第三节：相机标定原理——标定板设计、张正友法与单应性矩阵
各位同学，今天我们聊一个绕不开的话题——相机标定。
说实话，我入行头两年，一直觉得标定就是个“走流程”的事。直到有一次在产线上，一个视觉引导项目死活对不准，折腾了三天，最后发现是标定板打印尺寸输错了。嗯，从那以后，我再也不敢小看这一步。
相机标定，说白了就是给相机“配眼镜”。让相机知道：
它看到的像素坐标，到底对应真实世界的哪个位置。
一、标定板设计——棋盘格 vs 圆点阵
标定板是标定的“尺子”。没有一把好尺子，你量什么都不准。
1. 棋盘格标定板
这是最经典、最常用的方案。黑白格子交替排列，角点清晰，检测算法成熟。
- 优点：角点检测精度高，亚像素提取稳定
- 缺点：需要完整视野，边缘格子容易被裁切
- 我个人的习惯：棋盘格尺寸选 7×9 或 9×11，格子边长 10mm~30mm 之间
小技巧：打印棋盘格时，一定要用激光打印机，喷墨的容易洇墨，角点会偏移。我吃过这个亏。
2. 圆点阵标定板
圆点阵在工业场景中也很常见，尤其是大视场或远距离标定。
- 优点：圆心检测不受透视畸变影响，适合大角度标定
- 缺点：需要精确知道圆心坐标，对光照敏感
- 避坑指南：我曾经用圆点阵标定一个广角镜头，结果发现边缘圆点变成了椭圆，圆心偏移严重。后来加了畸变校正预处理才解决。
| 对比项 | 棋盘格 | 圆点阵 |
|---|---|---|
| 检测精度 | 高（亚像素角点） | 中（圆心拟合） |
| 抗畸变能力 | 一般 | 较好 |
| 实现难度 | 低 | 中 |
| 适用场景 | 常规视觉引导 | 大视场、大角度 |
二、张正友标定法原理
张正友教授在1998年提出的这个方法，可以说是视觉标定领域的里程碑。为什么？因为它让标定变得“接地气”了。
以前的标定方法需要高精度的三维标定块，又贵又难用。张正友的方法只需要一个平面棋盘格，拍几张不同角度的照片就行。
核心思想：利用平面标定板上的已知点，建立从世界坐标到像素坐标的映射关系，然后通过多张照片的约束，解出相机内参和外参。
关键步骤：
- 拍摄 10~20 张不同姿态的标定板图像
- 提取每张图像的角点坐标
- 利用单应性矩阵求解内参初值
- 考虑畸变参数，进行非线性优化
你想想看，一个平面标定板，每张照片其实只能提供一个“单应性矩阵”的约束。但多张照片组合起来，就能把内参和外参解耦出来。这就是张正友法的精妙之处。
三、单应性矩阵求解
单应性矩阵（Homography Matrix），是连接标定板平面和图像平面的桥梁。
它的数学形式是 3×3 的矩阵，有 8 个自由度（最后一个元素归一化为 1）。
// 单应性矩阵的数学表达
// s * [u, v, 1]^T = H * [X, Y, 1]^T
// 其中：
// (u, v) 是图像像素坐标
// (X, Y) 是标定板上的世界坐标
// s 是尺度因子
// H 是 3×3 的单应性矩阵求解方法：
- 至少需要 4 对匹配点（因为每个点提供两个方程，8 个未知数需要 8 个方程）
- 实际中我会用 20~30 对点，用最小二乘法求解
- 常用算法：DLT（直接线性变换）+ RANSAC 剔除误匹配
注意：单应性矩阵假设标定板是平面。如果你的标定板有翘曲或不平整，求解出来的 H 矩阵会有误差。我曾经遇到一个项目，标定板贴在墙上，墙表面有细微的凹凸，结果标定误差一直下不去。后来换了刚性背板才解决。
四、知识体系结构图
下面这张图，是我自己整理的相机标定知识脉络。你看一遍，心里就有谱了。
五、实战建议
讲完理论，我给大家几个实在的建议：
- 标定板不要太小：至少占视野的 1/3 以上，否则角点检测不稳定
- 照片数量要够：我一般拍 15~20 张，覆盖视野的各个区域
- 姿态要多样：倾斜、旋转、平移都要有，不要只拍正面的
- 光照要均匀：避免反光和阴影，否则角点提取会飘
一句话总结：标定板是基础，张正友法是核心，单应性矩阵是工具。三者缺一不可。
好了，这一节的内容就到这里。下一节我们聊一聊手眼标定的具体实现，到时候我会分享一个我踩过的坑——标定顺序搞反了，结果机器人差点撞了相机。