3. 标定板设计与制作

标定板这东西，说白了就是相机的“尺子”。你尺子不准，后面标出来的参数全是废的。我见过太多项目，算法调了半天，最后发现是标定板打印尺寸错了——这种坑，踩一次就够了。

这一章我们聊聊三种主流标定板：棋盘格、圆点阵、ChArUco板。怎么选？怎么生成？打印和安装时要注意什么？我把这些年踩过的坑和总结的经验都摊开来讲。

3.1 三种标定板的对比与选型

先看一张对比表，心里有个底：

类型	特征点提取	鲁棒性	适用场景	我的推荐指数
棋盘格	角点（亚像素）	中等	常规单目/双目标定	★★★★☆
圆点阵	圆心（椭圆拟合）	较高	大视场、畸变较大场景	★★★★☆
ChArUco板	角点 + ArUco码	高	多相机、部分遮挡、大角度	★★★★★

棋盘格是最经典的。角点检测算法成熟，OpenCV里直接调findChessboardCorners就行。但有个问题——棋盘格必须完全可见，缺一个角就全废了。我在做四相机环视标定时，经常有一两个相机只能拍到部分标定板，棋盘格直接罢工。

圆点阵就好很多。圆心检测对畸变不敏感，哪怕图像边缘的圆变成了椭圆，拟合出来的圆心位置依然很准。不过要注意，圆点阵需要标定板背景和圆点有高对比度，否则二值化那一步就容易翻车。

ChArUco板是我现在的主力。它把棋盘格和ArUco码结合起来——每个格子角落都有一个唯一的ID。哪怕只拍到一部分，系统也能通过ID知道“我拍的是标定板的哪一块”。四相机标定里，这个特性太香了。

3.2 标定板的生成方法

生成标定板，我推荐两种方式：代码生成和在线工具。代码生成更可控，适合批量生产。

3.2.1 用OpenCV生成棋盘格

OpenCV自带了cv2.aruco.drawChessboardCorners，但那是画检测结果的。生成标定板图片，我习惯自己写：

import cv2
import numpy as np

# 棋盘格内角点数量（列，行）
pattern_size = (9, 6)
# 每个格子的实际尺寸（毫米）
square_size = 30.0
# 生成图像尺寸（像素）
img_size = (1200, 800)

# 创建白色背景
board = np.ones((img_size[1], img_size[0]), dtype=np.uint8) * 255

# 计算格子像素尺寸
cols, rows = pattern_size
cell_w = img_size[0] // (cols + 1)
cell_h = img_size[1] // (rows + 1)

# 绘制黑白格子
for i in range(rows + 1):
    for j in range(cols + 1):
        if (i + j) % 2 == 0:
            x1, y1 = j * cell_w, i * cell_h
            x2, y2 = (j + 1) * cell_w, (i + 1) * cell_h
            cv2.rectangle(board, (x1, y1), (x2, y2), 0, -1)

cv2.imwrite('chessboard_9x6_30mm.png', board)

这里有个细节：pattern_size是内角点数量，不是格子数量。9x6的内角点，对应10x7个格子。我第一次做的时候搞反了，打印出来怎么检测都不对——嗯，这种低级错误犯一次就够了。

3.2.2 生成ChArUco板

ChArUco板的生成稍微复杂一点，但OpenCV的cv2.aruco模块已经封装好了：

import cv2
import cv2.aruco as aruco

# 定义字典和参数
dictionary = aruco.getPredefinedDictionary(aruco.DICT_6X6_250)
board = aruco.CharucoBoard_create(
    squaresX=11,          # 列方向格子数
    squaresY=8,           # 行方向格子数
    squareLength=0.03,    # 格子边长（米）
    markerLength=0.022,   # ArUco码边长（米）
    dictionary=dictionary
)

# 生成图像
img = board.draw((1200, 800))
cv2.imwrite('charuco_11x8_30mm.png', img)

3.2.3 在线工具推荐

如果只是临时用一下，不想写代码，可以用这些在线生成器：

• Calib.io Pattern Generator：支持棋盘格、圆点阵、ChArUco，可导出PDF/SVG
• OpenCV官方脚本：在OpenCV的doc/pattern_tools目录下，有现成的Python脚本
• Mr. Calibrator：一个轻量级网页工具，适合快速验证

但我建议你至少用代码生成一次。为什么？因为你要理解参数的含义，后面调试时才能快速定位问题。

3.3 打印与安装的避坑指南

标定板生成好了，打印和安装才是真正的“翻车高发区”。

3.3.1 打印注意事项

我曾经在一个项目里，用普通A4纸打印了标定板，贴在纸板上用。结果标出来的内参，焦距偏差了5%以上。后来发现是纸张受潮变形了。

打印时记住这几点：

• 材质：用哑光相纸或防水PP纸。不要用光面纸——反光会让角点检测失败。
• 尺寸：打印前用尺子量一下实际格子尺寸，输入到标定程序里。打印机有缩放误差，别信软件里填的数字。
• 平整度：贴在刚性背板上，比如亚克力板或铝塑板。软纸板不行，弯曲会引入额外畸变。
• 对比度：黑白格子的灰度差要大于150（0~255范围）。打印出来后用手机拍一张，检查一下直方图。

3.3.2 安装与固定

标定板在标定过程中必须保持静止。哪怕0.1mm的晃动，在远距离标定时都会造成像素级的误差。

我的安装流程：

1. 选择支架：用重型三脚架或定制夹具。不要用手持，不要用轻型自拍杆。
2. 调整水平：在标定板背面贴一个气泡水平仪。每次移动后检查一下。
3. 标记位置：在地面或工作台上用胶带标记标定板的放置位置。四相机标定时，你需要多次移动标定板，标记位置能保证重复精度。
4. 环境光控制：避免强光直射标定板。均匀的漫反射光最好。我一般在阴天或室内荧光灯下做标定。

3.4 标定板设计的关键参数

设计标定板时，有几个参数需要根据你的相机系统来调整：

参数	推荐范围	我的经验
格子/圆点数量	棋盘格：9x6 ~ 12x9 圆点阵：7x7 ~ 11x11	数量太少，标定精度不够；太多，检测容易失败。四相机标定我常用11x8的ChArUco板
格子实际尺寸	10mm ~ 50mm	根据视场角来定。大视场用大格子，小视场用小格子。保证标定板在图像中占30%~60%的面积
标定板整体尺寸	相机视场的1/3 ~ 2/3	太小了特征点不够，太大了边缘畸变严重。我一般让标定板在图像中占40%左右
背景色	白色或浅灰色	不要用彩色背景。黑白对比最稳定，彩色背景在去畸变后颜色会偏移

3.5 本章知识体系

下面这张图总结了标定板设计与制作的核心流程和决策点：

3.6 实战建议

最后，给你几个可以直接用的建议：

• 备两块标定板：一块大的（覆盖全视场），一块小的（用于近距和边缘）。四相机标定时，大板用来做全局优化，小板用来补拍角落。
• 标定板不要用太久：打印的标定板用3~6个月就换一次。边角磨损、纸张变形都会引入误差。
• 记录实际尺寸：每次打印后，用游标卡尺量10个格子的总宽度，取平均值。这个值要精确到0.1mm。
• 做一张“标定板身份证”：在标定板背面写上类型、格子尺寸、生成日期。项目多了你根本记不住哪块板对应什么参数。