第4章：标定板设计——棋盘格、AprilTag、ChArUco的选择与制作规范

做外参标定这么多年，我见过太多人栽在标定板上。

有人拿着打印店随便打的棋盘格，标出来结果一塌糊涂。有人用AprilTag标定，精度倒是上去了，但角点检测总出问题。还有人用ChArUco，觉得它万能，结果制作不规范，标定误差大得离谱。

说白了，标定板是外参标定的“基准尺”。它不准，后面所有工作都是白费。今天我就把这三类标定板的选型思路和制作规范，一次性讲清楚。

4.1 三类标定板的底层逻辑

先看一张图，帮你快速建立知识框架：

4.2 棋盘格——经典但别乱用

棋盘格是标定界的“老黄牛”。它靠黑白格子交替产生的角点，精度非常高。我早期做相机标定时，一直用它。

优点：

• 角点检测精度高，亚像素级别
• 实现简单，OpenCV一行代码搞定
• 制作成本低，打印即可

缺点：

• 没有ID信息，无法区分不同区域
• 必须完整可见，遮挡一点就废
• 对光照敏感，反光时角点检测会飘

制作规范：

• 格子数量：建议 9×6 或 11×8（内角点），别用太少的
• 格子大小：30mm-50mm 为宜，太小了检测不准，太大了边缘畸变严重
• 打印材质：哑光纸或铝板，千万别用反光材料
• 平整度：贴在刚性背板上，软纸板绝对不行

4.3 AprilTag——灵活但别迷信

AprilTag是MIT开发的二维码家族成员。它最大的特点是每个Tag都有唯一ID，而且支持部分遮挡检测。

我为什么喜欢它？因为做多相机标定时，你只需要在场景里贴几个AprilTag，每个相机看到不同的Tag组合，系统就能自动匹配对应关系。这比棋盘格方便太多了。

优点：

• 每个Tag有唯一ID，自动匹配
• 支持部分遮挡，哪怕只看到一半也能用
• 可以估计6DoF位姿

缺点：

• 角点精度不如棋盘格（因为角点是Tag边界，不是亚像素级）
• 检测算法相对复杂，计算量大
• Tag大小和距离需要匹配，否则检测失败

制作规范：

• Tag家族：推荐使用 Tag36h11（检测鲁棒性好）或 TagStandard41h12（精度更高）
• Tag大小：根据标定距离选择，一般边长50-100mm
• 黑白对比度：打印时黑色要足够黑，白色要足够白，灰度打印不行
• 边框：保留至少1个格子的白色边框，否则检测会失败

# AprilTag生成示例（Python）
import cv2
import numpy as np
from apriltag import apriltag

# 生成Tag36h11家族的ID 0
tag_size = 50  # mm
tag_image = apriltag.generate('tag36h11', 0)
cv2.imwrite('tag_0.png', tag_image)

# 检测时指定Tag大小
detector = apriltag('tag36h11')
results = detector.detect(gray_image)
for r in results:
    # r.tag_id: Tag的ID
    # r.center: 中心点坐标
    # r.corners: 四个角点坐标（像素）
    # r.homography: 单应性矩阵
    print(f"Tag ID: {r.tag_id}, Center: {r.center}")

4.4 ChArUco——棋盘格和AprilTag的“混血儿”

ChArUco是我现在最常用的标定板。它把棋盘格的角点精度和AprilTag的ID信息结合在了一起。

说白了，ChArUco就是在棋盘格的每个格子交叉点附近，嵌入一个小的ArUco标记。这样你既能得到棋盘格的高精度角点，又能通过ArUco标记获得ID信息。

优点：

• 角点精度高（继承棋盘格）
• 有ID信息，支持部分遮挡（继承ArUco）
• 鲁棒性好，光照变化影响小

缺点：

• 制作要求高，ArUco标记太小了检测不到，太大了影响角点精度
• 检测算法更复杂，计算量更大
• 需要仔细调参

制作规范：

• 棋盘格尺寸：建议 7×5 或 9×6 个格子
• ArUco标记大小：占格子边长的 60%-70%，太小了检测不到，太大了角点被遮挡
• ArUco字典：推荐 DICT_6X6_250 或 DICT_5X5_100
• 打印分辨率：至少 300 DPI，确保ArUco标记清晰

# ChArUco板生成示例（Python + OpenCV）
import cv2
import cv2.aruco as aruco

# 参数设置
squares_x = 7      # 横向格子数
squares_y = 5      # 纵向格子数
square_length = 40 # 格子边长（mm）
marker_length = 25 # ArUco标记边长（mm）

# 创建字典和棋盘
dictionary = aruco.getPredefinedDictionary(aruco.DICT_6X6_250)
board = aruco.CharucoBoard_create(
    squares_x, squares_y,
    square_length / 1000.0,  # 转成米
    marker_length / 1000.0,
    dictionary
)

# 生成图像
img = board.draw((2000, 1500))
cv2.imwrite('charuco_board.png', img)

# 检测ChArUco角点
charucoCorners, charucoIds = detector.detectBoard(gray_image)
if charucoCorners is not None:
    print(f"检测到 {len(charucoCorners)} 个角点")

4.5 选型决策指南

说了这么多，到底怎么选？我整理了一个决策表：

场景	推荐标定板	理由
单目内参标定	棋盘格	简单、精度高、够用
双目外参标定	棋盘格 或 ChArUco	棋盘格够用，ChArUco更鲁棒
多相机系统（3+）	AprilTag 或 ChArUco	需要ID信息自动匹配
激光雷达-相机标定	ChArUco	需要高精度角点+ID信息
大场景/远距离标定	AprilTag（大尺寸）	Tag可以做大，检测距离远
快速原型验证	棋盘格	打印快、实现简单

4.6 实战经验总结

最后，分享几个我踩过的坑：

• 别用手机屏幕显示标定板：屏幕有曲率，而且亮度不均匀，标定结果会带系统误差
• 标定板尺寸要匹配视场：太小了角点太少，太大了边缘畸变严重。一般占图像面积的 1/4 到 1/3 比较合适
• 多拍不同姿态：至少拍20-30张，覆盖不同角度、距离、位置。我习惯拍50张，然后挑出质量最好的30张
• 检查角点检测结果：不要直接跑标定，先可视化角点检测结果，看看有没有漏检或误检