按阶段查看张正友标定的完整求解链：角点对应 → H → K → R,t → 误差验证。
当前 3 张图像，共 6 条约束。
当我们只有普通相机和一张平面标定板时，想同时求出相机的内参和每张拍摄姿态的外参。问题是单张照片只能建立平面到图像的投影关系，无法直接拆分出焦距、主点和姿态。
常用办法是张正友标定：对每张标定板照片，先用角点对应估计单应矩阵 H；再把多张图的 H 合起来，利用旋转矩阵的约束解出内参 K；最后用 K 和每张图的 H 分解出对应的 R 和 t。
切换不同数量的标定照片，观察约束数量和估计精度的变化；点击某个角点，比较检测位置、重投影位置和真实位置之间的偏差，理解 H、K、R/t 的误差是怎样逐层传递的。
成像模型给出，标定板提供同一批角点的世界坐标和像素坐标。张正友法把这些点对转化为，再求 K 和每张图的。教学实现：角点为程序合成并加入微小偏移，这里演示真实的 H→B→K→R,t 线性求解链；畸变与非线性优化暂未包含。
`objectPoints` 是棋盘平面上的；`imagePoints` 是同一角点在照片中的像素位置。
对每一张照片，先经过，再由 K 投到像素平面。
棋盘点都在平面上，因此一张标定图可先估计一个。
这两个名字来自 OpenCV 接口，本质上就是同一批棋盘角点在两个坐标系下的记录。