相机标定基础：针孔模型与畸变模型，标定板的设计与选择，Halcon标定助手的使用

各位同学，咱们今天聊点硬核的——相机标定。说实话，我入行头两年，觉得标定就是个“走流程”，随便拍几张棋盘格，跑个算子就完事了。直到有一次在汽车零部件项目上，3D测量精度死活差了0.15mm，查了三天，最后发现是标定板选错了材质。嗯，从那以后，我再也不敢小看这个“基础环节”了。

相机标定，说白了就是给相机“配眼镜”。它要回答两个问题：世界坐标系里的点，到底映射到了图像哪个像素？以及这个映射关系里，镜头本身带来了多少扭曲？搞懂了这两点，后面的3D测量和抓取位姿计算才有根基。

针孔模型：理想世界的投影

先看理想情况。针孔模型假设光线直线传播，穿过光心，在成像平面上形成倒像。数学上，它就是一个透视投影：

// 齐次坐标下的投影关系
λ * [u, v, 1]^T = K * [R | t] * [X, Y, Z, 1]^T

这里面，K是内参矩阵，包含焦距(fx, fy)和主点(cx, cy)；[R|t]是外参矩阵，描述相机在世界坐标系里的位置和朝向。我个人的习惯是，先把内参标定好，外参每次换场景再重新算——这样效率高，而且内参一旦稳定，后续的重复性就好很多。

你想想看，如果相机分辨率是500万像素，镜头焦距12mm，那fx和fy大概在3000-4000像素这个量级。标定出来的内参如果偏差超过0.5个像素，3D测量误差就会放大到毫米级——这在精密装配里是不能接受的。

畸变模型：现实世界的扭曲

理想很丰满，现实很骨感。镜头不是完美的针孔，它会把直线拍成曲线。这就是畸变。主要分两类：

• 径向畸变：光线在透镜边缘弯曲更厉害，产生“桶形”或“枕形”效果。用k1, k2, k3三个参数描述。
• 切向畸变：镜头和成像平面不平行，产生“梯形”偏移。用p1, p2两个参数描述。

我在项目中遇到过最夸张的一次，一个广角镜头的k1值到了-0.35，图像边缘的直线弯成了圆弧。如果不做畸变校正，3D重建出来的平面直接就是曲面。所以，畸变模型不是可选项，是必选项。

标定板的设计与选择

标定板是标定的“尺子”。尺子不准，量什么都白搭。我见过有人用A4纸打印棋盘格贴在纸板上，结果纸板受潮变形，标定出来的内参一天一个样。所以，标定板的选择有讲究：

类型	材质	精度等级	适用场景	我的建议
陶瓷棋盘格	陶瓷基板+光刻	±0.01mm	高精度3D测量	首选，热稳定性好
玻璃棋盘格	玻璃+铬层	±0.02mm	实验室/中等精度	注意防反光
亚克力/胶片	亚克力+印刷	±0.1mm	快速验证/教学	不推荐用于量产
圆点阵列板	陶瓷/玻璃	±0.01mm	高精度/大视场	圆点中心提取更稳定

我个人习惯用陶瓷圆点阵列板。为什么？因为圆点的亚像素中心提取比棋盘格角点更鲁棒，尤其是在光照不均匀或镜头畸变大的情况下。棋盘格角点容易受边缘模糊影响，而圆点中心是几何对称的，抗干扰能力强。

Halcon标定助手的使用

Halcon的标定助手（Calibration Assistant）是我用过最顺手的标定工具之一。它把复杂的数学计算封装成了可视化流程，但你不能只点“下一步”——你得理解每一步在干什么。

基本流程是这样的：

1. 加载标定板描述文件（.descr文件），告诉Halcon标定板的物理尺寸和图案结构。
2. 采集标定图像：至少15-20张，覆盖视场的不同位置、不同角度、不同距离。
3. 提取标定点：Halcon自动找到棋盘格角点或圆点中心，并给出亚像素坐标。
4. 执行标定：Halcon用最小二乘法求解内参、外参和畸变系数。
5. 验证标定结果：查看重投影误差，一般要求小于0.1像素。

这里有个关键点——标定图像的采集质量。我见过有人随便拍10张就标定，结果重投影误差0.5像素，还问我为什么测量不准。你想想看，如果标定板只放在画面中央，那边缘的畸变参数根本拟合不出来。正确的做法是：

• 标定板要出现在画面的四个角落和中心
• 标定板要倾斜15-30度，模拟实际测量中的角度变化
• 标定板距离要覆盖工作距离的±20%
• 光照要均匀，避免标定板表面出现高光或阴影

在Halcon里，标定助手的输出可以直接导出为相机参数文件（.cal文件）。后续的3D测量和手眼标定都依赖这个文件。我习惯把标定日期、相机型号、镜头焦距、标定板型号都写在文件名里，比如cam1_12mm_20250315.cal。这样半年后回看，还能知道当时用的什么配置。

下面这张图，是我自己总结的标定知识体系，帮你理清各个概念之间的关系：

最后说一句，标定不是一次性工作。相机镜头松动、温度变化、振动，都会导致内参漂移。我建议每周做一次快速验证标定，用同一块标定板拍一张照片，对比重投影误差。如果误差突然变大，赶紧重新标定。这个习惯，能帮你省掉很多排查问题的时间。