4. 相机内参标定误差：畸变模型、焦距误差、主点偏移对标定结果的影响
相机内参标定，说白了就是给相机做“体检”。你想想看，手眼标定的本质，是把相机看到的像素坐标，和机器人知道的世界坐标对齐。如果相机自己的“体检报告”都不准，那后面再怎么算，都是白搭。
我个人习惯，每次做手眼标定之前，一定会先确认内参标定的质量。因为内参误差会直接“传染”给外参，而且很难排查。今天我们就来拆解一下，内参里最容易出问题的三个地方：畸变模型、焦距误差、主点偏移。
4.1 畸变模型：镜头天生的“近视”与“散光”
没有镜头是完美的。哪怕是几万块的工业镜头，也逃不过畸变。畸变主要分两种：径向畸变和切向畸变。
- 径向畸变：光线通过镜头边缘时，弯曲程度比中心大。表现为“桶形畸变”（画面向外鼓）或“枕形畸变”（画面向内凹）。
- 切向畸变：镜头和成像平面不平行，导致画面像被“拧”了一下。这个在装配不良的镜头里更常见。
标定的时候，我们通常用多项式模型去拟合畸变。比如 OpenCV 里用的就是 k1, k2, k3, p1, p2 这五个参数。但这里有个坑：模型阶数选错了，或者标定板覆盖不全，畸变参数就会“跑偏”。
畸变模型不准，最直接的影响是：像素坐标的“真实位置”被扭曲了。你想想看，手眼标定里，我们提取的角点坐标，如果先被错误的畸变模型“矫正”了一遍，那这个坐标本身就是错的。外参算出来，自然也是错的。
4.2 焦距误差：放大倍数的“失准”
焦距 fx, fy，决定了像素坐标和物理尺寸之间的比例关系。你可以把它理解成“放大倍数”。
焦距误差的来源，通常有两个：
- 标定板距离变化不够：如果所有标定图像都在同一个深度拍摄，焦距和深度之间会产生耦合，解不出来。我见过有人把标定板贴在墙上，相机前后移动不到 10cm，结果焦距误差能到 5%。
- 镜头调焦环松动：工业镜头如果没锁紧，调焦环轻微转动，焦距就变了。这时候你之前标定的内参，全部作废。
焦距误差会怎么影响手眼标定？举个例子：
假设你的机器人末端移动了 100mm，相机看到像素移动了 200 个像素。如果焦距是 1000 像素/mm，那算出来就是 0.2mm/像素。但如果焦距实际是 1020，那你的位移估计就会偏 2%。这个误差会直接进入手眼矩阵的平移部分，而且随着工作距离增大，误差会线性放大。
4.3 主点偏移：光轴对不准的“偏心”
主点 cx, cy，理论上应该是图像的中心。但实际镜头装配时，光轴和 CMOS 中心很难完全对齐。这个偏移量，就是主点偏移。
主点偏移的影响，在视野边缘尤其明显。你想想看，如果主点偏了 10 个像素，那画面左上角和右下角的“真实方向”都会跟着偏。在手眼标定里，这会导致旋转矩阵的估计出现系统性偏差。
我遇到过最头疼的情况，是主点偏移和畸变参数互相“打架”。标定算法如果自由度太高，畸变参数会去“补偿”主点偏移，导致两个参数都不准。这时候你单独看重投影误差可能很小，但一用到手眼标定里，就露馅了。
| 内参参数 | 典型误差来源 | 对手眼标定的影响 | 我的避坑方法 |
|---|---|---|---|
| 畸变系数 (k1, k2, p1...) | 标定板未覆盖边缘、模型阶数不足 | 角点位置扭曲，外参平移和旋转都错 | 确保标定板出现在画面四角和边缘 |
| 焦距 (fx, fy) | 标定距离变化不够、镜头松动 | 平移分量比例误差，随距离放大 | 至少 3 个深度，20+ 张图 |
| 主点 (cx, cy) | 镜头装配偏差、与畸变耦合 | 旋转矩阵系统性偏差 | 先固定畸变模型，再优化主点 |
4.4 内参误差的“传染链”
为了让你更直观地理解，我画了一张图。它展示了内参误差是怎么一步步“传染”到手眼标定结果里的。
从这张图可以看得很清楚：内参误差不是“独立”的，它会沿着标定流程一路向下传导。你如果在手眼标定阶段发现误差很大，不妨回头检查一下内参标定的质量。
4.5 如何快速诊断内参标定质量？
这里分享几个我常用的“土办法”：
- 重投影误差检查：标定完成后，看所有角点的平均重投影误差。如果超过 0.5 像素，我建议重新标定。0.1 像素以下才算优秀。
- 畸变矫正预览：把一张标定板图片做畸变矫正，看看边缘的直线是不是真的变直了。如果还有弯曲，说明畸变参数没学好。
- 焦距稳定性测试：在不同距离各拍 5 张图，分别标定，看焦距的波动。如果波动超过 0.5%，说明标定过程有问题。
嗯，内参标定这块，说白了就是“基础不牢，地动山摇”。你花 80% 的精力把内参搞准了，手眼标定那 20% 的工作就会顺利很多。别嫌麻烦，这步省不了。