为何cv2.aruco.detectMarkers()检测Charuco标记的准确率极低？

1. 增加图像预处理步骤 #

首先对输入图像做光照均衡和去噪，解决实景拍摄的光照不均、噪声干扰问题，示例代码：

# 转灰度后做光照均衡和去噪
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# CLAHE自适应直方图均衡，消除局部光照差异
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
processed_gray = clahe.apply(gray)
# 轻度高斯模糊去除噪点
processed_gray = cv2.GaussianBlur(processed_gray, (3,3), 0)

后续检测直接使用处理后的灰度图，不要使用原始彩色图。

2. 全维度调整检测器参数 #

你当前仅调整了自适应阈值窗口范围，其余关键参数仍为默认值，针对小尺寸、高密度标记场景调整参数示例：

parameters = aruco.DetectorParameters_create()
# 阈值参数调整
parameters.adaptiveThreshWinSizeMin = 31
parameters.adaptiveThreshWinSizeMax = 231
parameters.adaptiveThreshWinSizeStep = 10
parameters.adaptiveThreshConstant = 3 # 降低阈值常量，适配低对比度场景
# 标记尺寸过滤规则调整
parameters.minMarkerPerimeterRate = 0.01 # 放宽最小标记尺寸限制
parameters.maxMarkerPerimeterRate = 4.0 # 放宽最大标记尺寸限制
# 轮廓拟合精度放宽，适配打印形变、拍摄畸变场景
parameters.polygonalApproxAccuracyRate = 0.1
# 开启亚像素角点优化，提升角点定位精度和检出率
parameters.cornerRefinementMethod = aruco.CORNER_REFINE_SUBPIX
parameters.cornerRefinementWinSize = 5
parameters.cornerRefinementMaxIterations = 30
parameters.cornerRefinementMinAccuracy = 0.01

3. 利用ChAruco板先验补全漏检标记 #

调用refineDetectedMarkers方法，基于你已创建的ChAruco板结构先验，从被拒绝的候选框中找回漏检的标记，这是提升整板检测率最有效的方法：

# 第一步初始检测
corners, ids, rejected_corners = aruco.detectMarkers(
    image=processed_gray,
    dictionary=ARUCO_DICT,
    parameters=parameters
)
# 第二步基于板结构优化检测结果
if ids is not None and len(ids) > 0:
    corners, ids, _, _ = aruco.refineDetectedMarkers(
        image=processed_gray,
        board=CHARUCO_BOARD,
        detectedCorners=corners,
        detectedIds=ids,
        rejectedCorners=rejected_corners,
        parameters=parameters
    )

4. 可选：调整输入图像尺度 #

如果拍摄的标记像素尺寸过小，可以将图像放大1.2~2倍后再做检测，检测得到的角点坐标再按比例缩放回原图尺寸即可。

内容的提问来源于stack exchange，提问作者mt-cv