相机标定与图像校准：从针孔模型到去畸变实战

1. 从一张畸变照片说起：相机标定到底在标什么

你拍过那种边缘明显弯曲的照片吗？用广角镜头拍建筑，楼是歪的；用手机拍文档，纸是鼓的。很多人第一反应是“镜头不行”，但真相是：镜头本身没问题，问题在于我们没有告诉软件“这个镜头是怎么看世界的”。相机标定与图像校准，干的就是这件事——给相机建立一套数学描述，让它知道自己拍出来的像素和真实世界之间的对应关系。

我最早接触这个方向，是因为一个工业检测的小项目。当时用普通USB摄像头拍零件，想测量尺寸，结果同一块金属片，放在画面正中和放在角落，测出来的长度差了将近百分之三。三毫米的误差，在精密加工里就是废品。后来花了两天时间做标定，误差直接压到零点零几个像素。从那以后我就明白，任何用相机做定量分析的场景，标定都是绕不过去的第一道坎。

这篇文章适合谁看？如果你在做机器视觉、三维重建、AR/VR、自动驾驶感知、甚至只是想把手机拍的文档扫描得平整一点，那相机标定和图像校准就是你迟早要啃的骨头。我会从核心原理讲到实操步骤，把参数怎么算、代码怎么写、坑怎么避，全部摊开来说。不需要你有深厚的数学背景，但需要你愿意动手试。

2. 核心原理拆解：针孔模型、畸变与内外参

2.1 为什么用针孔模型来描述相机

相机标定的理论基础是针孔成像模型。你可以把相机想象成一个暗盒，前面扎一个小孔，光线从小孔穿过，在后面的感光平面上成像。这个模型虽然简单，但它抓住了核心：三维空间中的点，通过一个投影变换，映射到二维图像平面上。

数学上，这个投影过程可以写成：

s * [u, v, 1]^T = K * [R | t] * [X, Y, Z, 1]^T

其中[u, v]是图像上的像素坐标，[X, Y, Z]是世界坐标系下的三维点，K是内参矩阵，[R | t]是外参矩阵，s是尺度因子。这个公式看起来吓人，但拆开看就三件事：内参决定相机怎么投影，外参决定相机在哪里、朝哪看，尺度因子负责把齐次坐标还原成像素坐标。

为什么针孔模型够用？因为绝大多数现代镜头的设计目标就是逼近这个理想模型。镜片组再复杂，最终目的都是让光线尽量按照针孔的方式汇聚。所以标定的本质，就是找到那个最接近真实成像行为的针孔模型参数。

2.2 内参矩阵里每个数代表什么

内参矩阵K通常写成：

K = [fx 0 cx] [0 fy cy] [0 0 1]

fx和fy是焦距，单位是像素。注意，不是毫米，是像素。为什么用像素？因为我们要建立的是“世界坐标到像素坐标”的映射，焦距在图像上的体现就是“一个单位物理长度对应多少个像素”。cx和cy是主点，也就是光轴与图像平面的交点，理想情况下在图像正中心，但实际装配总会有偏差。

我见过很多人标定完只看重投影误差，误差小就以为万事大吉，结果做三维测量时发现尺度不对。问题往往出在fx和fy上。如果标定板的格子尺寸输入错了，或者标定板不够平整，fx和fy就会偏。内参的物理意义非常明确：它们决定了像素和真实长度之间的换算比例。你后面做任何测量，都依赖这个比例。

2.3 畸变：径向畸变和切向畸变

理想针孔模型假设光线是直线传播，但真实镜头有厚度、有曲率，光线经过镜片会发生弯曲，导致图像产生畸变。最常见的两种：

• 径向畸变：由镜片形状引起，表现为图像边缘向外鼓（桶形畸变）或向内缩（枕形畸变）。数学上用k1, k2, k3等系数描述，通常只取前两个就够用。
• 切向畸变：由镜片与传感器不平行引起，表现为图像在一个方向上被拉伸。用p1, p2描述。

畸变校正的公式一般是：

x_corrected = x * (1 + k1*r^2 + k2*r^4 + k3*r^6) + 2*p1*x*y + p2*(r^2 + 2*x^2) y_corrected = y * (1 + k1*r^2 + k2*r^4 + k3*r^6) + p1*(r^2 + 2*y^2) + 2*p2*x*y

