3. 环视系统架构

各位同学，今天我们进入环视系统最核心的一步——摄像头标定。说实话，我在刚入行时觉得标定就是个“拍棋盘格、跑脚本”的流水线活。直到有一次，我在某量产项目上发现环视拼接图总是有重影，怎么调参数都搞不定。最后排查了三天，才发现是标定板本身就不合格。嗯，从那以后，我再也不敢小看标定这个环节了。

标定的目的是什么？

简单说，标定就干两件事：去畸变和求内参。你想想看，车载摄像头用的都是广角镜头，甚至鱼眼镜头。拍出来的画面边缘是弯的——直线变成弧线，这就是畸变。如果不做矫正，环视拼接出来的图像根本对不齐。

内参矩阵长这样：

内参矩阵 K = [fx  0  cx]
              [0  fy  cy]
              [0   0   1]

fx和fy是焦距（单位是像素），cx和cy是光心偏移。畸变系数里，k1/k2/k3管径向畸变（就是那种“桶形”或“枕形”变形），p1/p2管切向畸变（镜头和传感器不平行导致的）。

我个人习惯把标定理解为“给摄像头做体检”。体检报告就是内参和畸变系数。有了这份报告，我们才能把摄像头看到的扭曲世界，还原成真实世界的几何关系。

标定板怎么选？棋盘格 vs 圆点阵

标定板是标定的“尺子”。选错了，后面全白干。市面上主流就两种：棋盘格和圆点阵。我分别说说它们的脾气。

对比项	棋盘格	圆点阵
角点检测	亚像素角点，精度高	圆心拟合，受透视影响小
光照敏感度	中等，反光时角点易丢	较低，圆形轮廓更鲁棒
部分遮挡	角点丢失后无法使用	只要看到足够多圆，仍可标定
OpenCV支持	findChessboardCorners 非常成熟	findCirclesGrid 需要调参
车载场景推荐	室内/实验室标定	产线/户外标定

我在项目中遇到过一个问题：用棋盘格在户外标定，阳光一照，棋盘格反光严重，角点检测直接崩了。后来换成哑光材质的圆点阵标定板，问题就解决了。所以我的建议是——实验室用棋盘格，产线或户外用圆点阵。

标定板尺寸怎么定？

这里有个经验公式：标定板在画面中占比至少30%，最好50%以上。格子边长和圆点直径，我一般选20-40mm。太小了，远距离看不清；太大了，近距离拍不全。

棋盘格的格子数，我推荐9×6或11×8（内角点数）。圆点阵推荐7×7或9×9。记住：格子数必须是奇数×偶数，这样角点才有唯一的方向性。

OpenCV标定流程简介

OpenCV的标定流程，说白了就是三步：找角点 → 算内参 → 去畸变。我画了个流程图，你们感受一下。

核心代码其实不长，我贴一段最常用的：

import cv2
import numpy as np

# 1. 准备棋盘格角点的世界坐标
pattern_size = (9, 6)  # 内角点数
square_size = 25.0     # 格子边长 (mm)
objp = np.zeros((pattern_size[0]*pattern_size[1], 3), np.float32)
objp[:, :2] = np.mgrid[0:pattern_size[0], 0:pattern_size[1]].T.reshape(-1, 2)
objp *= square_size

# 2. 存储所有图像的世界坐标和像素坐标
objpoints = []  # 世界坐标
imgpoints = []  # 像素坐标

# 3. 遍历图像，找角点
for fname in image_files:
    img = cv2.imread(fname)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    ret, corners = cv2.findChessboardCorners(gray, pattern_size, None)
    if ret:
        # 亚像素精细化
        criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)
        corners2 = cv2.cornerSubPix(gray, corners, (11,11), (-1,-1), criteria)
        objpoints.append(objp)
        imgpoints.append(corners2)

# 4. 标定
ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(
    objpoints, imgpoints, gray.shape[::-1], None, None
)

# 5. 去畸变
img_undistorted = cv2.undistort(img, mtx, dist, None, mtx)

重投影误差怎么看？

标定完成后，OpenCV会返回一个重投影误差（reprojection error）。这个值越小越好。我一般这样判断：

• < 0.3 像素：优秀，可以量产
• 0.3 - 0.5 像素：合格，需要检查是否有异常图像
• > 0.5 像素：不合格，检查标定板或拍摄质量

如果误差偏大，别急着调参数。先检查：标定板平不平？图像有没有模糊？角点检测有没有漏检？我遇到过最离谱的一次，是标定板上有指纹印，导致角点检测偏移了半个像素。