【相机内参标定实战】—— 从棋盘格到配置文件：手把手完成张正友标定

1. 为什么需要相机标定？

第一次接触计算机视觉项目时，我拿着USB相机拍了几张照片就直接开始做目标检测，结果发现检测框总是对不齐物体。后来才知道，就像人眼戴了度数不合适的眼镜会看不清东西一样，未经标定的相机拍出来的图像也存在畸变。相机内参标定就是给相机配一副"合适的眼镜"的过程。

张正友标定法之所以成为行业标准，是因为它只需要一张棋盘格就能完成标定。我做过对比实验：用未标定的相机测量物体间距，误差能达到5%以上；而标定后的测量误差可以控制在0.5%以内。对于需要精确测量的场景（如工业检测、SLAM建图），这个步骤绝对不能跳过。

2. 准备工作：硬件与软件配置

2.1 棋盘格打印注意事项

很多新手会忽略棋盘格的打印质量。我曾在普通A4纸上打印棋盘格，结果发现：

• 纸张弯曲会导致角点检测误差
• 反光面会干扰图像识别
• 打印机缩放可能改变实际尺寸

最佳实践是：

1. 使用相纸或卡纸打印
2. 将棋盘格贴在平整的硬纸板上
3. 用游标卡尺测量至少5个方格的边长取平均值
4. 确保棋盘格边长误差小于0.1mm

2.2 开发环境搭建

ROS环境配置是个容易踩坑的环节。最近帮学员调试时发现，不同版本的ROS对USB相机的支持差异很大。推荐以下稳定组合：

# Ubuntu 18.04 + ROS Melodic sudo apt-get install ros-melodic-usb-cam sudo apt-get install ros-melodic-camera-calibration

如果遇到设备权限问题，可以尝试：

# 将当前用户加入video组 sudo usermod -a -G video $USER # 查看设备节点 ls -l /dev/video*

3. 标定实操全流程

3.1 启动相机节点

常见的一个误区是直接使用默认启动参数。实际上，分辨率设置不当会导致标定失败。建议先查询相机支持的分辨率：

v4l2-ctl --list-formats-ext

然后在launch文件中指定分辨率：

<param name="video_width" value="1280"/> <param name="video_height" value="720"/>

3.2 标定程序参数详解

很多人照搬教程里的--size 8x6参数，其实这个值应该是棋盘格内角点数量。比如9x7的棋盘格，内角点就是8x6。我建议在启动标定程序前先用OpenCV检测：

import cv2 img = cv2.imread('chessboard.jpg') ret, corners = cv2.findChessboardCorners(img, (8,6)) print("角点检测结果:", ret)

3.3 数据采集技巧

新手常犯的错误是只在一个位置拍摄。根据我的经验，最佳采集策略是：

1. 覆盖整个视野：左上、中上、右上等9宫格位置
2. 多种倾斜角度：前后倾斜30°-45°
3. 不同距离：从最近对焦距离到2米外
4. 每张图像应有至少50%的棋盘格可见

当标定程序界面的X/Y/Size/Skew进度条都变绿时，说明数据已足够。这时候点击CALIBRATE按钮，等待约30秒计算完成。

4. 标定结果分析与应用

4.1 解读标定文件

标定生成的yaml文件中，这几个参数最关键：

camera_matrix: rows: 3 cols: 3 data: [fx, 0, cx, 0, fy, cy, 0, 0, 1] distortion_coefficients: rows: 1 cols: 5 data: [k1, k2, p1, p2, k3]

其中：

• fx/fy：焦距像素值，两者差值体现像素非正方形程度
• cx/cy：光学中心坐标，理想情况应在图像中心
• k1-k3：径向畸变系数
• p1-p2：切向畸变系数

4.2 验证标定效果

我常用的验证方法是拍摄另一组棋盘格图像，用OpenCV计算重投影误差：

mean_error = cv2.projectPoints(...)[1] print("平均重投影误差:", mean_error)

误差小于0.5像素说明标定质量良好，1-2像素可接受，超过2像素建议重新标定。

5. 常见问题排查

5.1 标定程序无响应

可能原因：

1. 相机话题名称不匹配：用rostopic list确认图像话题
2. 棋盘格尺寸单位错误：确保使用米制单位
3. OpenCV版本冲突：ROS自带OpenCV可能与系统版本冲突

5.2 畸变矫正效果异常

如果矫正后的图像出现严重扭曲，通常是：

1. 棋盘格移动太快导致运动模糊
2. 环境光线过暗/过亮
3. 标定板未被完整检测

建议在标定时打开可视化窗口实时观察：

rosrun image_view image_view image:=/image_rect

6. 进阶技巧与优化

6.1 多分辨率标定法

对于变焦镜头，我推荐在不同焦距下分别标定，建立内参-焦距查找表。具体步骤：

1. 固定5-7个典型焦距位置
2. 在每个焦距下完成标定
3. 将结果存储为字典结构

6.2 自动标定脚本

对于需要频繁标定的场景，可以编写自动化脚本：

import subprocess subprocess.run(["rosrun", "camera_calibration", "..."]) while not check_calibration(): adjust_pose() save_results()

这个脚本的关键是实现check_calibration()函数，通过图像分析判断当前采集质量。