OCamCalib 工具箱 v1.0：鱼眼相机标定 8 步实操，平均重投影误差 ＜ 0.5 像素

OCamCalib 工具箱 v1.0：鱼眼相机标定 8 步实操，平均重投影误差 < 0.5 像素

鱼眼相机因其超广视角特性，在自动驾驶、VR全景、工业检测等领域应用广泛。但高达180°的视野范围也带来了严重的径向畸变，这使得标定成为使用前的必经步骤。OCamCalib作为一款专为鱼眼相机优化的标定工具，通过多项式模型拟合，可将平均重投影误差控制在0.5像素以内。本文将手把手演示从环境准备到结果验证的全流程操作。

1. 环境准备与数据采集

1.1 工具箱安装与配置

OCamCalib基于MATLAB运行，需提前安装MATLAB R2016b或更高版本。下载工具箱压缩包后，解压至任意路径（建议避免中文目录），在MATLAB命令行中导航至该目录执行：

addpath(genpath(pwd)) % 添加工具箱路径 savepath % 永久保存路径配置

常见问题排查：

• 若出现Undefined function错误，检查是否遗漏addpath步骤
• 图形界面显示异常时，尝试运行opengl hardwarebasic切换渲染模式

1.2 标定板选择与拍摄要点

推荐使用棋盘格标定板（建议8x6格以上），需注意：

• 材质：哑光表面避免反光
• 覆盖率：单张图片中棋盘格应占据50%-70%画面
• 角度变化：采集6-10张不同角度照片（示例见下表）

提示：拍摄时保持标定板平整，环境光照均匀。避免强光直射导致过曝。

2. 标定流程详解

2.1 图像加载与参数初始化

运行ocam_calib启动主界面，按顺序点击：

1. Read names→ 输入基础文件名（如fisheye）
2. Extract grid corners→ 设置棋盘格参数：
   • 角点数：输入实际内角点数量（如7x5格则输入[6,4]）
   • 方格尺寸：输入物理宽度（单位mm）
   • 中心估计：直接回车跳过

% 自动角点提取示例输出 Found 48 corners in image fisheye0.jpg Average corner error: 0.23 pixels

2.2 模型标定与优化

点击Calibration开始初始标定，关键参数说明：

完成初始标定后，继续执行：

1. Find center：耗时较长（约5-10分钟），用于精确定位图像中心
2. Calibration Refinement：进一步优化参数，建议最大迭代设为100

注意：若重投影误差突然增大，可能是角点提取异常，需检查calib_data.reproj_error矩阵

3. 结果分析与验证

3.1 参数解读与模型导出

标定结果保存在ocam_model结构体中，核心参数包括：

ocam_model.ss % [a0 a1 a2 a3 a4]多项式系数 ocam_model.xc % 图像中心X坐标 ocam_model.yc % 图像中心Y坐标 ocam_model.c % 仿射变换参数C ocam_model.d % 仿射变换参数D ocam_model.e % 仿射变换参数E

典型输出示例：

ss = [-0.012, 0.943, -0.051, 0.008, -0.002] xc = 640.21 yc = 512.87

3.2 精度验证方法

通过工具箱内置功能验证标定质量：

1. Reproject on images：可视化角点重投影偏差
2. Analyse error：生成误差分布直方图
3. Show Extrinsic：检查外参合理性

验收标准：

• 平均重投影误差 < 0.5像素
• 95%角点误差 < 1.2像素
• 边缘区域误差不超过中心区域2倍

4. 实战技巧与异常处理

4.1 高阶参数调优

当基础标定结果不理想时，可尝试：

• 增加样本多样性：添加极端角度拍摄的图片
• 手动修正角点：对自动提取失败的图片使用Edit corners功能
• 调整权重策略：在calib_data.weight中给边缘角点更高权重

% 边缘角点加权示例 edge_idx = [1,6,31,36]; % 四角角点索引 calib_data.weight(edge_idx) = 2.0;

4.2 常见问题解决方案

实际项目中遇到过一个典型案例：某工业相机标定后边缘误差始终偏高，最终发现是镜头保护罩轻微变形导致的非对称畸变。更换配件后重测，误差从1.8像素降至0.4像素。