标定是 Calibration求相机参数标号/标注是 Annotation / Labeling给图像打标签。一、什么是图像标号图像标号更通用的叫法是图像标注Image Annotation是计算机视觉中的一项基础任务通过人工或自动化手段为图像中的特定元素附加结构化的标签或元数据让机器能够“读懂”图像里有什么、在哪里。通俗理解如果把训练AI比作教小孩认识世界图像标号就是“指物命名”的过程——指着图片里的猫说“这是猫”在猫周围画个框说“猫在这个位置”。大量这样的标注数据喂给算法模型才能学会识别未见过的图像。二、图像标号的核心类型不同的视觉任务需要不同类型的标注方式精度和成本差异很大标注类型核心操作典型应用图像分类给整张图一个标签如“室内/室外”相册自动归类、内容审核2D边界框用矩形框圈出目标物体自动驾驶中识别车辆/行人、安防监控3D立方体用立体框标出物体的长宽深自动驾驶中估计障碍物空间占位多边形标注沿物体边缘描点勾勒不规则轮廓遥感影像中标注建筑物轮廓语义分割给图像中每个像素分配类别标签医疗影像病灶分割、自动驾驶场景解析实例分割区分同一类别的不同个体货架上逐个识别商品个体关键点标注标记物体的特征点如人脸五官、人体关节人脸识别、姿态估计、AR特效线/样条标注标注车道线、边界线等线状要素自动驾驶车道保持、机器人路径规划三、图像标号的工作流程一个完整的图像标注项目通常包含以下环节需求定义明确任务类型分类/检测/分割、确定标签分类体系有哪些类别需要标注数据准备收集并清洗原始图像数据去除低质量样本标注规范制定编写标注指导书定义边界情况如何处理如被遮挡物体要不要标、标到什么精度标注执行标注员使用专业工具Labelme、LabelImg、CVAT、Label Studio等逐张处理质量控制多轮交叉审核计算标注一致性指标如IoU修正错误标注数据交付导出标准格式COCO、Pascal VOC、YOLO格式等供模型训练使用四、图像标号的核心价值在“数据驱动”的AI时代标注质量直接决定模型性能上限为监督学习提供“标准答案”模型通过对比预测输出和标注真值来计算误差、更新参数为模型评估提供基准测试集上的标注数据用于衡量模型精度mAP、mIoU等指标决定应用落地效果标注覆盖的场景越丰富、边缘情况越全面模型泛化能力越强行业应用实例自动驾驶Waymo等公司标注了数百万张街景图像涵盖车辆、行人、交通标志等上百类目标医疗AI放射科医生在CT/MRI影像上逐像素标注肿瘤区域训练辅助诊断模型智慧零售标注货架图像中的商品位置和品类实现库存自动盘点工业质检标注产线上的缺陷样本划痕、气泡、脏污训练自动质检模型五、mermaid总结框图六、关键区分标定 vs 标号维度图像标定 (Calibration)图像标号/标注 (Annotation)目的求取相机几何参数建立像素↔物理坐标映射赋予图像语义信息训练AI识别模型产出内参矩阵K、畸变系数D、外参R/T带标签的图像数据集框、掩膜、类别受众相机本身矫正成像误差AI模型学习视觉模式典型工具MATLAB标定工具箱、OpenCV、HalconLabelme、CVAT、Label Studio两者在产业链中的关系在精密测量或机器人抓取场景中通常先标定后标注——标定保证“看见的位置是准的”标注让模型知道“看到的东西是什么”。再谈语义分割或实例分割的标注任务中为什么标注人员会用不同颜色的色块来覆盖图像中的物体比如米粒。这其实是计算机视觉数据准备中的一个核心步骤原因主要有三点分别对应视觉区分、算法逻辑、机器读取1. 为了“教”机器分清每一粒米实例区分如果所有的米粒都标成同一种颜色比如全是红色算法看到这张图会以为这是一整个连成一片的“米饼”它分不清边界在哪里。给相邻米粒涂不同颜色人为制造强烈的视觉边界对比让算法明白“颜色编号变了就意味着这是另一个物体了”。2. 用于生成背后的“灰度索引图”机器真值机器不是通过看花花绿绿的图片来学习的它读取的是背后的标签矩阵。在标注软件中涂色其实是给每个像素赋值背景黑色像素值 0米粒1红色像素值 1米粒2绿色像素值 2...米粒N紫色像素值 N算法训练时会对比像素值为1的区域是否属于同一颗米。如果没有不同颜色的强行划分对于粘连在一起的米粒算法会永远学不会怎么把它们分开。3. 避免人工标注时的“视觉疲劳漏标”米粒通常是白色的背景如果也是白色的肉眼很难看清哪颗标了、哪颗没标。用高饱和度、随机差异的颜色填充透明图层标注员能一眼看出哪里的边缘没包住、哪里漏画了一颗。4. 核心流程图彩色标注 vs 算法看到的真值为了让你更直观地理解这个过程这里有一张对比图5. 一个常见的误区澄清你可能会问“机器最后识别米粒的时候米粒会变成彩色吗”不会。训练完成后AI看一张新的白米照片它输出的结果是黑色的背景上用白色线条勾勒出的米粒轮廓或者是每个米粒中心的一个数字序号。总结给米粒上不同颜色本质上是建立像素级别的“身份证号”。在工业界这种操作被称为Instance Segmentation Labeling实例分割标注常用于大米品质检测、细胞计数、堆叠零件分拣等场景。