高精度相机标定的12条准则

精确的标定对于大多数机器视觉和计算机视觉任务的性能至关重要。以下是我们通过大量实验和理论分析总结出的最佳实践建议：

1、选择合适尺寸的标定板

标定板需足够大以有效约束参数。理想情况下，当相机正面对齐拍摄时，标定板应至少覆盖图像总面积的一半。

2、在近似工作距离下进行标定

相机需聚焦于实际应用的近似工作距离（WD），且标定时及标定后不得更改镜头焦距和光圈。

3、标定板应具备高特征数量

优先使用精细图案，但需注意：过度精细的图案会降低检测鲁棒性。建议仅在相机分辨率高于300万像素且光照可控良好的场景中使用精细图案。

4、采集不同角度和倾斜的图像

移动标定板以覆盖图像全区域并确保均匀采样：

• 正面对齐图像（fronto-parallel images）可用于准确计算镜头畸变；
• 焦距和主点估计依赖于透视缩短（foreshortening）观测，需采集水平和垂直方向倾斜±45度以内的图像。超过45度倾斜会降低特征定位精度并引入偏差。

5、使用优质光源

光照条件常被忽视但至关重要：

• 标定板应采用可控的漫射光照明，强点光源会导致光照不均，可能引发检测失败并浪费相机动态范围；
• 阴影也会产生同样负面影响。

6、保证足够的观测数量

通常至少需要6张标定板图像进行标定。若使用高阶相机模型或畸变模型，增加观测数量可提升精度。

7、考虑使用编码标定板（如CharuCo板）

此类标定板可覆盖相机传感器和镜头边缘区域，有效约束畸变参数；即使部分特征点不满足其他条件，仍可采集有效数据。

8、标定精度依赖于标定板精度

激光或喷墨打印的标定板仅适用于验证和测试场景。

9、正确安装标定板和相机

• 为减少大型标定板的形变，建议垂直安装或平铺在刚性支撑面上，必要时移动相机而非标定板；
• 使用高质量三脚架，采集过程中避免触碰相机。

10、剔除无效观测

仔细检查单视图和单特征的重投影误差（reprojection errors），若存在异常值，需剔除后重新标定。

11、低重投影误差≠良好标定

低误差仅表明数据与模型匹配，可能存在过拟合风险。参数不确定性（Parameter uncertainties）才是衡量相机模型约束程度的关键指标。

12、分析重投影误差分布

误差的方向和大小不应与位置相关（即应呈随机分布）。Calib.io的Camera Calibrator软件提供强大的可视化工具，可用于分析重投影误差。

遵循上述实践可最大程度保证标定的准确性和精确性。

参考资料

• https://calib.io/blogs/knowledge-base/calibration-best-practices