1. 深度图基础与标定概述

各位同学好，我是老张。做机器视觉十几年了，从2D做到3D，踩过的坑比走过的路还多。今天咱们聊聊深度图标定这件事。

说实话，我刚接触3D视觉那会儿，觉得深度图挺神奇的——一张图里居然能存每个点的距离信息。但后来发现，光有深度图远远不够，标定才是真正让数据变准的关键。嗯，咱们一步步来。

1.1 深度图到底是什么？

深度图，说白了就是一张灰度图。每个像素点的灰度值，代表物体到相机之间的距离。你想想看，普通RGB图存的是颜色，深度图存的是距离。

举个例子：

• 像素值 0 → 距离无限远（或无效点）
• 像素值 255 → 距离最近（比如 100mm）
• 中间值 → 按比例映射实际距离

我在项目里遇到过一种情况：客户拿来的深度图，看着挺清楚，但一量尺寸全偏。后来发现是标定参数不对，深度值映射关系完全错了。所以理解深度图的本质，是第一步。

1.2 为什么要做深度图标定？

你可能会问：相机买回来不就能用吗？为什么还要标定？

我刚开始也这么想。直到有一次，我用一台标称精度0.1mm的3D相机，测一个标准量块，结果偏差了0.5mm。查了两天，最后发现是相机出厂参数和实际安装环境不匹配。

标定的目的，说白了就三个：

1. 消除畸变——镜头不是完美的，边缘会有扭曲
2. 建立映射——把像素坐标和世界坐标对应起来
3. 统一基准——多台相机、多个视角的数据能拼到一起

标定类型	解决什么问题	我踩过的坑
内参标定	镜头畸变、焦距偏差	用错标定板尺寸，白忙一天
外参标定	相机位置、姿态	安装后没固定好，震动导致偏移
深度映射标定	灰度值→实际距离	环境温度变化，映射曲线漂移

1.3 Halcon 标定流程概览

Halcon 的标定流程，我总结为五个步骤。你跟着走一遍，基本不会出大问题。

1. 准备标定板——Halcon 推荐用圆点标定板，精度高
2. 采集图像——至少拍 10-15 张不同角度
3. 提取特征点——用 find_caltab 或 find_marks_and_pose
4. 计算参数——camera_calibration 算子搞定
5. 验证精度——重投影误差小于 0.1 像素才算合格

我个人习惯，每次标定完都会保存一份标定日志。这样出了问题，还能回溯是哪一步不对。

1.4 深度图标定的特殊之处

和2D标定不同，深度图标定多了一个维度——Z轴。这意味着：

• 不仅要标定XY平面的映射关系
• 还要标定深度方向的线性度
• 环境光、物体表面材质都会影响深度值

我记得有一次，标定完发现深度值在边缘区域偏差特别大。排查了半天，原来是标定板表面反光太强，导致深度传感器误判。后来换了哑光材质的标定板，问题就解决了。

所以做深度图标定，选对工具和方法，比盲目追求算法更重要。

1.5 本章小结

这一章咱们把深度图标定的基础捋了一遍。记住几个关键点：

• 深度图存的是距离，不是颜色
• 标定解决畸变、映射、基准统一三个问题
• Halcon 标定流程清晰，但细节决定成败
• 深度图标定比2D多了一个Z轴维度，要格外小心