相机校准焦距精度不足的优化方案及技术咨询

DevOps 小满

2026-6-16

问题描述

我正在开展相机校准工作，当前得到的焦距存在约5%的误差，重投影误差约为0.7px，无法满足高精度需求。
校准得到的焦距为2530 px，我使用的是OAK FFC IMX577 M12型号相机。根据分辨率(4056, 3040)、像素尺寸1.55 um和水平视场角75 degrees，计算得出预期焦距为4.096558636989045 mm，即2642.9410561219647 px。

焦距验证实验

为验证预期焦距的正确性，我搭建实验测量焦距：相机对焦后，放置垂直于相机的ChArUco标定板并测量深度；再测量图像中标定板某区域的像素尺寸，结合实际尺寸通过针孔相机模型计算，结果与2643 px基本一致，确认该值为正确焦距。

已尝试措施

我已尝试以下方法提升焦距校准结果：

使用多款软件：包括相机厂商的DepthAI软件、自研OpenCV实现及MATLAB相机校准工具，三者结果一致。
使用高质量标定板：尝试了calib.io的两款标定板及自制标定板，结果相近。
保证光照条件：无眩光，角点清晰。
在工作距离对焦：镜头已在应用工作距离精准对焦，校准图像均在此距离附近拍摄。
拍摄多角度图像：包含大量带透视变形的图像，确保焦距校准所需的透视信息。
调整图像数量：尝试了10-15张至100张不等的图像数量。

图像位姿分布示例：
[图像位姿分布]

咨询问题

如何采集数据才能确保焦距校准的精度？
我的校准流程是否存在问题？
相机的硬件结构（如廉价M12镜头）是否会导致该误差？
基于OpenCV的针孔相机校准，能否达到我追求的高精度？
还有哪些方法可以进一步降低重投影误差？

最小示例代码

以下是使用OpenCV的最小实现示例：

from pathlib import Path

import cv2
import numpy as np

# Load images.
calib_images_path = Path("calibration_images")
image_files = list(calib_images_path.glob("*.png"))
images = [cv2.imread(str(image_file)) for image_file in image_files]

# Define the ChArUco board parameters.
charuco_size = (17, 24)
square_length = 30  # mm
marker_length = 22  # mm
aruco_dict = cv2.aruco.getPredefinedDictionary(cv2.aruco.DICT_5X5_1000)
charuco_board = cv2.aruco.CharucoBoard(
    size=charuco_size,
    squareLength=square_length,
    markerLength=marker_length,
    dictionary=aruco_dict,
)

# Detect ChArUco corners.
all_charuco_corners = []
all_charuco_ids = []
for image_file in image_files:
    # Grayscale image.
    image = cv2.imread(str(image_file))
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # Marker detection.
    corners, ids, rejected = cv2.aruco.detectMarkers(gray, aruco_dict)

    # Interpolation and refinement.
    if ids is not None and len(ids) > 0:
        cv2.aruco.refineDetectedMarkers(gray, charuco_board, corners, ids, rejected)

        retval, charuco_corners, charuco_ids = cv2.aruco.interpolateCornersCharuco(
            markerCorners=corners, markerIds=ids, image=gray, board=charuco_board
        )

        if retval > 0:
            all_charuco_corners.append(charuco_corners)
            all_charuco_ids.append(charuco_ids)

# Initial camera matrix and distortion coefficients.
expected_focal_length_px = 2642.9410561219647
image_size = gray.shape[::-1]
initial_camera_matrix = np.array(
    [
        [expected_focal_length_px, 0, image_size[0] / 2],
        [0, expected_focal_length_px, image_size[1] / 2],
        [0, 0, 1],
    ]
)
initial_dist_coeffs = np.zeros((5, 1))

# Camera calibration.
image_size = gray.shape[::-1]
ret, camera_matrix, dist_coeffs, rvecs, tvecs = cv2.aruco.calibrateCameraCharuco(
    charucoCorners=all_charuco_corners,
    charucoIds=all_charuco_ids,
    board=charuco_board,
    imageSize=image_size,
    cameraMatrix=initial_camera_matrix,
    distCoeffs=initial_dist_coeffs,
)

问题解答

1. 如何采集数据才能确保焦距校准的精度？

覆盖极端位姿：增加标定板接近图像边缘、大角度倾斜（俯仰/偏航≥45°）的图像，强化焦距求解的约束；可加入少量部分遮挡但角点足够的图像，提升算法鲁棒性。
扩展拍摄距离：不要局限在工作距离，加入近距离（标定板到镜头距离为焦距的2-3倍）和远距离（≥10倍焦距）的图像，让模型拟合不同距离的投影关系。
重复拍摄关键位姿：对大倾斜、边缘位置等关键位姿拍摄3-5张重复图像，降低单张图像的角点检测误差。
保证标定板平面性：使用高精度玻璃标定板，避免纸质板弯曲；拍摄时用水平仪辅助确认标定板无扭曲。

2. 我的校准流程是否存在问题？

基础流程无明显错误，但有几个优化点：

放开初始矩阵约束：尝试不设置初始相机矩阵，让算法从零开始求解，对比结果是否一致——强制初始值可能导致算法陷入局部最优。
二次细化角点：在interpolateCornersCharuco后，用cv2.cornerSubPix对ChArUco角点做亚像素细化，提升坐标精度。
不固定主点：不要强制主点为图像中心，让算法同时优化主点和焦距，避免主点偏移误差影响焦距求解。

3. 相机的硬件结构（如廉价M12镜头）是否会导致该误差？

会。廉价M12镜头的常见问题：

畸变波动大：径向畸变在不同视场、距离下变化明显，针孔模型难以完全拟合，间接干扰焦距求解。
机械精度差：对焦环易出现微小位移，导致实际焦距与对焦时不一致。
光学像差：球差、彗差会让边缘角点模糊，降低检测精度，影响校准结果。

4. 基于OpenCV的针孔相机校准，能否达到我追求的高精度？

可以，但需满足前提：

输入数据质量足够时，calibrateCameraCharuco能将焦距误差控制在1%以内，重投影误差降至0.3px以下。
若镜头畸变严重，需切换到更复杂的模型，比如启用CALIB_RATIONAL_MODEL拟合高阶畸变，或使用鱼眼相机模型。

5. 还有哪些方法可以进一步降低重投影误差？

启用高阶畸变模型：在标定函数中添加flags=cv2.CALIB_RATIONAL_MODEL，拟合6阶径向畸变和2阶切向畸变，适配M12镜头的畸变特性。
剔除异常图像：计算单张图像的重投影误差，去掉误差超过均值2倍标准差的图像，避免坏数据拉低精度。
稳定环境温度：M12镜头的塑料镜筒热胀冷缩会导致焦距漂移，校准和使用时保持环境温度稳定。
优化标定板参数：使用更大尺寸的标定板（占图像1/2以上区域），提升角点检测的相对精度。

内容的提问来源于stack exchange，提问作者Tom-Forsyth