1. 标定板概述

做双目视觉的朋友，一定绕不开标定板。说白了，标定板就是我们给相机准备的「尺子」和「参考系」。没有它，两个相机之间怎么配合、怎么算出深度信息，都是空谈。

我刚开始接触双目视觉时，觉得标定板不就是个棋盘格嘛，随便打印一张纸贴上就行。结果呢？标定出来的参数一塌糊涂，重建的三维点云全是扭曲的。后来才明白——标定板的质量，直接决定了整个系统的精度上限。

什么是标定板

标定板，是一个带有已知几何图案的平面物体。图案的特征点（角点或圆心）在世界坐标系中的位置是精确已知的。相机拍摄标定板后，通过图像中特征点的像素坐标，结合已知的世界坐标，就能解算出相机的内外参数。

嗯，这里要注意：标定板不只是一张图。它背后的核心是「已知的几何约束」。你想想看，如果连参考点都不准，那算出来的参数能准吗？

标定板在双目视觉中的作用

双目视觉的核心任务，是从左右两张图像中恢复出三维信息。这需要知道两个相机之间的相对位置关系——也就是外参（旋转矩阵R和平移向量T）。

标定板在双目视觉中，主要干三件事：

• 单目标定：分别标定左、右相机的内参（焦距、主点、畸变系数）。这一步是基础，内参不准，后面全白搭。
• 双目标定：通过同时拍摄标定板，计算两个相机之间的R和T。我记得第一次做双目标定时，怎么都对不准，后来发现是标定板太小，覆盖不了视场重叠区域。
• 立体校正：利用标定结果，将左右图像校正到同一平面上，使得对应点在同一行上。这一步做不好，视差计算就会出大问题。

常见标定板类型

市面上常见的标定板有三种。我挨个说说它们的特点和适用场景。

1. 棋盘格标定板

这是最经典、最常用的标定板。黑白相间的方格，角点检测算法成熟（OpenCV的findChessboardCorners）。

• 优点：检测速度快，亚像素精度高，算法稳定
• 缺点：需要完整的棋盘格出现在视野中，遮挡后容易检测失败
• 适用场景：实验室环境、高精度标定

我曾经在一个项目中，因为标定板边缘被遮挡了几个格子，结果角点检测直接报错。后来改用Charuco板才解决这个问题。

2. 圆点阵标定板

由规则排列的圆形点阵组成。圆心作为特征点。

• 优点：圆心定位精度高，对畸变不敏感，部分遮挡仍可工作
• 缺点：检测速度稍慢，需要椭圆拟合
• 适用场景：大视场角、高畸变镜头

说白了，如果你的镜头畸变很大（比如鱼眼镜头），圆点阵比棋盘格更靠谱。因为圆在畸变下变成椭圆，但椭圆中心的位置仍然准确。

3. Charuco板

这是棋盘格和ArUco码的结合体。每个格子内部嵌有唯一的二维码。

• 优点：支持部分遮挡，自动识别标定板ID，鲁棒性极强
• 缺点：生成和检测稍复杂，需要额外的二维码库
• 适用场景：现场环境、需要频繁移动标定板

我个人最喜欢用Charuco板。为什么呢？因为它不需要完整的棋盘格出现在视野中。你想想看，在现场标定时，标定板经常会被手或工具遮挡一部分。用棋盘格就废了，但Charuco板还能正常工作。

三种标定板的对比

类型	检测精度	遮挡鲁棒性	实现难度	推荐场景
棋盘格	高	低	低	实验室、高精度
圆点阵	高	中	中	大畸变镜头
Charuco板	中高	高	中高	现场、复杂环境

本章知识体系

下面这张图，帮你理清标定板的核心逻辑：

这张图把标定板的核心知识串起来了。从「是什么」到「有什么用」再到「有哪些类型」，一目了然。后面的章节，我们会深入每种标定板的设计细节和制作工艺。

---