单目相机标定完整流程

单目相机标定的完整流程，可分为“标定前准备→标定图像采集→特征点提取与预处理→参数求解→参数优化→畸变校正验证→标定结果保存与应用”7个核心步骤，每个步骤环环相扣，缺一不可。以下结合工程实操细节，详细拆解每个步骤的操作流程、操作标准和注意事项，确保读者能够一步步跟着操作，完成单目相机标定。

标定前准备

标定前的准备工作是确保标定精度的前提，主要包括4个方面，每一项都需严格按照要求操作，避免因准备不足导致标定失败或精度不足。

（1）标定物选择与准备：优先选择棋盘格标定板，推荐使用黑白棋盘格，格子数量建议选择9×6或10×7（棋盘格内角点数量，不含边框），格子尺寸根据拍摄距离确定，通常选择10mm、20mm或30mm，要求尺寸精准、平面度误差≤0.1mm。标定板材质选择磨砂塑料、金属或玻璃，避免表面反光；若使用纸质标定板，需固定在平整的硬纸板或木板上，防止标定板弯曲、变形，影响特征点的世界坐标准确性。同时，需准确记录棋盘格的格子尺寸，后续参数求解时需输入该参数。

（2）相机与设备准备：将单目相机固定在三脚架上，确保相机在拍摄过程中不会移动、晃动，避免因相机运动导致图像模糊、特征点偏移。关闭相机的自动对焦、自动曝光功能，固定焦距和光圈——若焦距或光圈发生变化，会导致内参改变，标定结果失效。同时，检查相机镜头是否干净、无污渍，镜头是否松动，若镜头松动，需重新固定，避免因镜头偏移导致切向畸变增大。

（3）拍摄环境准备：选择光线均匀、无强光直射、无阴影遮挡的拍摄环境，避免光照不均匀导致图像灰度差异不明显，影响特征点提取。拍摄区域需足够宽敞，确保能够灵活调整标定板的姿态，让标定板能够以不同角度、不同位置出现在相机视野中。同时，避免拍摄环境中有过多杂物，防止杂物遮挡标定板，影响特征点提取。

（4）软件准备：选择合适的标定软件，工程实践中最常用的是OpenCV（开源视觉库，支持C++、Python语言，可自行编写标定程序），也可使用MATLAB、Halcon等商业软件，或工业相机配套的标定工具。对于新手而言，推荐使用OpenCV-Python，代码简洁、操作便捷，且有大量开源案例可参考；若追求高效、便捷，可使用MATLAB的Camera Calibrator工具，可视化操作，无需编写复杂代码。

标定图像采集

标定图像采集是单目相机标定的核心环节，其核心要求是“采集足够数量、不同姿态、清晰可见的标定板图像”，确保特征点分布均匀、覆盖整个图像平面，为后续参数求解提供充足的约束条件。具体操作要点如下：

（1）图像数量要求：采集的标定板图像数量建议为10-20张，最少不低于8张。若图像数量过少，会导致参数求解的约束不足，标定精度下降；若图像数量过多，会增加特征点提取和参数求解的工作量，且不会显著提升标定精度，10-20张为最优区间。

（2）姿态调整要求：拍摄时，需不断改变标定板的姿态，确保标定板以不同角度、不同位置出现在相机视野中，具体要求包括：① 旋转姿态：将标定板绕水平轴、垂直轴旋转，旋转角度范围为0-90°，确保标定板能够呈现水平、垂直、倾斜等不同姿态；② 平移姿态：将标定板在相机视野中上下、左右平移，确保标定板的特征点能够覆盖图像的中心区域和边缘区域，避免特征点集中在图像中心；③ 距离调整：适当调整标定板与相机的距离，拍摄近距离、中距离、远距离的图像，距离范围建议为30cm-200cm，确保不同距离下的特征点成像清晰，同时避免距离过近导致畸变过大，距离过远导致特征点过小、模糊。

