校准质量是通过重投影误差来测量的（有其他选择吗？），这需要一些三维点的知识世界坐标。
有没有一种简单的方法来产生这样的已知点？是否有其他方法来验证校准（例如，张的校准方法只要求校准对象是平面的，系统的几何形状不需要已知）
生成内部校准时使用的图像也可以用于验证。移动机器人编程工具包（MRPT）中的相机校准工具就是一个很好的例子。
根据张的方法，MRPT校准过程如下：
-
处理输入图像：
- 1a。定位校准目标（提取棋盘角）
- 1b。假设目标是一个具有已知交叉点数量的平面棋盘，估计相机相对于目标的姿势
- 1c。在相对三维坐标中将图像上的点指定给校准目标的模型
-
找到一个最能解释1b/c中生成的所有模型的内在校准。
一旦生成了固有校准，我们就可以返回到源图像。
对于每个图像，将估计的相机姿态与固有校准相乘，然后将其应用于1c中导出的每个点。
这将把目标模型的相对3D点映射回2D校准源图像。原始图像特征（棋盘角）和重新投影点之间的差异是校准误差。
MRPT对所有输入图像执行此测试，并将给您一个聚合重投影错误。
如果你想验证一个完整的系统，包括相机内部和相机到世界的转换，你可能需要构建一个夹具，将相机和目标放置在已知的配置中，然后根据真实世界的测量结果测试计算的3D点。
您可以独立于姿势来验证估计的非线性透镜失真参数的准确性。拍摄跨越视场的直边图像（例如铅垂线或平面上的激光条纹）（跨越视场的一种简单方法是旋转相机，保持铅垂线固定，然后添加所有图像）。在所述直线图像上拾取点，不偏移它们的坐标，拟合数学直线，计算误差。
对于线性零件，您还可以以已知的相对姿态捕捉多个平面钻机的图像，可以使用可重复/精确的钻机（例如转台）移动一个平面目标，也可以以已知角度安装多个平面目标（例如三个平面彼此成90度）。
和往常一样，在精度要求和预算之间需要做出妥协。有了足够的钱和附近一家友好的机器商店，你可以用钻机几何体让你的幻想尽情驰骋。我曾经有一个葡萄柚大小的十二面体，由白色塑料加工而成，规格为1/20毫米。用它来校准机器人手臂末端执行器上的相机的姿势，在球体上围绕固定点移动。十二面体在遮挡角方面有非常好的特性。不用说，这都是专利。
关于Engine的问题：姿态矩阵是[R|t]矩阵，其中R是纯3D旋转，t是平移向量。如果你已经从图像中计算出单应性，请参阅张的微软技术报告第3.1节(http://research.microsoft.com/en-us/um/people/zhang/Papers/TR98-71.pdf)给出了一种闭合形式的方法，使用已知的单应性和固有的相机矩阵K来获得R和t。（我不能评论，所以我添加了作为新的答案）
在校准装备姿态具有足够可变性的情况下，应该只是校准（像素重新投影）误差的方差和偏差。最好将这些错误可视化，而不是查看这些值。例如，指向中心的误差矢量将指示错误的焦距。观察曲线可以直观地了解失真系数。
要校准相机，必须共同解决外在和内在问题。后者可以从制造商那里知道，外部（旋转和平移）的求解涉及计算的单应性的分解：在opencv-python 中分解单应性矩阵
在Opencv 中计算只有平移、旋转和缩放的单应性
这里使用单应性，因为大多数校准目标是平坦的。