其中r^2 = x^2 + y^2，x, y是归一化后的图像坐标。这个公式不需要背，但你要理解：畸变系数是在标定过程中和内参一起优化出来的。标定板的作用，就是给优化算法提供足够多的“已知点”，让它能同时解出内参和畸变系数。

注意：畸变系数不是越多越好。如果你只用普通网络摄像头，取k1, k2, p1, p2四个就够了。强行加k3甚至k4，反而会因为过拟合导致校正后的图像出现奇怪的波浪形。

2.4 外参：相机在世界中的位姿

外参矩阵[R | t]描述的是相机坐标系和世界坐标系之间的刚体变换。R是旋转矩阵，t是平移向量。如果你把标定板固定在世界某个位置，那么每次拍摄时相机的位置和角度不同，外参就不同。

这里有个容易混淆的点：内参是相机的固有属性，标定一次就够了；外参是每次拍摄都可能变化的。很多人做双目视觉时，把两个相机之间的外参也叫做“标定”，其实那是立体标定，目的是求两个相机之间的相对位姿。单目标定只求内参和畸变，外参是副产品。

3. 标定实操全流程：从打印标定板到验证精度

3.1 标定板的选择与制作

标定板是标定的“尺子”，它的精度直接决定标定结果的上限。常见的有棋盘格、圆点阵列、ArUco码等。棋盘格最常用，因为角点检测精度高，算法成熟。

制作标定板有几个硬性要求：

• 平整度：必须贴在硬质平板上，比如铝板或玻璃板。我试过直接打印在A4纸上，纸稍微有点翘，标定出来的畸变系数就飘了。
• 格子尺寸精度：打印时要用高分辨率，打印完用卡尺量一下实际格子边长。比如你设计的是25毫米，实际打印出来可能是24.8毫米，这个误差要代入计算。
• 黑白对比度：不要用反光纸，也不要用哑光纸，普通打印纸就行，但光线要均匀。

实操心得：如果预算允许，直接买一块陶瓷标定板。陶瓷的热膨胀系数低，平整度好，用几年都不会变形。自己打印的标定板，每次用之前都要检查有没有折痕或污渍。

3.2 拍摄采集：角度、数量和覆盖范围

拍标定板照片不是随便拍几张就行。我总结了一个“三三制”原则：

• 三个以上不同角度：正面、左倾、右倾、上仰、下俯，至少覆盖五个方向。
• 三个以上不同距离：近、中、远都要有，让标定板在画面中占据不同大小的区域。
• 三个以上不同位置：画面中心、四个角、边缘都要覆盖到。

为什么这么讲究？因为畸变在画面边缘最明显，如果所有照片都只拍画面中心，优化算法就“看不到”边缘的畸变，解出来的系数就不准。标定板要尽量出现在画面的每个区域，尤其是四个角。

数量上，一般15到30张就够了。太少，约束不够；太多，计算慢，而且如果有些照片质量差，反而拖累结果。我通常拍25张左右，然后手动剔除模糊的、标定板不完整的。

3.3 角点检测与参数初值估计

拍完照片，下一步是检测棋盘格角点。以OpenCV为例，核心函数是findChessboardCorners和cornerSubPix。前者做粗检测，后者做亚像素级精化。

import cv2 import numpy as np # 棋盘格内角点数量，比如 9x6 pattern_size = (9, 6) objp = np.zeros((pattern_size[0] * pattern_size[1], 3), np.float32) objp[:, :2] = np.mgrid[0:pattern_size[0], 0:pattern_size[1]].T.reshape(-1, 2) objp *= square_size # 格子实际物理尺寸，单位毫米 objpoints = [] # 三维点 imgpoints = [] # 二维点 for fname in image_list: img = cv2.imread(fname) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, corners = cv2.findChessboardCorners(gray, pattern_size, None) if ret: corners_refined = cv2.cornerSubPix( gray, corners, (11, 11), (-1, -1), criteria=(cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001) ) objpoints.append(objp) imgpoints.append(corners_refined)

cornerSubPix的窗口大小(11, 11)是个经验值。窗口太小，精化不够；窗口太大，容易受噪声影响。我试过(5,5)到(21,21)，(11,11)在大多数情况下最稳。

