findchessboardcorners原理
findChessboardCorners是一个计算棋盘角点坐标的函数，它是OpenCV库中的一个函数，用于计算给定图像中棋盘角点的二维坐标。
原理：
findChessboardCorners采用了全面的方法来寻棋盘角点。的过程类似于模板匹配，通过在图像中移动一个固定大小的窗口，将窗口内的像素与棋盘角点模板进行比较，到最佳匹配的位置。
1.图像预处理：
在进行角点之前，需要对图像进行一些预处理操作：
a.灰度化：将彩图像转换为灰度图像，简化计算。
b.去噪：对灰度图像进行平滑处理，去除一些噪声。
c.图像增强：可以对灰度图像进行一些增强操作，例如直方图均衡化，以提高对比度。
2.定义角点模板：
根据实际的棋盘格大小，定义一个模板，该模板用于在图像中棋盘角点。模板的大小应与棋盘格的大小相匹配，通常是一个矩形。
3.角点：
通过移动模板窗口，在图像中与模板匹配度最高的位置，这个位置即为棋盘角点的一个候选点。
a.初始位置：将模板窗口的初始位置设置为图像的左上角。
b.匹配度计算：将模板窗口内的像素与模板进行相似度计算，得到一个匹配程度得分。
c.位置更新：将窗口移动到下一个位置，继续计算匹配程度。通常可以选择水平和垂直方向上的一个固定步长。
d.选择最佳位置：在过程中记录每个位置的匹配程度得分，在结束后，选择得分最高的位置作为棋盘角点的候选点。
4.角点校正：
由于过程是基于模板匹配的，所以在最终确定的候选点中可能存在一些误差。因此，需要对候选点进行一些校正操作，以提高角点的精度。
直方图均衡化的基本原理a.亚像素精确化：通过对候选点周围像素的计算，进一步提高角点的定位精度。
b.误差测量：对校正后的角点位置进行误差测量，以评估其精度。
5.输出：
经过校正后，最终确定的角点坐标将会被返回。
应用：
findChessboardCorners广泛应用于相机标定、三维重建、姿态估计等领域。在相机标定中，通过检测棋盘上的角点，可以计算相机的内参和外参，从而进行图像去畸变、三维重建等操作。在三维重建和姿态估计中，通过检测棋盘的角点，可以确定物体在相机坐标系下的位置和姿态。
总结：
findChessboardCorners通过模板匹配的方式，对输入图像进行，到合适的棋盘角点坐标。其原理基本上是一个问题，通过在输入图像上移动固定大小的窗口，在窗口中与角点模板进行匹配，最终得到角点的坐标。