标定板设计：不同形状标定板的优缺点与角点检测原理

做激光雷达标定这些年，我摸过的标定板少说也有几十种。说实话，标定板这东西看着简单，但选错了真能让你折腾好几天。今天咱们就聊聊标定板的设计思路，以及角点检测到底是怎么一回事。

一、标定板的形状选择

市面上常见的标定板主要有三种形状：棋盘格、圆形阵列、以及三角形/多边形。每种都有它的脾气。

1. 棋盘格标定板

这是最经典的设计。黑白相间的方格，角点就是格子的交点。我在项目中最常用这种，原因很简单——角点检测稳定。

• 优点：角点位置精确，亚像素精度高；算法成熟（OpenCV直接支持）；对光照变化不敏感
• 缺点：需要保证棋盘格完整可见；边缘遮挡时容易丢失角点；对反射率差异要求高

2. 圆形阵列标定板

圆形阵列是另一种常见设计。圆心作为特征点，检测的是圆的中心。

• 优点：圆心检测精度高；部分遮挡时仍可检测；对旋转不敏感
• 缺点：透视变形下圆心会偏移；需要精确的圆度；算法稍复杂

我记得有一次做多线激光雷达标定，棋盘格怎么都检测不好。后来换成圆形阵列，问题一下子就解决了。说白了，圆形阵列对点云稀疏的情况更友好。

3. 三角形/多边形标定板

这种用得少一些，但在某些特殊场景下很管用。

• 优点：形状独特，易于识别；适合远距离标定；抗干扰能力强
• 缺点：角点数量少；精度不如棋盘格；算法实现复杂

二、角点检测原理

角点检测，说白了就是找到图像中那些「拐弯」的地方。在标定板里，这些拐弯就是棋盘格的交叉点或者圆的中心。

1. 棋盘格角点检测

OpenCV 里用的 cv2.findChessboardCorners() 其实做了这么几件事：

1. 图像预处理：转灰度、直方图均衡化、自适应阈值
2. 候选角点提取：用 Harris 角点检测或 Shi-Tomasi 算法找候选点
3. 模式匹配：根据棋盘格的行列数，找到符合几何约束的角点组合
4. 亚像素精化：用 cv2.cornerSubPix() 把精度提升到亚像素级别

import cv2
import numpy as np

# 读取图像
img = cv2.imread('calib_board.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 棋盘格尺寸（内角点数量）
pattern_size = (7, 6)  # 7列6行内角点

# 查找角点
ret, corners = cv2.findChessboardCorners(gray, pattern_size, None)

if ret:
    # 亚像素精化
    criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)
    corners_refined = cv2.cornerSubPix(gray, corners, (11, 11), (-1, -1), criteria)
    
    # 绘制角点
    cv2.drawChessboardCorners(img, pattern_size, corners_refined, ret)
    cv2.imshow('Corners', img)
    cv2.waitKey(0)

2. 圆形阵列中心检测

圆形阵列的检测思路不太一样。它用的是椭圆拟合：

1. 二值化：用大津法或自适应阈值分离圆形区域
2. 轮廓提取：找到所有闭合轮廓
3. 椭圆拟合：对每个轮廓拟合椭圆，椭圆中心就是圆心
4. 排序匹配：根据已知的行列数，对圆心进行排序

def detect_circle_centers(gray, pattern_size):
    # 二值化
    _, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
    
    # 找轮廓
    contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
    centers = []
    for cnt in contours:
        if len(cnt) < 5:  # 至少需要5个点才能拟合椭圆
            continue
        ellipse = cv2.fitEllipse(cnt)
        center = (ellipse[0][0], ellipse[0][1])
        centers.append(center)
    
    # 排序（按行、列）
    centers = sort_centers(centers, pattern_size)
    return np.array(centers, dtype=np.float32)

三、标定板设计的核心原则

说了这么多，其实标定板设计就三个原则：

嗯，这里还要提一句。标定板的材质也很关键。我曾经用普通打印纸做标定板，结果激光打上去反射不均匀，角点检测一塌糊涂。后来换成哑光铝板，效果立竿见影。

四、知识体系总览

下面这张图把标定板设计的核心逻辑串起来了，你可以对照着看：

你想想看，标定板设计其实就是在「检测精度」和「使用便利性」之间找平衡。棋盘格精度高但容易受遮挡影响，圆形阵列抗遮挡但透视变形会引入误差。没有完美的方案，只有最适合你场景的方案。

好了，标定板设计这块就聊到这儿。记住一点：标定板是标定的基础，基础不牢，地动山摇。花点时间选对设计，后面能省你不少事。