C# + OpenCvSharp 4.x 实战：手把手教你搞定棋盘格相机标定（附完整源码）

C#与OpenCvSharp 4.x实战：工业级棋盘格相机标定全流程解析

在工业检测、增强现实和三维重建等领域，相机标定是确保视觉测量精度的基础环节。对于C#开发者而言，OpenCvSharp作为OpenCV的.NET封装库，提供了强大的计算机视觉能力，但官方文档多以C++为例，让不少.NET开发者望而却步。本文将完整演示如何从零构建一个棋盘格标定系统，涵盖项目搭建、图像采集、参数计算到畸变矫正的全流程，特别针对工业场景中的常见痛点提供解决方案。

1. 环境配置与项目初始化

1.1 创建Visual Studio项目

首先新建一个C#控制台应用项目（.NET Core 3.1+），通过NuGet安装以下关键包：

Install-Package OpenCvSharp4 -Version 4.5.5.20211231 Install-Package OpenCvSharp4.runtime.win -Version 4.5.5.20211231

注意：工业场景推荐使用LTS版本以避免兼容性问题，生产环境应锁定具体版本号。

1.2 棋盘格准备规范

标准棋盘格需满足以下技术要求：

• 黑白方格边长误差≤0.1mm
• 推荐尺寸：A3幅面（297×420mm）
• 角点数量：通常采用9×6或7×5等非对称布局

// 定义棋盘格参数 const int widthCorners = 9; // 水平方向内角点数 const int heightCorners = 6; // 垂直方向内角点数 Size patternSize = new Size(widthCorners, heightCorners);

2. 图像采集与角点检测

2.1 多角度拍摄策略

为获得稳定标定结果，建议采集15-20张不同视角的棋盘格图像，遵循以下原则：

• 覆盖相机整个视场范围
• 包含不同倾斜角度（30°-60°）
• 确保棋盘格占画面1/3以上面积

List<string> imagePaths = new List<string> { @"D:\Calibration\view1.jpg", @"D:\Calibration\view2.jpg", // ...更多图像路径 };

2.2 亚像素级角点优化

原始角点检测后需进行亚像素优化，这对工业检测尤为重要：

Mat grayImage = new Mat(); Cv2.CvtColor(srcImage, grayImage, ColorConversionCodes.BGR2GRAY); // 亚像素优化参数 Size winSize = new Size(11, 11); Size zeroZone = new Size(-1, -1); TermCriteria criteria = new TermCriteria( CriteriaTypes.Eps | CriteriaTypes.Count, 30, 0.001); Cv2.CornerSubPix( grayImage, ref corners, winSize, zeroZone, criteria);

参数说明：

3. 核心标定流程实现

3.1 世界坐标系构建

建立棋盘格的三维世界坐标，假设每个方格边长为25mm：

Mat[] CalcBoardCornerPositions(Size boardSize, float squareSize) { Point3f[] corners = new Point3f[boardSize.Width * boardSize.Height]; for (int i = 0; i < boardSize.Height; i++) { for (int j = 0; j < boardSize.Width; j++) { corners[i * boardSize.Width + j] = new Point3f(j * squareSize, i * squareSize, 0); } } return new Mat[] { Mat.FromArray(corners) }; }

3.2 相机参数标定

执行标定时需特别注意工业相机的特殊参数：

Mat cameraMatrix = Mat.Eye(3, 3, MatType.CV64F); Mat distCoeffs = Mat.Zeros(8, 1, MatType.CV64F); CalibrationFlags flags = CalibrationFlags.UseIntrinsicGuess | CalibrationFlags.FixAspectRatio; double rms = Cv2.CalibrateCamera( objectPoints, imagePoints, imageSize, cameraMatrix, distCoeffs, out Mat[] rvecs, out Mat[] tvecs, flags);

关键参数解析：

• FixAspectRatio：固定焦距比，适合已知传感器比例的工业相机
• UseIntrinsicGuess：使用初始估计加速收敛
• FixK3：对于普通镜头可忽略高阶径向畸变

4. 畸变矫正与质量验证

4.1 最优新相机矩阵计算

获取保留最大有效区域的矫正矩阵：

Mat newCameraMatrix = Cv2.GetOptimalNewCameraMatrix( cameraMatrix, distCoeffs, imageSize, 0.5, // alpha值控制裁剪程度 imageSize, out Rect validPixROI);

4.2 实时矫正实现

工业流水线常用以下两种矫正方式：

方式一：初始化映射表（适合固定分辨率）

Mat map1, map2; Cv2.InitUndistortRectifyMap( cameraMatrix, distCoeffs, Mat.Eye(3,3,MatType.CV64F), newCameraMatrix, imageSize, MatType.CV_16SC2, out map1, out map2); // 实时矫正 Mat distorted = frame.Clone(); Mat undistorted = new Mat(); Cv2.Remap( distorted, undistorted, map1, map2, InterpolationFlags.Linear);

方式二：直接矫正（灵活但稍慢）

Mat undistorted = new Mat(); Cv2.Undistort( distorted, undistorted, cameraMatrix, distCoeffs, newCameraMatrix);

4.3 标定质量评估

通过重投影误差验证标定精度：

double ComputeReprojectionError(Mat[] objectPoints, Mat[] imagePoints) { double totalError = 0; for (int i = 0; i < objectPoints.Length; i++) { Mat projectedPoints = new Mat(); Cv2.ProjectPoints( objectPoints[i], rvecs[i], tvecs[i], cameraMatrix, distCoeffs, projectedPoints); double error = Cv2.Norm( imagePoints[i], projectedPoints, NormTypes.L2); totalError += error * error; } return Math.Sqrt(totalError / objectPoints.Length); }

误差评估标准：

• <0.1像素：优秀（适合精密测量）
• 0.1-0.3像素：良好（满足大部分工业需求）

• 0.5像素：需重新标定

5. 工业应用进阶技巧

5.1 高精度标定板选择

对于微米级检测需求，建议：

• 使用陶瓷基棋盘格（热膨胀系数<8×10⁻⁶/℃）
• 选择亚光表面（反射率<15%）
• 配套使用背光系统（亮度≥2000lux）

5.2 多相机系统标定

同步标定多个相机时需注意：

// 设置相同的世界坐标系 Mat objectPointsCommon = CalcBoardCornerPositions(...); // 分别标定各相机 double rms1 = Cv2.CalibrateCamera(objectPointsCommon, ...); double rms2 = Cv2.CalibrateCamera(objectPointsCommon, ...); // 计算相对位姿 Mat R, T; Cv2.CalibrateHandEye( rvecs1, tvecs1, rvecs2, tvecs2, out R, out T);

5.3 温度补偿方案

工业环境温度变化会影响标定结果，建议：

1. 在20±2℃环境下进行初始标定
2. 记录不同温度下的焦距变化曲线
3. 运行时根据温度传感器数据动态调整：

double tempCoeff = 0.002; // 典型CMOS温度系数 double deltaTemp = currentTemp - calibTemp; cameraMatrix.At<double>(0,0) *= (1 + tempCoeff * deltaTemp); cameraMatrix.At<double>(1,1) *= (1 + tempCoeff * deltaTemp);

实际项目中发现，使用钢制标定板在昼夜温差大的厂房，焦距变化可达0.3%，对于5米的工作距离意味着15mm的测量误差。通过植入温度补偿后，误差可控制在±1mm以内。