在OpenCV中，可以使用calibrateCamera函数，通过多个视角的2D/3D对应，求解出该相机的内参数和每一个视角的外参数。
使用C++接口时的输入参数如下：
objectPoints - 每一个视角中，关键点的世界坐标系。可以使用vector < vector <Point3f> >类型，第一层vector表示每一个视角，第二层vector表示每一个点。
如果使用OpenCV自带的棋盘格，可以直接传入交叉点（不包括边角）的实际坐标，以物理世界尺度（例如毫米）为单位。
写坐标时，要保证z轴为0，按照先x变化，后y变化，从小到大的顺序来写。如果网格尺寸为5厘米，写作：(0,0,0),(5,0,0), (10,0,0)...(0,5,0), (5,5,0), (10,5,0),...
如下图例子，x方向是8个交叉点，y方向3个较差点。
imagePoints - 每一个视角中，关键点的图像坐标系。可以使用vector < vector <Point2f> >类型。
这个值可以通过findChessboardCorners函数从图像中获得。注意：传入findChessboardCorners函数的patternSize参数，要和objectPoints中的行列数统一。
imageSize - 图像尺寸。
flags - 参数。决定是否使用初始值，扭曲参数个数等。
输出参数如下：
cameraMatrix - 3*3的摄像机内矩阵。
distCoeffs - 4*1（具体尺寸取决于flags）。对图像坐标系进行进一步扭曲。
这两个参数是内参数，可以把摄像机坐标系转换成图像坐标系。
rvecs - 每一个视图的旋转向量。vector<Mat>类型，每个vec为3*1，可以用Rodrigues函数转换为3*3的旋转矩阵。
tvecs - 每一个视图的平移向量。vector<Mat>类型，每个vec为3*1。
这两个参数是外参数，每一个视图不同，可以把世界坐标系转换成摄像机坐标系。
* 在2.10文档中，写的是from the model coordinate space (in which object points are specificed) to the world coordinate space。提到model容易引起歧义。
看到这里，问题来了：这个世界坐标系是什么样的？
在objectPoints中，我们实际只设定了每个交叉点的间隔，具体xyz指向哪里却没有给出。
这时候，需要使用drawChessboardCorners函数，把检测到的2D点在原图上显示出来：
这个函数按照先变化x，而后变化y的方式依次画点。先画的行为红色，逐渐变为蓝色。
回顾我们写objectPoints时的方式，可以推断出世界坐标的方向：图中x轴正方向向左，y轴正方向远离镜头，根据右手螺旋，z轴正方向向下。
总结来说，calibrateCamera函数给出的世界坐标方向，是由obejctPoints的设定顺序，以及findChessboardCorners的检测顺序共同决定的。
但是，findChessboardCorners先检测那个角点并不确定。前例从右下角开始，以下就从左上角开始：
另一种常见用法是：先用calibrateCamera标定好摄像机内参，而后使用solvePnP函数只求解外参。solvePnP函数的参数意义和calibrateCamera类似。
https://blog.csdn.net/shenxiaolu1984/article/details/50165635