3.4 标定计算与重投影误差评估

有了角点对，就可以调用calibrateCamera求解：

ret, K, dist, rvecs, tvecs = cv2.calibrateCamera( objpoints, imgpoints, gray.shape[::-1], None, None )

ret就是重投影误差，单位是像素。它的含义是：用标定出来的参数，把三维点重新投影到图像上，和实际检测到的角点之间的平均距离。这个值越小，说明标定参数越能解释实际成像。

一般来说：

• 小于0.5像素：优秀
• 0.5到1.0像素：可接受
• 大于1.0像素：需要检查标定板质量或拍摄过程

但注意，重投影误差小不代表标定一定准。如果所有照片都是同一个角度，误差可能很小，但外参约束不够，内参可能不准。要结合拍摄多样性来判断。

3.5 图像校准：去畸变与透视校正

标定完成后，用undistort就能校正图像：

undistorted = cv2.undistort(img, K, dist, None, new_K)

new_K是校正后的新内参矩阵，可以用getOptimalNewCameraMatrix计算。这个函数有个alpha参数：alpha=0会裁掉所有无效像素，alpha=1保留所有像素但边缘会有黑边。我一般取alpha=0.5到0.8之间，平衡视野和黑边。

如果要做透视校正，比如把倾斜拍摄的文档拉正，还需要计算单应矩阵：

src_points = np.float32([[x1,y1], [x2,y2], [x3,y3], [x4,y4]]) dst_points = np.float32([[0,0], [w,0], [w,h], [0,h]]) H = cv2.getPerspectiveTransform(src_points, dst_points) warped = cv2.warpPerspective(img, H, (w, h))

这一步在文档扫描、车牌识别里非常常用。先做去畸变，再做透视校正，顺序不能反。因为畸变是非线性的，透视变换是线性的，先线性后非线性会引入额外误差。

4. 常见问题与排查技巧实录

4.1 重投影误差大，从哪里查起

重投影误差大是最常见的问题。我一般按以下顺序排查：

我遇到过一次，误差始终在1.5像素以上，换了标定板、重拍了三次都没用。后来发现是镜头保护膜没撕。那层膜虽然透明，但引入了额外的折射，导致畸变模型怎么都拟合不好。撕掉膜之后，误差直接降到0.3像素。

4.2 校正后图像边缘出现黑边或拉伸

这是getOptimalNewCameraMatrix的alpha参数没调好。alpha=0时，函数会找一个能包含所有有效像素的最大矩形，裁掉黑边，但会损失视野。alpha=1时，保留所有像素，但边缘会有黑边和拉伸。

我的经验是：如果做测量，用alpha=0，保证每个像素都是有效的；如果做显示，用alpha=0.7左右，兼顾视野和美观。另外，校正后的图像分辨率会变化，如果后续要做像素级测量，记得用new_K重新计算像素和物理尺寸的对应关系。

4.3 双目视觉中标定结果不一致

双目视觉需要先分别标定两个相机，再做立体标定。常见问题是左右相机的重投影误差差异很大。原因通常是：

• 一个相机拍得好，另一个拍得差
• 两个相机的标定板照片不是同一时间拍的，标定板有移动
• 立体标定时，左右视图的角点匹配错误

解决办法：用同一个标定板，同时拍左右相机，确保标定板在两个画面中都清晰完整。立体标定用stereoCalibrate，它会同时优化两个相机的内参和它们之间的外参。如果左右误差差异大，先单独检查每个相机的标定结果。

4.4 标定结果在不同分辨率下不通用

内参矩阵是和图像分辨率绑定的。如果你用1920x1080标定，然后换成1280x720拍摄，内参不能直接用。需要按比例缩放：

fx_new = fx_old * (new_width / old_width) fy_new = fy_old * (new_height / old_height) cx_new = cx_old * (new_width / old_width) cy_new = cy_old * (new_height / old_height)

畸变系数不变，因为它们是归一化坐标下的参数。但注意，如果分辨率变化涉及裁剪而不是缩放，主点位置需要重新计算。我一般建议在最终使用的分辨率下做标定，避免换算带来的误差。

