2. 标定流程标准化：图像采集规范、标定板位姿要求、标定算子选择策略

标定这件事，很多人觉得就是拍几张照片，跑个算子就完事了。但我在项目里见过太多「标定结果挺好，一上产线就偏」的情况。说白了，问题往往出在流程上——采集不规范、位姿随意、算子选错，这三座大山不倒，后面优化再努力也白搭。

这一章，我就把这三块掰开揉碎讲清楚。你按这个流程走，至少能保证标定结果可复现、可追溯、可落地。

2.1 图像采集规范：拍好一张图，标定成功一半

图像采集不是按快门那么简单。我见过有人用手扶着标定板拍，结果板子晃了0.5mm，标定误差直接翻倍。下面这几条，是我踩坑踩出来的硬规矩。

2.1.1 光照条件

• 均匀性优先：标定板表面光照不均匀，圆心提取精度会下降。我建议用漫射光源或环形光源，避免点光源直射产生高光斑。
• 避免过曝：标定板白色区域灰度值最好控制在200-240之间，不要超过250。过曝会让圆点边缘模糊，提取亚像素精度打折。
• 环境光稳定：如果产线有频闪灯或自然光变化，标定结果会漂。我习惯在标定前用grab_image连续抓几帧，看灰度波动是否在±5以内。

2.1.2 相机参数设置

2.1.3 图像数量与覆盖

最少拍多少张？我的经验是：15-20张。少于10张，畸变参数容易过拟合；多于30张，边际收益递减，还增加计算时间。

关键不是数量，是覆盖。你要让标定板出现在视场的：

• 四个角（各1-2张）
• 中心区域（3-4张）
• 边缘中间位置（各1张）
• 不同倾斜角度（绕X轴和Y轴各倾斜15-30°，各2-3张）
• 不同工作距离（如果景深较大，在近端和远端各拍几张）

2.2 标定板位姿要求：角度、距离、姿态，一个都不能少

标定板的位姿，直接决定了标定结果的稳定性和精度。我见过有人把标定板平放在桌面上拍了15张，结果畸变参数完全没约束——因为所有图像里标定板都在同一个平面，畸变模型根本解不出来。

2.2.1 位姿多样性原则

标定板在每张图中的位姿，应该尽量覆盖以下自由度：

• 平移：X、Y方向覆盖整个视场
• 旋转：绕Z轴（图像平面内）旋转0-360°，绕X/Y轴（倾斜）旋转0-30°
• 距离：Z方向覆盖工作距离的±10%

为什么要倾斜？因为畸变参数需要不同深度的约束才能解稳。如果所有图像都是正对相机拍的，径向畸变和切向畸变会耦合在一起，解出来全是错的。

2.2.2 位姿禁忌

2.2.3 标定板选择建议

• 圆点阵列板：HALCON推荐使用caltab系列，圆点间距已知，圆心提取精度高。我习惯用7×7或9×9的圆点板。
• 棋盘格：角点提取速度快，但亚像素精度略低于圆点板。适合对速度要求高、精度要求一般的场景。
• 尺寸选择：标定板边长约为视场短边的1/3到1/2。太小了，圆点间距测量误差占比大；太大了，边缘畸变严重。

2.3 标定算子选择策略：选对算子，事半功倍

HALCON里标定相关的算子不少，但核心就几个。我按使用场景给你梳理一下。

2.3.1 核心算子一览

2.3.2 算子选择逻辑

我一般按这个流程走：

1. 先确定相机模型：面阵相机用area_scan_division或area_scan_polynomial；线阵相机用line_scan。
2. 再选标定类型：单目标定用camera_calibration；双目标定用binocular_calibration；手眼标定用hand_eye_calibration。
3. 最后调参数：camera_calibration里有个EstimateParams参数，我建议第一次跑时设为'all'，让算法自动估计所有参数。如果结果稳定，再固定部分参数（比如主点）减少自由度。

2.3.3 参数调优要点

• 初始值：焦距和主点给个合理初值（比如焦距≈镜头焦距×像元尺寸的倒数），能加速收敛。我给初值时，误差从没超过5次迭代。
• 畸变模型：division模型参数少（1个畸变系数），适合大多数镜头；polynomial模型参数多（3-5个系数），适合大畸变镜头（如鱼眼）。我一般先用division，如果残差大于0.3像素再换polynomial。
• 优化方法：默认的'nonlinear'优化就够了。如果标定板位姿覆盖很好，结果通常一次收敛。

2.4 标定流程标准化框架

把上面三块串起来，我总结了一个标准流程。你按这个走，基本不会出大问题。