2、校准算法数学基础：线性校准与非线性校准的数学原理，最小二乘法在触摸校准中的应用

做触摸校准，说白了就是解决一个问题：你点下去的位置，和芯片读到的坐标，到底差了多少？ 这个差值怎么算、怎么补，就是校准算法的核心。

我个人习惯把校准算法分成两类：线性校准和非线性校准。别被名字吓到，其实没那么玄乎。咱们一个一个说。

2.1 线性校准：最常用的“三板斧”

线性校准假设触摸屏的物理坐标和ADC采样值之间是一次函数关系。你想想看，如果屏幕是完美的、贴合工艺也没问题，那这个假设基本成立。

数学上，我们用一个仿射变换来描述：

X_device = a * X_adc + b * Y_adc + c
Y_device = d * X_adc + e * Y_adc + f

这里 X_device、Y_device 是你要的物理坐标（比如像素），X_adc、Y_adc 是触摸芯片读回来的原始值。a、b、c、d、e、f 就是我们要算的6个校准参数。

我在项目中遇到过一种情况：某款7寸屏，贴膜工艺不稳定，导致屏幕左上角和右下角的线性度差异很大。用6参数模型，校准后误差能控制在1个像素以内。换成3参数（只算缩放和平移），误差直接飙到5个像素。嗯，这里要注意：能用6参数就别用3参数，多算三个数，省掉一堆硬件调校的麻烦。

2.2 非线性校准：当线性不够用时

线性校准不是万能的。有些触摸屏，尤其是大尺寸电容屏或者曲面屏，ADC值和物理坐标之间不是直线关系。你点一个十字，读回来可能是个弯的。

这时候就需要非线性校准。常见的做法是分段线性或者多项式拟合。

分段线性：把屏幕分成多个小格子，每个格子单独算一套线性参数。格子越小，精度越高，但校准点也越多。

多项式拟合：用更高次的函数去逼近。比如二次多项式：

X_device = a0 + a1*X + a2*Y + a3*X² + a4*X*Y + a5*Y²

我曾经调试过一款21.5寸的工业触摸屏，屏幕边缘的畸变非常严重。用6参数线性校准，边缘误差有8个像素。换成二次多项式，误差直接降到1.5个像素。代价是什么？计算量大了，而且校准点从3个变成了至少6个。

校准类型	参数数量	校准点数	适用场景	精度
3参数线性	3	2~3	小尺寸、工艺好	一般
6参数线性	6	3	大多数消费/工业屏	良好
分段线性	可变	9~25	大尺寸、边缘畸变	优秀
二次多项式	6~12	6~9	曲面屏、高精度要求	优秀

2.3 最小二乘法：校准的“万能钥匙”

好了，参数模型有了，接下来怎么算这些参数？

你肯定不能直接解方程——因为测量值有噪声，3个点解6个参数，方程数不够。就算点够了，噪声也会让结果飘得离谱。

这时候就要请出最小二乘法。它的核心思想很简单：让所有校准点的理论值和实际测量值之间的误差平方和最小。

数学上，我们构造一个误差函数：

E = Σ (Y_device_i - (a*X_adc_i + b*Y_adc_i + c))²

然后对 a、b、c 分别求偏导，令导数为0，解这个线性方程组。这就是线性最小二乘。

具体步骤我习惯这样记：

1. 收集数据：在屏幕上显示N个校准点，记录每个点的物理坐标和ADC值。
2. 构造矩阵：把ADC值写成矩阵A，物理坐标写成向量b。
3. 求解正规方程：(AᵀA) x = Aᵀb，解出参数向量x。
4. 验证：用求出的参数回代，算一下残差。如果某个点残差特别大，可能是测量异常，需要剔除。

对于非线性校准，比如二次多项式，原理一样。只不过矩阵A的列数更多了，包含了X²、XY、Y²这些项。求解方法不变，还是最小二乘。

2.4 校准流程总览

说了这么多，咱们用一张图把整个流程串起来。这张图是我做项目时常用的思路，你可以直接拿去用。

这张图把整个流程分成了7个关键步骤。从采集数据开始，到选择模型、构造矩阵、最小二乘求解，最后验证输出。我个人习惯在验证环节多花点时间——残差分析做得好，上线之后少烦恼。

2.5 工程中的几个坑

最后，分享几个我在实际项目中踩过的坑，希望能帮你少走弯路。

• 校准点分布要均匀：别把点都挤在屏幕中间，边缘和角落也要覆盖。否则边缘的误差会被最小二乘“平均”掉，导致边缘不准。
• ADC值要稳定：如果触摸芯片的ADC噪声很大，先做滤波再校准。我一般用滑动平均，窗口大小取5~10。
• 小心奇异矩阵：如果校准点都在一条直线上，矩阵AᵀA会奇异，解不出来。所以校准点一定要不共线。
• 浮点转定点：在MCU上做最小二乘，浮点运算很慢。我习惯在PC上算好参数，然后转成定点数（比如Q16格式）烧进去。这样运行时只需要做乘加，效率高很多。