ChArUco板位姿估计误差优化：伽马压缩影响及旋转误差解决

一、避免伽马压缩对位姿估计影响的最佳方式 #

直接设置工业相机的gamma值为1是最直接有效的方法。当gamma=1时，相机输出的图像亮度与真实场景的亮度呈线性对应关系，不存在伽马压缩或扩展带来的非线性映射，这能确保角点检测、特征匹配等视觉算法基于真实的像素亮度信息计算，避免因非线性变换导致的边缘定位偏差。

需要注意的细节：

• 务必在相机的硬件设置中确认gamma参数已完全设为1，部分相机可能默认开启gamma校正（如2.2），需手动关闭；
• 同时关闭相机自带的非线性图像预处理功能（如自动对比度增强、曲线调整），这些功能同样会破坏亮度的线性关系。

二、轻微旋转误差的分析与优化方法 #

你遇到的轻微旋转误差在工业机器视觉场景中属于常见现象，即使标定重投影误差低于1像素，仍可能由多个环节的微小累积误差导致。以下是具体优化方向：

• 优化角点亚像素检测精度：调整亚像素检测的窗口尺寸（如使用11x11或15x15的窗口），收紧迭代终止的误差阈值，进一步提升角点坐标的定位精度；
• 使用鲁棒位姿求解算法：采用带RANSAC的PnP算法过滤潜在的异常角点噪声，或使用迭代优化型的PnP（如EPnP结合LM非线性优化）对位姿结果进行二次精修；
• 优化靶标与相机的相对布局：避免靶标位于视场的极端边缘，尽量让靶标占据视场中心区域；同时确保检测时的靶标-相机距离与标定场景的距离范围一致，避免外推计算带来的误差；
• 稳定环境光照：使用均匀漫射光源，避免强光直射靶标表面产生反光或局部阴影，光照的微小波动会间接影响角点定位的一致性；
• 重新验证相机标定参数：增加不同位置（尤其是视场边缘）的验证图像，计算重投影误差分布，若存在局部区域误差偏大，需补充该区域的标定图像后重新标定。

内容的提问来源于stack exchange，提问作者sg65