3. 棋盘格设计原理：角点检测与尺寸确定

棋盘格标定板，说白了就是相机标定里最常用的“尺子”。它的核心原理，就是利用黑白格子相交的角点，来建立二维图像和三维空间之间的对应关系。我做了这么多年视觉，棋盘格始终是标定界的“老黄牛”——稳定、可靠、容易上手。

这一章，我们就来拆解棋盘格背后的三个关键问题：角点怎么检测？尺寸和内角点数怎么定？黑白格对比度到底要多高？

3.1 角点检测原理：棋盘格的“眼睛”

角点，就是黑白格子相交的那个点。你想想看，一张棋盘格图像里，最稳定的特征就是这些角点。它们不受光照变化、旋转、缩放的影响，非常适合用来做标定。

OpenCV 里最常用的角点检测函数是 cv::findChessboardCorners()。它的工作流程大致是这样的：

1. 图像预处理：把彩色图转成灰度图，再用自适应阈值二值化。说白了，就是把图像变成黑白分明的样子。
2. 轮廓提取：找到所有四边形轮廓，筛选出符合棋盘格拓扑结构的候选区域。
3. 角点定位：在候选区域内，用亚像素精度算法精确定位角点坐标。

我记得有一次，在工厂车间里标定一个机器人视觉系统。现场光线很差，普通标定板根本检测不到角点。后来我换了一块高对比度的棋盘格，又调整了光源角度，才勉强检测出来。嗯，这里要注意：角点检测的成败，很大程度上取决于图像质量。

3.2 棋盘格尺寸与内角点数：怎么选？

棋盘格的尺寸，包括两个参数：格子边长和内角点数。内角点数，就是棋盘格内部黑白格子相交的角点数量。比如一个 9×6 的棋盘格，内角点数就是 8×5 = 40 个。

我个人习惯这样选：

• 格子边长：根据标定距离和相机视场角来定。一般来说，格子边长占图像宽度的 1/10 到 1/20 比较合适。太小的格子，角点检测精度会下降；太大的格子，标定板覆盖的视场范围不够。
• 内角点数：至少 20 个以上。我建议用 8×6 或 9×7 的棋盘格，内角点数分别是 42 和 48 个。点数太少，标定参数容易过拟合；点数太多，检测时间会变长。

我曾经在一个项目里，为了追求高精度，用了 12×9 的棋盘格。结果呢？角点检测时间长了 3 倍，而且边缘角点经常漏检。后来我换回 9×7，效果反而更好。所以，不是越大越好，够用就行。

棋盘格规格	内角点数	适用场景	推荐程度
7×5	24	小视场、近距离标定	★★★☆☆
8×6	35	通用标定	★★★★★
9×7	48	高精度标定	★★★★☆
12×9	88	大视场、远距离标定	★★☆☆☆

3.3 黑白格对比度要求：别让角点“隐身”

对比度，就是黑白格子之间的亮度差异。对比度不够，角点检测算法就分不清边界。你想想看，如果黑格和白格看起来差不多，那角点不就“隐身”了吗？

我建议的对比度要求：

• 黑白格亮度差：至少 100 以上（0-255 灰度范围）。比如白格亮度 200，黑格亮度 50，差值 150，这就很理想。
• 避免反光：棋盘格表面要哑光处理。我曾经用过一张亮面打印的棋盘格，结果在灯光下一照，白格反光严重，角点检测直接失败。
• 环境光照：均匀、无阴影。如果光照不均匀，棋盘格上会出现明暗条纹，影响检测。

3.4 知识结构图：棋盘格设计核心逻辑

下面这张图，把棋盘格设计的三个核心要素串起来了。你可以看到，角点检测是目标，尺寸和对比度是手段，三者缺一不可。

3.5 实战建议：从设计到使用

最后，我总结几条实战建议，都是踩过坑换来的经验：

• 打印棋盘格：用哑光相纸或哑光 PVC 板，不要用亮面纸。打印时检查黑白格是否清晰，边界是否锐利。
• 固定棋盘格：标定板要贴在平整的硬板上，不能有褶皱或弯曲。我见过有人用软纸打印，结果标定板一弯，角点坐标全偏了。
• 多角度拍摄：标定时，棋盘格要在视场内移动，覆盖不同位置和角度。至少拍 15-20 张图像，才能保证标定参数稳定。
• 检查角点：检测完成后，用 cv::drawChessboardCorners() 把角点画出来，肉眼检查是否有漏检或错检。