ArUco Charuco 检测

ArUco/Charuco 检测是计算机视觉里常用的“人工标记”识别与位姿估计技术，常用于相机标定、外参标定、AR 放置、机器人定位等。

核心概念

• ArUco 标记
  • 黑白方形靶标，外黑框、内为二值编码格子（如 4x4/5x5/6x6），每个标记有唯一 ID，来自某个“字典”（dictionary）。
  • 检测输出：每个标记的四个角点像素坐标和其 ID；已知相机内参与实际边长即可估计相机 - 标记的位姿（rvec/tvec）。
• Charuco 板
  • “Chessboard + ArUco”的混合标定板：棋盘格上嵌入 ArUco 小方块。
  • 流程：先检出 ArUco，利用其 ID 确认棋盘格几何关系，再对棋盘交点做亚像素精确定位。
  • 优点：比纯 ArUco 更精确（棋盘角点可亚像素）、比纯棋盘更鲁棒（部分遮挡/运动模糊时仍可依赖 ArUco ID 关联），非常适合相机标定与外参标定。

工作流程（简述）

1. 读取图像并转灰度；选择 ArUco 字典（如 DICT_5X5_100）。
2. detectMarkers → 返回 corners、ids。
3. 如需位姿：estimatePoseSingleMarkers（需相机内参、畸变和标记实边长）。
4. Charuco：
   • 创建 CharucoBoard（指定棋盘尺寸、squareLength、markerLength、字典）。
   • detectMarkers → interpolateCornersCharuco → 得到棋盘交点与其 ID。
   • 标定：calibrateCameraCharuco；位姿：estimatePoseCharucoBoard 或用 solvePnP。

OpenCV 常用接口（cv2.aruco/cv::aruco）

• getPredefinedDictionary / Dictionary
• detectMarkers, drawDetectedMarkers
• estimatePoseSingleMarkers, drawAxis
• CharucoBoard, interpolateCornersCharuco
• calibrateCameraCharuco, estimatePoseCharucoBoard
• refineDetectedMarkers（在拥挤或部分遮挡场景提升检测）

应用场景

• 单目/双目相机标定与多传感器外参标定
• 机器人/无人机定位与导航、视觉伺服
• AR 虚实对齐、工位/夹具定位

实用建议

• 选字典与尺寸：距离远/分辨率低时用更大标记或更高基元数的字典（5x5/6x6），保证打印质量与对比度。
• 标定用 Charuco：设定准确的 squareLength 与 markerLength（单位一致，毫米/米皆可），拍摄尽量覆盖不同姿态与视场。
• 光照与清晰度：避免强反光与运动模糊；开启亚像素角点优化可提升精度。
• 与 AprilTag 对比：AprilTag 在远距/低质图像上常更稳、更准；ArUco 在 OpenCV 里集成度高、易用、速度也很快。

极简示例（Python，思路展示）

• ArUco 位姿
  • dict = cv2.aruco.getPredefinedDictionary(cv2.aruco.DICT_5X5_100)
  • corners, ids, _ = cv2.aruco.detectMarkers(gray, dict)
  • rvecs, tvecs, _ = cv2.aruco.estimatePoseSingleMarkers(corners, marker_length_m, K, dist)
• Charuco 标定
  • board = cv2.aruco.CharucoBoard((cols, rows), square_len_m, marker_len_m, dict)
  • corners, ids, _ = cv2.aruco.detectMarkers(gray, dict)
  • ok, ch_corners, ch_ids = cv2.aruco.interpolateCornersCharuco(corners, ids, gray, board, cameraMatrix=K, distCoeffs=dist)
  • 标定：cv2.aruco.calibrateCameraCharuco(…累积多帧的 ch_corners/ch_ids/board…)