3、标定板设计与制作：棋盘格标定板、圆点标定板、Charuco标定板、标定板精度要求

说到双目测距，标定板这东西，我敢说每个工程师都绕不开。它就像一把尺子，尺子不准，后面测出来的距离全是扯淡。今天咱们就聊聊这几种常见的标定板，以及它们背后的门道。

3.1 棋盘格标定板：最经典，也最“坑”

棋盘格，说白了就是黑白相间的格子。它为什么流行？因为角点检测算法成熟，OpenCV里直接调函数就能用。我刚开始做双目的时候，第一块标定板就是棋盘格，打印出来贴在硬纸板上就开干了。

但这里有个坑——棋盘格对光照极其敏感。你想想看，如果光线不均匀，黑白格子的对比度下降，角点检测就会飘。我曾经在车间里标定，头顶的日光灯正好在板子上方，结果角点检测出来全是歪的，折腾了一下午才发现是反光问题。

另外，棋盘格的尺寸设计也有讲究。我个人习惯让格子边长在20mm到40mm之间，太小了相机看不清，太大了又占视野。具体选多大，得看你相机的分辨率和视场角。

3.2 圆点标定板：精度更高，但别搞错圆心

圆点标定板，顾名思义就是一堆圆点排列成阵列。它的优势在于——圆心的定位精度比棋盘格的角点更高。为什么？因为圆心可以通过椭圆拟合得到亚像素级精度，而棋盘格的角点受限于梯度计算。

我记得有一次做高精度测量，要求误差控制在0.1mm以内。棋盘格标定出来的参数，重投影误差总是0.3个像素左右，换用圆点标定板后，直接降到了0.08个像素。嗯，差距就是这么明显。

但圆点标定板也有个麻烦事：透视变形。当相机倾斜拍摄时，圆点会变成椭圆，这时候拟合圆心就需要考虑透视投影模型。OpenCV的cv::findCirclesGrid函数虽然能处理，但如果你用的是非对称圆点阵列，记得把参数CALIB_CB_ASYMMETRIC_GRID加上。

3.3 Charuco标定板：棋盘格与ArUco的“混血儿”

Charuco标定板，说白了就是棋盘格里嵌入了ArUco码。它解决了两个痛点：

• 部分遮挡也能标定——传统棋盘格如果被遮挡一部分，角点就全废了。但Charuco通过ArUco码的ID信息，可以只利用可见部分完成标定。
• 自动识别板子方向——不用手动指定棋盘格的行列数，ArUco码自带方向信息。

我去年做一个机器人手眼标定的项目，现场空间狭小，标定板只能露出一半。用棋盘格死活标定不了，换成Charuco后，一次就过了。说实话，当时真有种“救星来了”的感觉。

生成Charuco标定板也很简单，OpenCV的cv::aruco::CharucoBoard类直接搞定。代码示例如下：

import cv2
import numpy as np

# 定义Charuco板参数
aruco_dict = cv2.aruco.getPredefinedDictionary(cv2.aruco.DICT_6X6_250)
board = cv2.aruco.CharucoBoard(
    size=(11, 8),          # 棋盘格内角点数
    square_length=0.03,    # 格子边长（米）
    marker_length=0.0225,  # ArUco码边长（米）
    dictionary=aruco_dict
)

# 生成并保存标定板图像
img = board.generateImage(outSize=(1200, 800))
cv2.imwrite('charuco_board.png', img)

3.4 标定板的精度要求：别让板子拖后腿

标定板的精度，直接决定了双目测距的精度上限。你想想看，如果板子上的格子位置本身就有0.5mm的误差，那标定出来的相机参数能准吗？

这里我列一个精度对照表，供你参考：

应用场景	标定板精度要求	推荐制作方式
普通视觉测量（误差>1mm）	±0.1mm	高精度打印 + 玻璃基板
精密测量（误差0.1~1mm）	±0.02mm	光刻工艺 + 陶瓷基板
超精密测量（误差<0.1mm）	±0.005mm	激光刻蚀 + 石英基板

我个人建议，别在标定板上省钱。淘宝上几十块钱的亚克力标定板，精度通常只有±0.2mm，玩玩可以，做项目就别用了。我见过一个团队，花了两万块买高精度标定板，结果测距精度直接提升了一个数量级。嗯，这笔钱花得值。

3.5 本章知识体系

下面这张图，是我梳理的标定板选型逻辑。你可以对照着看，哪种板子适合你的场景：

说白了，选标定板就三步：先看精度要求，再看遮挡情况，最后定材质工艺。别一上来就买最贵的，也别图便宜买最次的。适合你的场景，才是最好的。

---

公众号:蓝海资料掘金营，微信deep3321