1. 标定基础认知：什么是四线扫相机标定、标定的核心目的、标定在视觉系统中的地位

1.1 到底什么是四线扫相机标定？

先别急着看公式。咱们先聊聊，标定到底在干什么。

四线扫相机，说白了就是四个线阵相机拼在一起干活。每个相机拍一条线，四条线合成一张完整的图像。但问题来了——这四个相机装上去的时候，不可能完全对齐。角度差一点、高度偏一点，拍出来的四条线就对不上了。

标定，就是给这四个相机“统一坐标系”的过程。

我个人的理解更直白：标定就是告诉软件——“每个像素点，对应真实世界中的哪个位置”。对于四线扫来说，还要额外解决四个相机之间的拼接关系。

嗯，这里要注意：线阵相机的标定和面阵相机不一样。面阵相机一次拍一个面，线阵相机一次拍一条线。所以它的标定板、标定算法、数学模型都有区别。我刚开始做线阵标定时，就拿着面阵那套往上套，结果折腾了两天没搞定……后来才明白，线阵的模型是“一维成像 + 运动补偿”，不是简单的二维映射。

1.2 标定的核心目的是什么？

你可能会问：标定到底解决了什么问题？我直接装上去用不行吗？

不行。真的不行。

我遇到过不止一个项目，客户说“我们相机装好了，你来看看为什么图像是歪的”。到现场一看，四个相机的图像拼起来，接缝处错位了十几个像素。这就是没标定或者标定没做好的典型后果。

标定的核心目的，我归纳为四点：

目的	说明	不标定的后果
消除畸变	线阵镜头也有畸变，尤其是广角或大视野场景	图像边缘弯曲，测量不准
统一坐标系	四个相机各自的世界坐标映射到同一个参考系	拼接错位，无法合成完整图像
像素当量标定	确定每个像素对应多少毫米（或微米）	测量值全是像素数，没法换算成实际尺寸
运动方向校准	线阵相机依赖运动，标定要补偿运动方向与相机轴线的夹角	图像拉伸或压缩，比例失真

说白了，标定就是给视觉系统装上一把“尺子”。没有这把尺子，你看到的图像再清晰，也只是个好看的图片，不是可测量的数据。

1.3 标定在视觉系统中的地位

这个问题，我想用一个图来说明。

从这张图你能看出来：标定在最底层。它不直接参与检测，但所有检测都依赖它。

我举个例子你就明白了。假设你要测一个零件的宽度，精度要求0.01mm。如果标定给出的像素当量是0.02mm/pixel，那你的测量分辨率就只有0.02mm，永远达不到0.01mm的要求。这就是标定决定了系统能力的上限。

再比如四线拼接。四个相机各自拍到的图像，如果标定没做好，接缝处就会出现错位。错位1个像素，可能还能忍；错位5个像素，检测算法就会把接缝误判为缺陷。我有个项目就是这样——客户一直抱怨误检率高，最后发现是标定参数过期了，重新标定后误检率从8%降到了0.3%。

1.4 标定的输入与输出

搞清楚标定是什么、为什么、有什么用之后，咱们再看看标定具体要做什么。

项目	内容
输入	标定板图像（通常是高精度陶瓷板或玻璃板）、相机参数（像元尺寸、焦距等）、运动机构参数（编码器分辨率、运动方向等）
输出	内参矩阵（焦距、主点、畸变系数）、外参矩阵（旋转矩阵、平移向量）、像素当量（mm/pixel）、拼接偏移量（Δx, Δy, Δθ）
工具	标定板、标定软件（Halcon、OpenCV、自研算法）、运动控制平台

这里我想多说一句：标定板的选择很关键。便宜的陶瓷板精度不够，贵的玻璃板又怕碎。我个人习惯是：实验室用玻璃板，产线用陶瓷板。玻璃板精度高但脆弱，陶瓷板耐造但精度稍低。根据项目需求选，别盲目追求高精度。

1.5 小结

这一章咱们聊了三个问题：

• 什么是四线扫标定——给四个相机统一坐标系，消除畸变，实现拼接
• 标定的核心目的——畸变校正、坐标统一、像素当量、运动补偿
• 标定的地位——视觉系统的底层基础，决定系统精度上限

记住一句话：标定做不好，后面全是白忙活。我见过太多工程师把精力花在算法调优上，却忽略了标定这个根基。结果就是，算法再牛，数据源是歪的，输出也是歪的。