3、相机成像与镜头畸变基础：针孔模型、内参外参、径向畸变与切向畸变、畸变对测量的影响

在机器视觉测量项目中，Halcon 2D标定助手的核心任务就是求解相机成像模型中的各项参数，并利用这些参数对图像进行畸变校正和世界坐标重建。如果对成像模型和畸变原理缺乏系统理解，标定过程就会变成“黑盒操作”——即使标定报告显示误差很小，实际测量结果仍可能出现系统性偏差。本章从针孔模型出发，逐步拆解内参、外参的物理含义，深入分析径向畸变与切向畸变的成因与数学表达，最后通过一个实际案例说明畸变对高精度测量的具体影响。

上图展示了从世界坐标到像素坐标的完整链路：世界坐标先通过外参（旋转矩阵 R 和平移向量 t）变换到相机坐标系，再经针孔投影得到理想像素坐标，最后叠加镜头畸变得到实际像素坐标。Halcon 标定助手的作用，就是通过拍摄不同位姿的标定板，反向求解出这些参数。下面逐一展开。

3.1 针孔模型：理想成像的数学描述

针孔模型是相机成像的最基本近似。它假设光线沿直线传播，所有光线通过一个无限小的“针孔”（即光心），在传感器平面上形成倒立的实像。实际镜头虽然由多片透镜组成，但在数学上可以等效为一个针孔加上畸变修正。

针孔模型的投影公式为：

λ * [u, v, 1]^T = K * [R | t] * [Xw, Yw, Zw, 1]^T

其中 K 为内参矩阵：

K = [fx  0  cx]
    [ 0 fy  cy]
    [ 0  0   1]

fx、fy 分别为 x、y 方向的等效焦距（单位：像素），通常 fx = f / dx，其中 f 为物理焦距（mm），dx 为像素物理尺寸（mm/pixel）。cx、cy 为主点坐标，即光轴与传感器平面的交点。对于大多数工业相机，fx 与 fy 非常接近，但并非完全相等——这取决于传感器像素是否为正方形。

3.2 内参与外参：标定要解决的两类参数

内参描述相机自身的几何光学特性，包括焦距、主点、像素尺寸和畸变系数。内参一旦确定，在镜头和相机相对位置不变的情况下保持不变。外参描述相机在世界坐标系中的位置和姿态，即旋转矩阵 R 和平移向量 t。每次移动相机或标定板，外参都会改变。

在 Halcon 标定助手中，内参和外参是同时求解的。标定板上的圆形标记点（或棋盘格角点）提供了已知的世界坐标，通过检测图像中的对应点，建立 2D-3D 对应关系，使用非线性优化算法（如 Levenberg-Marquardt）最小化重投影误差。

3.3 径向畸变与切向畸变：成因与数学模型

实际镜头并非完美针孔，光线经过透镜时会发生折射，导致成像点偏离理想位置。畸变主要分为两类：

• 径向畸变（Radial Distortion）：由透镜表面曲率引起，光线离光轴越远，折射越强。表现为图像边缘的桶形畸变（负畸变）或枕形畸变（正畸变）。数学模型为：

x_dist = x * (1 + k1*r² + k2*r⁴ + k3*r⁶)
y_dist = y * (1 + k1*r² + k2*r⁴ + k3*r⁶)

其中 r² = x² + y²，x、y 为归一化图像坐标（以主点为中心，除以焦距）。k1、k2、k3 为径向畸变系数，通常 k3 仅在鱼眼镜头或高畸变广角镜头中使用。

• 切向畸变（Tangential Distortion）：由透镜与传感器平面不平行引起，导致图像在某个方向上被拉伸。数学模型为：

x_dist = x + [2*p1*x*y + p2*(r² + 2*x²)]
y_dist = y + [p1*(r² + 2*y²) + 2*p2*x*y]

p1、p2 为切向畸变系数。在工业镜头中，切向畸变通常远小于径向畸变，但在高精度测量中不可忽略。

3.4 畸变对测量的影响：从“看起来正常”到“实际偏差”

畸变对测量的影响是渐进的。在图像中心区域，畸变很小；越靠近边缘，畸变越显著。对于高精度测量（如公差 ±0.01mm），即使 0.5 像素的畸变也可能导致不可接受的误差。

以一个实际案例说明：某电子元件引脚间距测量项目，使用 500 万像素相机（2448×2048），视场 50mm×40mm，像素当量约 0.02mm/pixel。未校正畸变时，在图像边缘（距离主点约 1200 像素）测量两个引脚间距，结果比实际值偏大 0.15mm。经标定后，畸变系数 k1 = -0.08，校正后测量偏差降至 0.005mm 以内。

这个案例的关键在于：畸变不是固定偏移，而是随位置变化的非线性误差。如果只在中心区域测量，可能完全察觉不到问题；一旦测量区域扩展到边缘，误差就会急剧增大。

3.5 标定操作流程与常见误区

在 Halcon 2D 标定助手中，标准操作流程如下：

1. 准备标定板：选择高精度陶瓷或玻璃标定板，确保表面平整、图案清晰、对比度高。
2. 采集图像：拍摄 10-20 张不同位姿的标定板图像，覆盖视场各个区域，包括中心、边缘、倾斜角度（建议 15°-30°）。
3. 加载图像：在标定助手中加载图像序列，设置标定板描述文件（.descr）。
4. 检测标记点：助手自动检测标定板上的圆形标记点或棋盘格角点。
5. 标定计算：点击“标定”按钮，Halcon 优化求解内参和外参。
6. 验证结果：查看重投影误差（RMS），通常应小于 0.1 像素；检查内参是否在合理范围内。