（3）图像质量要求：每张采集的图像都需满足“清晰、无模糊、无反光、无遮挡”的要求。拍摄时确保相机对焦清晰，避免运动模糊（可通过三脚架固定、缓慢调整标定板姿态实现）；避免标定板表面反光，若出现反光，可调整光源角度或在标定板表面张贴哑光贴纸；确保标定板完整出现在相机视野中，无遮挡、无裁剪，特征点清晰可见，避免因标定板遮挡导致特征点提取失败。

（4）拍摄注意事项：拍摄过程中，保持相机参数不变（焦距、光圈、曝光固定），避免因参数变化导致标定结果失效；拍摄时，标定板需保持平整，避免弯曲、折叠；每张图像的标定板姿态差异尽量大，避免姿态重复，确保参数求解的约束充足。

特征点提取与预处理

特征点提取的核心是提取标定板图像中的角点（棋盘格的内角点），并进行预处理，剔除异常点，确保特征点的定位精度，这是影响参数求解精度的关键环节。具体操作流程和实操要点如下：

（1）特征点粗提取：使用标定软件中的角点检测算法（如Harris角点检测、Shi-Tomasi角点检测），自动提取每张标定板图像中的内角点。提取时，需设置合适的检测参数（如角点响应阈值、最小角点距离），确保能够准确提取所有内角点，避免漏检、误检。例如，在OpenCV中，可使用cv2.findChessboardCorners()函数实现角点粗提取，参数设置需根据图像质量调整，确保提取效果。

（2）特征点亚像素精确化：粗提取的角点坐标通常为整数像素，存在一定的定位误差（误差约1-2像素），会影响标定精度。因此，需对粗提取的角点进行亚像素精确化处理，将角点坐标精准到0.1像素以内。常用的亚像素精确化算法包括迭代法、插值法，在OpenCV中，可使用cv2.cornerSubPix()函数实现，通过调整窗口大小、迭代次数，提升角点定位精度。

（3）特征点预处理与异常点剔除：提取完成后，需对特征点进行预处理，剔除异常点（如定位错误的角点、偏离整体分布的角点）。异常点的产生主要源于图像模糊、反光、遮挡等问题，若不剔除，会导致参数求解出现偏差。实操时，可通过软件可视化查看特征点提取结果，手动剔除明显的异常点；也可使用RANSAC算法，自动剔除异常点，提升特征点的可靠性。同时，需确保每张图像中的特征点数量一致，若某张图像的特征点漏检过多，需重新拍摄该图像。

（4）特征点匹配与坐标对应：将提取的角点与标定板的真实世界坐标进行对应——根据棋盘格的格子尺寸，预先计算出每个内角点的世界坐标（通常以标定板平面为世界坐标系z=0平面，左上角内角点为原点），然后将图像中的角点与对应的世界坐标一一匹配，确保每个特征点的图像坐标与世界坐标对应准确，这是参数求解的核心前提。

参数求解

参数求解是单目相机标定的核心计算环节，其核心逻辑是“根据特征点的世界坐标与图像坐标的对应关系，通过软件算法求解内参、外参和畸变系数”，无需手动计算，全程依托标定软件实现，实操要点主要在于参数设置和结果初步判断。

（1）参数设置：在标定软件中，输入棋盘格的格子尺寸，选择合适的畸变模型（普通单目相机推荐选择“径向畸变+切向畸变”模型，即包含k1、k2、p1、p2四个畸变系数；若镜头畸变严重，可加入k3高阶径向畸变系数）；设置参数求解算法（常用最小二乘法结合RANSAC算法，兼顾精度和鲁棒性）。

（2）自动求解参数：启动软件的参数求解功能，软件会自动根据特征点的对应关系，求解出相机的内参矩阵、每张图像对应的外参（旋转矩阵、平移向量）以及畸变系数。求解过程中，软件会自动计算重投影误差（前文已详细介绍，核心用于评价标定精度），重投影误差的大小的是判断参数求解效果的核心指标。