4.5 温度变化对标定的影响

这个坑很多人不知道。镜头和相机传感器都会热胀冷缩，温度变化几度，焦距就可能偏移零点几个像素。在精密测量场景，比如半导体检测，温度变化一度都可能超差。

我的做法是：在恒温环境下标定，并且在使用前预热相机至少30分钟。如果工作环境温度变化大，可以考虑定期重新标定，或者用温度传感器做补偿。普通消费级应用不用这么讲究，但工业级必须考虑。

5. 进阶话题：从单目到多目，从标定到自标定

5.1 单目标定的局限与多目扩展

单目标定只能得到内参和畸变，无法得到绝对尺度。也就是说，你从图像里测出一个物体长100像素，但不知道它实际是10毫米还是10米。要得到绝对尺度，要么在场景里放一个已知尺寸的参照物，要么用多目视觉。

双目视觉通过两个相机的视差来计算深度，基线长度决定了深度测量的精度。基线越长，远处精度越高，但近处盲区越大。我做过一个项目，基线从10厘米增加到30厘米，三米外的深度误差从5毫米降到1.5毫米。但代价是，一米内的物体经常只有一个相机能看到。

多目视觉（三个以上相机）可以解决遮挡问题，但标定复杂度指数上升。每增加一个相机，就要多标定一次它和参考相机的外参。如果做实时系统，还要考虑多相机同步触发。

5.2 自标定：没有标定板怎么办

有些场景没法放标定板，比如监控摄像头、无人机航拍。这时候可以用自标定技术，利用场景中的直线、 vanishing point 等几何特征来估计内参。

自标定的精度通常不如传统标定，因为它依赖场景特征的质量。但在某些场景下是唯一选择。OpenCV里没有现成的自标定函数，需要自己实现。我一般用 vanishing point 方法：找三组互相垂直的平行线，它们的消失点可以约束内参。

注意：自标定对噪声非常敏感。如果图像有畸变，消失点检测会偏，导致内参估计不准。通常需要先做粗略的畸变校正，再自标定，迭代几次。

5.3 标定结果的保存与复用

标定一次不容易，结果要妥善保存。我通常存成YAML或JSON格式，包含：

• 图像分辨率
• 内参矩阵K
• 畸变系数dist
• 重投影误差
• 标定日期和温度

calibration: date: "2025-01-15" temperature: 23.5 image_size: [1920, 1080] K: [[1200.5, 0, 960.2], [0, 1200.3, 540.1], [0, 0, 1]] dist: [0.12, -0.05, 0.001, 0.002, 0.0] reprojection_error: 0.32

下次用的时候直接读取，不用重新标定。但如果相机摔过、换过镜头、或者温度变化超过10度，建议重新标定。

6. 我踩过的那些坑与最后分享的几个技巧

第一个坑：标定板打印后没有实测尺寸。我按设计值25毫米输入，实际打印出来是24.6毫米。结果所有测量都偏小1.6%。后来养成习惯，每次打印完都用卡尺量三个格子，取平均值。

第二个坑：用自动对焦镜头标定。自动对焦会改变镜头组位置，导致焦距变化。标定完，换个距离拍摄，对焦一变，内参就失效了。标定必须用固定焦距镜头，或者把自动对焦锁死。

第三个坑：忽略图像噪声。在暗光下拍摄，角点检测会偏。我试过用同一组标定板，在暗光和亮光下各标一次，内参差了将近2%。所以标定时要保证光照充足且均匀。

最后分享一个小技巧：如果你没有标定板，可以用手机屏幕显示棋盘格。把手机亮度调到最高，显示一个标准棋盘格图像，然后放在硬质平板上。虽然精度不如专业标定板，但应急足够用。我出差时经常这么干，标定出来的误差也能控制在0.5像素以内。

还有一个技巧：标定完成后，用一张没参与标定的照片做验证。拍一张标定板放在新位置的照片，用标定参数去畸变，然后检测角点，看直线是否真的直了。这比只看重投影误差更直观。

这个方向后续还可以往在线标定扩展，也就是在系统运行过程中，利用自然场景特征持续修正标定参数。自动驾驶和机器人领域已经在用这种方法，因为车辆震动会导致相机位姿缓慢变化，离线标定不够用。如果你对这个感兴趣，可以先从光流法估计相机运动入手，再结合BA优化，逐步深入。