1. 标定基础
1.1 先聊聊“标定”到底在干什么
相机标定，说白了就是给相机“量尺寸、定规矩”。
你买回来一个工业相机，镜头拧上，接上线，图像出来了。但这时候相机并不知道自己看到的物体有多大、在什么位置、有没有变形。它只是把光信号转成了像素矩阵。
标定要做的，就是建立“像素坐标”和“真实世界坐标”之间的数学关系。
我刚开始做视觉项目时，总觉得标定是可有可无的步骤。直到有一次，在一条手机中框检测线上，测出来的尺寸总是偏0.15mm。折腾了两天，最后发现是标定参数没更新——镜头换过，但标定文件还是旧的。嗯，从那以后，我再也不敢跳过标定了。
一句话总结：相机标定 = 求解相机内参 + 外参 + 畸变系数，让像素能换算成毫米。
1.2 为什么工业视觉必须做标定？
工业场景和日常拍照完全不同。你想想看，手机拍照时，畸变、透视、比例不对，人眼能自动脑补。但机器不行。
工业视觉要的是：可重复、可测量、可追溯。
具体来说，标定解决了三个核心问题：
- 像素当量换算：一个像素等于多少毫米？没有标定，你没法做精确测量。
- 畸变校正：镜头天生有畸变，尤其是广角和远心镜头。不校正，边缘的测量值全是错的。
- 空间定位：机械手抓取、对位贴合，需要知道物体在机器人坐标系下的位置。这靠的是外参标定。
| 应用场景 | 不标定的后果 | 标定后的效果 |
|---|---|---|
| 尺寸测量（如PCB焊盘检测） | 误差0.2~0.5mm，无法通过质检 | 精度可达0.01mm（配合高分辨率相机） |
| 定位引导（如机械手抓取） | 抓偏、撞机、损坏工件 | 定位误差<0.1mm，稳定运行 |
| 缺陷检测（如玻璃划痕） | 边缘畸变导致误检、漏检 | 全视野一致检测，误报率降低80% |
| 3D重建（如结构光扫描） | 点云扭曲，无法拼接 | 重建误差<0.05mm |
避坑提醒：我曾经见过一个项目，标定板用的是普通A4纸打印的，结果因为纸张受潮变形，标定出来的焦距偏差了3%。工业标定板必须用陶瓷或玻璃基板，热膨胀系数要匹配现场温度。
1.3 小孔成像模型——标定的物理根基
所有相机标定算法，追根溯源，都建立在小孔成像模型上。
这个模型很简单：光线从物体表面反射，穿过一个小孔（光心），在成像平面上形成倒立的像。
数学上，它可以用一个透视投影矩阵来描述：
s * [u, v, 1]^T = K * [R | t] * [X, Y, Z, 1]^T其中：
[u, v]：像素坐标[X, Y, Z]：世界坐标K：内参矩阵（焦距、主点、像素尺寸）[R | t]：外参矩阵（旋转、平移）s：尺度因子
这个公式，就是标定的核心方程。所有标定算法，本质上都是在求解K和[R|t]。
我的经验：很多初学者只关注内参，忽略了外参。但在工业现场，外参才是最容易出问题的——相机稍微震动一下，外参就变了。我建议每次换产或维护后，至少做一次外参校验。
1.4 小孔成像模型的局限性
理想很丰满，现实很骨感。小孔模型假设光线是直线传播的，但实际镜头有：
- 径向畸变：光线通过透镜边缘时弯曲，导致图像桶形或枕形变形
- 切向畸变：镜头和成像平面不平行，导致图像倾斜
- 薄棱镜畸变：镜头制造误差引起的不规则变形
所以，实际标定要在小孔模型基础上，加上畸变校正模型。最常用的是Brown-Conrady模型：
x_distorted = x * (1 + k1*r^2 + k2*r^4 + k3*r^6) + [2*p1*x*y + p2*(r^2 + 2*x^2)]
y_distorted = y * (1 + k1*r^2 + k2*r^4 + k3*r^6) + [p1*(r^2 + 2*y^2) + 2*p2*x*y]其中k1、k2、k3是径向畸变系数，p1、p2是切向畸变系数。
注意：畸变系数不是越多越好。我见过有人用5阶径向畸变模型，结果过拟合，标定误差反而更大。工业场景，一般用2~3阶径向 + 2阶切向就足够了。
1.5 标定的知识体系总览
下面这张图，把标定的核心知识结构串起来了。你可以把它当作整个课程的“地图”。
1.6 标定的工程流程
在实际项目中，标定不是一次性的。它是一套完整的流程：
- 准备标定板：选择棋盘格或圆点阵，尺寸要覆盖视场1/3以上
- 采集图像：在不同角度、不同位置拍摄15~25张图像
- 提取角点：用亚像素算法提取特征点坐标
- 求解参数：用最小二乘法或LM优化求解内参、外参、畸变系数
- 重投影验证：计算重投影误差，一般要求<0.1像素
- 保存参数：将标定结果写入配置文件或相机固件
我的习惯：每次标定完，我都会拍一张标定板放在实际工作距离上，然后用标定参数反算尺寸，和实际值对比。这叫“闭环验证”，能发现很多隐藏问题。
1.7 本章小结
相机标定，是工业视觉的第一道门槛。没有准确的标定，后面的测量、定位、检测都是空中楼阁。
这一章我们讲了：
- 标定的本质：建立像素到物理世界的映射
- 工业场景为什么必须标定：精度、畸变、定位
- 小孔成像模型：标定的数学根基
- 畸变模型：从理想到现实的修正
- 标定的工程流程：从准备到验证