（3）初步结果判断：参数求解完成后，重点查看平均重投影误差和最大重投影误差。对于普通单目相机，平均重投影误差建议控制在0.5-1.0像素以内，最大重投影误差不超过3像素；若平均重投影误差大于1.0像素，或最大重投影误差超过3像素，说明参数求解存在偏差，需返回上一步，检查特征点提取质量或重新采集图像。

参数优化

参数求解完成后，通常需要进行参数优化，进一步降低重投影误差，提升标定精度。参数优化的核心是“以重投影误差最小化为目标，迭代调整内参、外参和畸变系数”，实操流程如下：

（1）迭代优化：使用软件中的迭代优化算法（如Levenberg-Marquardt算法），以重投影误差最小化为目标，迭代调整内参、外参和畸变系数，每次迭代后计算重投影误差，直到重投影误差降至合理范围，或迭代次数达到预设值。

（2）异常图像剔除：若优化后重投影误差仍较大，需查看每张图像的重投影误差分布，找出重投影误差过大的图像（如某张图像的重投影误差超过5像素），这类图像通常是由于拍摄模糊、特征点提取错误导致的，需剔除该图像，重新进行参数求解和优化。

（3）多次优化验证：重复迭代优化2-3次，确保重投影误差稳定在合理范围，同时检查参数的稳定性——若多次优化后，参数变化较小，说明标定结果稳定；若参数变化较大，需检查特征点提取或图像采集环节是否存在问题。

畸变校正验证

参数优化完成后，需进行畸变校正验证，检验标定结果的有效性，确保标定得到的参数能够准确消除镜头畸变，这是单目相机标定的关键检验环节，实操要点如下：

（1）选取验证图像：选取几张未参与标定的相机拍摄图像（与标定图像的拍摄环境、相机参数一致），作为验证图像，避免使用标定过程中采集的图像，确保验证结果的客观性。

（2）进行畸变校正：使用标定得到的内参和畸变系数，通过软件对验证图像进行畸变校正（如OpenCV中的cv2.undistort()函数），校正后得到无畸变的图像。

（3）效果验证：对比校正前后的图像，观察畸变消除效果——校正后的图像中，原本弯曲的直线应恢复笔直，物体的比例应恢复正常，边缘区域的变形应彻底消除。例如，拍摄一张包含直线的图像，校正前直线边缘弯曲（桶形或枕形畸变），校正后直线应保持笔直，无明显变形；若校正效果不佳，说明标定参数存在偏差，需返回参数优化环节，重新调整。

（4）精度验证：对于高精度场景（如工业检测），还需进行精度验证——使用标定后的相机拍摄已知尺寸的物体，测量图像中物体的像素尺寸，结合标定得到的内参，计算物体的真实尺寸，与实际尺寸对比，若误差在允许范围内，说明标定精度符合要求；若误差过大，需重新标定。

标定结果保存与应用

标定效果验证通过后，需保存标定结果，以便后续图像处理和应用中复用，实操要点如下：

（1）保存核心参数：将求解得到的内参矩阵、畸变系数保存为txt、xml或yaml格式的文件，方便后续软件调用。同时，可保存每张图像的外参，但外参随相机姿态变化，通常仅用于特定场景（如多视角成像），日常应用中主要复用内参和畸变系数。

（2）参数复用注意事项：若相机的硬件状态发生变化（如镜头松动、焦距调整、镜头更换），之前保存的标定参数会失效，需重新进行标定；若相机硬件状态未变，仅改变拍摄场景，可直接复用之前的标定参数，无需重新标定。

（3）后续应用：在后续的图像处理任务中（如目标定位、尺寸测量、三维重建），调用保存的内参和畸变系数，先对拍摄的图像进行畸变校正，再基于校正后的图像开展后续工作，确保工作精度。