概述
相机标定（Camera Calibration）是确定相机内部参数和畸变系数的过程，是计算机视觉和机器人视觉系统的基础步骤。只有经过准确标定，才能从二维图像中恢复三维空间信息，或在多相机系统中建立准确的几何关系。
相机标定的目标是估计 相机模型 中的参数，主要包括内参矩阵 （焦距 和主点 ）以及畸变系数（径向畸变和切向畸变参数）。
标定方法
张正友标定法
张正友（Zhang’s Method）标定法是目前最广泛使用的相机标定方法，由微软研究院的张正友博士于 2000 年提出。该方法使用一个平面标定板（通常是棋盘格），通过在不同角度拍摄多张标定板图像来求解相机参数。
基本流程：
- 打印高精度棋盘格标定板，测量方格实际尺寸
- 从不同角度和距离拍摄 15-30 张标定板图像，覆盖视场各区域
- 检测每张图像中的棋盘角点，进行亚像素精化
- 使用 OpenCV
calibrateCamera()求解内参和畸变系数 - 计算 重投影误差 评估标定质量（目标 < 0.5 像素）
其他标定方法
| 方法 | 标定板 | 特点 |
|---|---|---|
| Charuco 标定 | ChArUco 混合板 | 部分遮挡时仍可用，鲁棒性更强 |
| 圆点标定 | 圆点阵列 | 检测精度高，适合高精度场景 |
| 自标定 | 无需标定板 | 从自然场景中估计参数，精度有限 |
外参标定
除了内参标定，多传感器系统还需要标定传感器之间的外参（相对位姿）。常见的外参标定包括：
- 双目标定：确定左右相机之间的旋转和平移关系
- 相机-IMU 标定：确定相机和 IMU 之间的时空变换关系，常用 Kalibr 工具
- 手眼标定：确定相机与机器人末端执行器之间的变换关系
标定质量评估
- 重投影误差：将标定板角点的三维坐标通过估计的相机参数投影回图像，与检测到的角点比较，误差越小越好
- 覆盖率：标定图像应覆盖视场的各个区域，尤其是边角区域
- 标定板姿态多样性：应包含不同的倾斜角度和距离
相关工具库
- OpenImuCameraCalibrator：开源的 IMU-相机联合标定工具
- imu_tk：IMU 内参标定工具
- Kalibr：ETH Zurich 开发的多传感器标定工具集
- OpenCV
calibrateCamera()：最常用的单目/双目标定接口