单目双目相机标定。 相机、imu联合标定。标定这玩意儿说难不难说简单吧又总有几个坑等着你跳。搞视觉的兄弟们肯定都懂传感器不准的时候那真是两眼一抹黑。咱们今天直接上干货聊聊单目双目相机标定顺带把相机和IMU的联合标定也撸一遍。单目标定棋盘格才是永远的神先看这段OpenCV的标定代码片段import cv2 import numpy as np obj_points [] img_points [] 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) * 0.02 # 遍历标定图片 for fname in image_files: img cv2.imread(fname) gray cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) ret, corners cv2.findChessboardCorners(gray, pattern_size, None) if ret: obj_points.append(objp) corners_refined cv2.cornerSubPix(gray,corners,(11,11),(-1,-1), criteria) img_points.append(corners_refined) # 开搞标定 ret, mtx, dist, rvecs, tvecs cv2.calibrateCamera( obj_points, img_points, gray.shape[::-1], None, None)这里有几个魔鬼细节cornerSubPix必须用原始角点精度不够会直接毁掉标定结果。criteria得设置合理的迭代条件建议用(cv2.TERMCRITERIAEPS cv2.TERMCRITERIAMAX_ITER, 30, 0.001)。标定完记得用cv2.projectPoints反向验证重投影误差超过0.5像素就得重新拍数据。双目标定左右眼的爱恨情仇单目双目相机标定。 相机、imu联合标定。当两个摄像头开始搞基事情就复杂了。标定完各自的参数后关键要算左右相机之间的旋转平移关系stereo_flags cv2.CALIB_FIX_INTRINSIC ret, _, _, _, _, R, T, E, F cv2.stereoCalibrate( obj_points, img_points_l, img_points_r, mtx_l, dist_l, mtx_r, dist_r, image_size, criteriacriteria, flagsstereo_flags)这里有个骚操作如果单目标定已经做得很好可以固定内参只优化外参CALIBFIXINTRINSIC。注意R和T是右相机相对于左相机的变换矩阵别把方向搞反了。标定完必须做极线校验——用cv2.computeCorrespondEpilines看对应点是否在极线上排排坐。相机-IMU联合标定时空对齐的玄学当视觉和惯性传感器要搞联合标定时间同步和空间对齐两个大坑等着你。这时候推荐直接上Kalibr工具箱但底层原理得明白# 伪代码示意优化过程 def loss_function(params): # params包含相机-IMU外参、时间偏移 imu_rot params[:4] # 四元数 imu_trans params[4:7] time_delay params[7] # 时间对齐处理 synced_imu_data interpolate_imu(imu_raw, time_delay) # 计算重投影误差IMU误差 error compute_reprojection_error() lambda * compute_imu_error() return error # 使用Ceres或g2o求解 optimizer.add_residual_block(loss_function, params)这里最坑的是时间偏移估计建议先拿棋盘格快速晃动采集数据让视觉和IMU都有明显运动特征。外参初始化可以用手眼标定方法但记得IMU的加速度计和陀螺仪要分开处理——加速度计对平移敏感陀螺仪对旋转敏感。标定完一定要做动态验证拿着设备画8字看看视觉惯性融合的轨迹有没有漂移。遇到过最邪门的情况是相机和IMU固定螺丝没拧紧振动导致外参飘忽不定——所以硬件安装才是第一生产力啊最后说句大实话标定数据质量决定上限算法只是逼近这个上限。别在烂数据上死磕算法多拍几组不同位姿的数据比啥都强。遇到标定结果抽风时先检查棋盘格有没有贴歪、IMU有没有温度漂移这些才是真实世界里的一线战壕经验。