯誤是一個統計數字：一個總結錯誤的整個分佈的數字。它適用於所有常用的警告：適用於任何統計的常見警告：只要其適用的某些假設適用（例如，錯誤是對稱分佈的，分佈的尾部不是胖），關於其含義的直覺就是正確的。 。
一般來說，應該使用手頭任務規定的質量數據。如果您無法預先預測您的立體聲裝置將被用於重建的場景，那麼RMS，重投影誤差可能是您可以做的最好的。另一方面，如果您的應用程序是質量控制，並且您始終重建完全相同類型的對象（例如從傳送帶上脫落的機械部件），那麼表達您的精度會更有意義因爲在這種情況下，您希望出售「我的立體聲鑽機將關閉不到0.1毫米，概率高於99.9％」格式的擔保，例如。