问题描述
我需要使用一组历史镜头图像找到闭路电视摄像机的内在参数（这就是我所得到的，无法控制环境，因此没有棋盘校准）。
好消息是我可以访问一些真实世界坐标，在大多数图像中都可见。
只是想知道是否有任何可靠的方法来提出相机内在参数。
附言我已经在 Python 中使用 cv2.findHomography 找到了单应矩阵。
附言我已经在两台机器上测试了 QTcalib，但它首先无法可视化图像。不知道有什么问题。
提前致谢。
解决方法
内在参数包含 fx fy cx cy 和 skew 以及附加失真参数 k1-k5 r1-r2。
假设您没有失真并且 cx 和 cy 完全位于中心。左上角的图像原点作为对图像的正常理解。正如您所说，您知道一些真实级别的 3D 点。3D 测量是关于相机光轴的。然后这个 3D 点 P 可以投影到称为 p 的相机图像平面。 P p O（相机光学中心）与中心线形成等腰三角形。
fx / （p_x-cx) = P_z / P_x
fx = （p_x-cx) * P_z / P_x
fy 也是如此。并且通常 fx 和 fy 是相同的。
这是在您在相机上没有失真的完美假设下。如果你开始有畸变，那么你需要在整个图像中找到足够多的样本点来形成畸变理解，如下图所示。一两点不会让你全面了解。
一些论文中存在一些使用海消失线（见参考，这是一系列作品）或完美的3D建筑消失点来检测失真的作弊。我们从外在到内在开始，经过一些试验最终可以得到一些很好的猜测。但它在研究中非常多，不能适用于一般情况。
参考文献：Han Wang、Wei Mou、Xiaozheng Mou、Shenghai Yuan、Soner Ulun、Shuai Yang 和 Bok-Suk Shin，一种使用海面图像的宽基线立体相机自动自校准方法，无人系统
,如果您只有一个视频和一些 3d 点，最好的办法可能是匹配移动它，即使用 3D 计算机图形环境进行手动辅助束调整，例如搅拌机。网上有很多关于如何做的教程（example）。要将 3d 点添加为约束，您需要在虚拟世界中构建一些表示它们的形状（例如一些小球体）并放置它们，使它们的相对位置与您拥有的地面实况相匹配，然后将它们添加到跟踪器解决方案中。