4. 鱼眼相机标定原理
棋盘格角点检测，是相机标定里最基础也最关键的环节。说白了，就是让算法在图像里找到那些黑白格子相交的角点。你想想看，如果这一步不准，后面算出来的内参、畸变系数全是错的。我在项目里见过不少团队，标定板拍了一堆，结果角点检测不过，白白浪费采集时间。
4.1 标定板设计：别小看这张棋盘
先聊聊标定板怎么选。很多人觉得随便打印一张棋盘纸就行，其实坑不少。
| 参数 | 推荐值 | 我的经验 |
|---|---|---|
| 棋盘格数（内角点） | 9×6 或 11×8 | 奇数×偶数，避免对称歧义 |
| 方格尺寸 | 20mm ~ 40mm | 太大占画面，太小看不清 |
| 材质 | 亚光覆膜纸 / 铝板 | 反光板子会让角点检测崩溃 |
| 背景 | 纯色（黑/白/灰） | 不要有纹理干扰 |
4.2 采集规范：拍多少？怎么拍？
标定板采集不是随便拍几张就完事。我建议至少拍20~30张，覆盖以下姿态：
- 中心区域：标定板放在画面正中央，正对相机
- 边缘区域：标定板靠近画面四角，倾斜15°~30°
- 远近变化：从最近到最远，覆盖整个景深范围
- 旋转变化：绕X、Y、Z轴各旋转一些角度
为什么要这么多？因为鱼眼相机的畸变在边缘特别大，如果只拍中心区域，畸变参数根本算不准。我记得有一次，客户只给了8张图，结果标定出来的重投影误差0.8像素，怎么调都下不去。后来补拍到25张，误差直接降到0.15像素。
4.3 OpenCV 角点检测：findChessboardCorners
OpenCV 提供了现成的函数 cv::findChessboardCorners。它的核心逻辑是：先对图像做自适应阈值二值化，然后找四边形轮廓，再通过拓扑关系定位角点。
// C++ 示例
cv::Mat gray;
cv::cvtColor(image, gray, cv::COLOR_BGR2GRAY);
cv::Size patternSize(9, 6); // 内角点数：9列×6行
std::vector<cv::Point2f> corners;
bool found = cv::findChessboardCorners(
gray,
patternSize,
corners,
cv::CALIB_CB_ADAPTIVE_THRESH |
cv::CALIB_CB_NORMALIZE_IMAGE |
cv::CALIB_CB_FAST_CHECK
);
if (found) {
cv::drawChessboardCorners(image, patternSize, corners, found);
}这里有几个参数值得注意：
CALIB_CB_ADAPTIVE_THRESH：自适应阈值，应对光照不均CALIB_CB_NORMALIZE_IMAGE：直方图均衡化，提升对比度CALIB_CB_FAST_CHECK：快速预检，先判断有没有棋盘格，没有就跳过
我个人习惯把这三个标志位全开。虽然慢一点点，但鲁棒性高很多。特别是鱼眼图像边缘光照很差，不开自适应阈值经常检测不到。
4.4 亚像素精细化：从像素级到亚像素级
findChessboardCorners 返回的角点坐标是整数像素精度。对于标定来说，这远远不够。我们需要用 cv::cornerSubPix 做亚像素精细化。
cv::TermCriteria criteria(
cv::TermCriteria::EPS + cv::TermCriteria::MAX_ITER,
30, // 最大迭代次数
0.001 // 精度阈值
);
cv::cornerSubPix(
gray,
corners,
cv::Size(5, 5), // 搜索窗口半宽
cv::Size(-1, -1), // 死区，一般设为-1
criteria
);它的原理是：在角点附近的小窗口内，利用梯度信息迭代优化，找到灰度变化最大的位置。说白了，就是让角点坐标从 (100, 200) 变成 (100.345, 200.678)。
4.5 检测失败怎么办？
我在项目中遇到过几次检测失败的情况，总结下来主要有三种：
- 光照太强或太暗：棋盘格边缘模糊，二值化后格子连成一片。解决方案：调整光源，或者用
cv::CLAHE做局部直方图均衡。 - 标定板倾斜过大：超过45°时，棋盘格变形严重，四边形检测失败。解决方案：控制倾斜角在30°以内。
- 图像分辨率太低：每个格子少于20个像素，角点定位不准。解决方案：换更高分辨率相机，或者靠近拍摄。
嗯，这里要注意：如果检测失败，不要硬调参数。先检查标定板本身——是不是脏了？是不是反光？是不是没贴平？这些物理因素比算法参数更重要。
4.6 知识体系图
下面这张图梳理了本章的核心流程，从标定板设计到角点输出，每一步都环环相扣。
4.7 实战建议
最后，给你几个我在项目中沉淀下来的建议：
- 先做一次完整流程：用一张图跑通检测+亚像素+可视化，确认参数没问题
- 批量检测时加日志：记录每张图的检测结果和角点数，方便排查问题
- 保存中间结果：把检测到的角点坐标存成文件，避免每次标定都重新检测
- 可视化检查：用
drawChessboardCorners画出角点，肉眼确认有没有错位