📚 课程目录第2章标定板设计

标定板设计：选对板子，标定就成功了一半

说实话，标定板这东西，看着简单，坑却不少。我见过太多项目，算法调了半天，最后发现是标定板本身有问题。这一章，咱们就把标定板的类型选择和描述文件生成讲透。

圆点标定板 vs 棋盘格标定板

HALCON 支持两种主流标定板：圆点阵列和棋盘格。很多人问我哪个更好，我的回答是——看场景。

对比维度	圆点标定板	棋盘格标定板
特征提取	圆心亚像素精度高，抗噪能力强	角点提取速度快，但对模糊敏感
适用场景	高精度测量、远距离、大视场	近距、小视场、实时性要求高
光照鲁棒性	圆形轮廓对光照变化不敏感	棋盘格边缘易受反光影响
标定板制作	需要高精度打印，中心定位要求严	普通打印即可，角点位置天然准确
HALCON 算子	`find_caltab` + `find_marks_and_pose`	`find_chessboard` + `find_corners_chessboard`

我的经验： 如果项目要求重复精度在 0.01mm 以内，我首选圆点板。如果是做机器人手眼标定，棋盘格更方便，因为角点数量多，标定结果更稳定。

标定板描述文件（.descr）到底是什么？

说白了，.descr 文件就是标定板的「身份证」。它告诉 HALCON：你的板子长什么样、圆点多大、间距多少、排列方式如何。没有这个文件，HALCON 根本不知道你在拍什么。

文件内容其实是个文本，结构清晰。我拆开给你看：

# 圆点标定板描述文件示例
# 文件编码：UTF-8

calibration_object_type = 'calibration_object'
calibration_object_name = 'my_caltab_30mm'

# 标定板参数
num_marks = 7          # 每行/列圆点数量
mark_distance = 0.03   # 圆点间距（米）
mark_diameter = 0.015  # 圆点直径（米）

# 排列方式
pattern_type = 'circular'  # 圆点阵列
pattern_rows = 7
pattern_cols = 7

# 坐标系定义
coordinate_system = 'world'
origin = 'center'      # 原点在标定板中心

注意： 所有长度单位都是米！我见过有人写成毫米，结果标定出来的内参完全不对，折腾了两天才找到原因。

如何生成 .descr 文件？

HALCON 提供了两种方式，我分别说说。

方式一：使用 HALCON 自带工具 gen_caltab

这是最推荐的方式。打开 HALCON 的 HDevelop，运行以下代码：

* 生成圆点标定板描述文件
gen_caltab(
    7,           // X方向圆点数量
    7,           // Y方向圆点数量
    0.03,        // 圆点间距（米）
    0.5,         // 圆点直径与间距的比值
    'caltab_30mm.descr',  // 输出描述文件
    'caltab_30mm.ps'      // 输出打印文件（PostScript）
)

运行后，你会得到两个文件：

.descr 文件：给 HALCON 读的标定板参数
.ps 文件：打印用的矢量图，直接发给印刷厂

避坑指南： 我曾经直接用普通打印机打标定板，结果纸张受潮变形，标定精度直接崩了。后来我都是找专业印刷厂，用菲林片或铝基板制作，热膨胀系数小，精度才有保障。

方式二：手动编写 .descr 文件

如果你需要自定义标定板（比如非标准排列、异形板），可以手动写。但我不建议新手这么做，格式要求很严格，少一个字段 HALCON 就报错。

手动编写时，必须包含以下字段：

字段名	说明	示例值
`calibration_object_type`	对象类型，固定值	`'calibration_object'`
`num_marks`	每行/列圆点数量	`7`
`mark_distance`	圆点间距（米）	`0.03`
`mark_diameter`	圆点直径（米）	`0.015`
`pattern_type`	排列类型	`'circular'` 或 `'chessboard'`
`coordinate_system`	坐标系	`'world'`

标定板设计核心流程

下面这张图，是我做项目时脑子里始终绷着的一根弦——标定板设计不是随便画几个点就完事的。

参数设计的关键原则

我总结了几条铁律，照着做基本不会翻车：

圆点数量：7×7 或 9×9 最常用。太少标定精度不够，太多容易拍到不完整的板子。
圆点直径 = 间距 × 0.4~0.6。太大会粘连，太小提取不到。
标定板尺寸占视场的 1/3~2/3。太小了特征点不够，太大了边缘畸变严重。
背景用白色，圆点用黑色。对比度高，提取稳定。

实际案例： 去年做一个 500 万像素的视觉定位项目，客户自己做了个 5×5 的圆点板，间距 10mm。结果标定出来的畸变系数波动很大。我换成 7×7、间距 30mm 的板子，一次就过了。说白了，特征点数量不够，算法再牛也救不了。

棋盘格标定板的特殊之处

棋盘格和圆点板最大的区别在于：棋盘格不需要知道角点的物理直径，只需要知道格子边长。这听起来省事，但有个坑——棋盘格的角点对图像模糊非常敏感。

我做过对比测试：同样的镜头，棋盘格标定出来的焦距波动在 ±0.5%，而圆点板只有 ±0.1%。所以，如果你的项目对精度要求极高，别偷懒，用圆点板。

棋盘格的 .descr 文件生成方式类似：

* 生成棋盘格标定板描述文件
gen_chessboard_calibration_object(
    8,           // 内角点行数
    6,           // 内角点列数
    0.025,       // 格子边长（米）
    'chessboard_25mm.descr',
    'chessboard_25mm.ps'
)

注意： 棋盘格的 num_corners 是内角点数量，不是格子数量。比如 8×6 的棋盘格，实际有 9×7 个格子。这个搞反了，标定出来的结果会完全错位。

总结一下

标定板设计，说白了就是三个字：准、稳、对。准——物理尺寸要准；稳——特征提取要稳；对——描述文件参数要对。这三条做到了，标定就成功了一半。

嗯，这一章就到这里。记住，别在标定板上省钱，它决定了你整个视觉系统的精度上限。