1. 标定板设计基础：棋盘格、圆点阵、ChArUco板的设计原理与数学建模

做相机标定这么多年，我最大的感触是：标定板选得好，标定就成功了一半。很多人一上来就调算法参数，结果角点检测总出问题——其实根源往往在标定板本身的设计上。

这一章，咱们就聊聊三种主流标定板的设计原理和数学建模。我会结合自己踩过的坑，帮你把基础打扎实。

1.1 棋盘格标定板：最经典的选择

棋盘格（Checkerboard）是标定界的"老兵"。它结构简单，角点检测算法成熟，几乎所有的标定库都原生支持。

设计原理

棋盘格由黑白相间的方格组成。角点就是黑白格的交界点。为什么选这种结构？说白了，黑白交界处的梯度变化最剧烈，算法最容易定位。

设计时要注意几个关键参数：

• 内角点数：比如 9×6，指的是内部角点数量，不是格子数。我见过有人把格子数当角点数用，结果标定失败——嗯，这个坑我踩过。
• 方格尺寸：实际物理尺寸（mm），必须精确测量。误差 0.1mm 都会影响标定精度。
• 长宽比：建议两个方向的内角数不要相等（比如 9×6 而不是 8×8），否则算法在方向判断上容易混淆。

数学建模

棋盘格的数学模型其实很简单。假设每个方格尺寸为 s mm，那么第 i 行第 j 列的角点坐标就是：

X = j * s
Y = i * s
Z = 0  （假设标定板在 Z=0 平面）

所有角点构成一个平面点阵。这个点阵在图像中的投影，就是我们要检测的目标。

1.2 圆点阵标定板：高精度的选择

圆点阵（Circle Grid）是棋盘格的替代方案。它的核心优势是：圆心定位精度可以做到亚像素级。

设计原理

圆点阵由一系列等间距排列的圆形组成。检测时，算法提取每个圆的轮廓，然后拟合椭圆，取椭圆中心作为特征点。

设计要点：

• 圆直径：一般取方格尺寸的 60%-80%。太小了检测不到，太大了容易重叠。
• 圆心距：至少是直径的 1.5 倍，保证圆与圆之间不粘连。
• 非对称标记：通常会在某个角落去掉一个圆，用来确定方向。我习惯在左上角去掉一个，这样程序里好处理。

数学建模

圆点阵的数学模型和棋盘格类似，只是特征点从角点变成了圆心：

X = j * spacing
Y = i * spacing
Z = 0

其中 spacing 是圆心距。注意，这里的 i 和 j 是从 0 开始的索引。

但有个关键区别：圆在透视投影下会变成椭圆。椭圆中心并不是圆心的真实投影，存在一个小的偏移。这个偏移在高精度标定时必须补偿。具体补偿公式我们会在第 5 章详细讲。

1.3 ChArUco 板：棋盘格与 ArUco 的结合

ChArUco 板是我个人最喜欢的一种设计。它把棋盘格的角点检测能力和 ArUco 码的 ID 识别能力结合在了一起。

设计原理

ChArUco 板的结构是：在棋盘格的每个白色方格内嵌入一个 ArUco 码。这样，每个角点周围都有唯一的 ID 信息。

这样做的好处很明显：

• 自动识别方向：不需要手动指定标定板的朝向，算法自动识别。
• 部分遮挡也能用：即使只拍到一部分角点，也能通过 ID 知道它们在世界坐标系中的位置。
• 多板同时标定：可以在场景中放多个 ChArUco 板，算法自动区分。

数学建模

ChArUco 板的数学模型稍微复杂一些。它包含两层坐标：

1. 棋盘格角点坐标：和普通棋盘格一样，基于方格尺寸计算。
2. ArUco 码角点坐标：每个 ArUco 码的四个角点，相对于所在方格的位置是固定的。

举个例子，假设方格尺寸为 s，ArUco 码边长为 m（通常 m = s * 0.8），那么第 i 行第 j 列的 ArUco 码左上角坐标为：

X = j * s + (s - m) / 2
Y = i * s + (s - m) / 2
Z = 0

这样，每个 ArUco 码的四个角点坐标都能精确计算出来。

1.4 三种标定板的对比

我把三种标定板的核心差异整理成了表格，方便你选型时参考：

1.5 知识体系总览

下面这张图展示了本章的核心知识结构。你可以把它当作一个"导航图"，后续学习时随时回来对照。

1.6 选型建议与避坑指南

说了这么多，到底该怎么选？我给出几条实战建议：

• 如果你是初学者：从棋盘格入手。资料多，代码成熟，遇到问题容易找到答案。
• 如果你做工业标定：优先考虑圆点阵。我做过对比测试，同样条件下圆点阵的标定重投影误差比棋盘格低 30% 左右。
• 如果你要标定多相机系统：用 ChArUco 板。它能自动识别每个板子的 ID，省去手动匹配的麻烦。