1. 为什么需要摄像头标定摄像头标定是机器人视觉开发中不可或缺的一环。想象一下你戴着一副度数不合适的眼镜看世界所有物体都会变形扭曲。摄像头也是如此由于镜头畸变、装配误差等因素原始图像会产生桶形畸变或枕形畸变。我在做机械臂抓取项目时就吃过亏——没标定的摄像头导致物体定位偏差3厘米机械臂直接抓空了。ROS中的camera_calibration功能包就像给摄像头配眼镜的验光师。它通过分析棋盘格标定板的图像计算出以下关键参数内参矩阵焦距(fx,fy)、光学中心(cx,cy)等畸变系数k1,k2径向畸变和p1,p2切向畸变外参矩阵多摄像头时摄像头间的相对位置实测发现标定后的Kinect V2深度误差能从±5cm降到±1cm。下面这张表对比了标定前后的关键差异指标未标定摄像头标定后摄像头图像畸变边缘扭曲明显横平竖直测量误差最高达10%1%多摄像头同步坐标系无法对齐可精确坐标转换2. 单目摄像头标定全流程2.1 准备工作硬件与软件配置先准备一个8x6的棋盘格标定板建议用亚克力板打印平整度更好。我试过普通A4纸结果因为轻微翘曲导致重投影误差多了0.2。安装功能包用这个命令sudo apt-get install ros-noetic-camera-calibration # 注意替换noetic为你的ROS版本启动摄像头节点时容易踩的坑分辨率不匹配如果launch文件里设置的是1280x720但摄像头实际输出640x480会导致标定失败。建议先用rqt_image_view确认话题图像。帧率过高部分USB摄像头默认30fps可能引起标定程序卡顿。可以通过v4l2-ctl工具调整v4l2-ctl -d /dev/video0 --set-parm10 # 设为10fps2.2 数据采集技巧运行标定命令时参数设置很关键rosrun camera_calibration cameracalibrator.py \ --size 8x6 \ --square 0.024 \ image:/usb_cam/image_raw \ camera:/usb_cam采集数据时要像给摄像头做全身检查X/Y移动让标定板覆盖画面四角和中心Size变化从充满画面到只占1/4面积Skew倾斜左右倾斜30度以内太大角度会识别失败我习惯用三脚架固定摄像头手持标定板移动。当右上角的进度条全变绿CALIBRATE按钮就会亮起。点击后等待约2-5分钟取决于CPU性能期间不要操作电脑。2.3 结果分析与优化标定完成后会输出重投影误差rep error。根据经验0.15优秀0.15-0.25可用0.25建议重新标定如果误差偏大可以尝试增加数据量多采集几个角度检查标定板平整度改用更高精度的打印方式保存的YAML文件里重点关注这些参数camera_matrix: rows: 3 cols: 3 data: [fx, 0, cx, 0, fy, cy, 0, 0, 1] # 内参矩阵 distortion_coefficients: rows: 1 cols: 5 data: [k1, k2, p1, p2, k3] # 畸变系数3. Kinect深度相机标定秘籍3.1 双摄像头标定策略Kinect需要分别标定RGB和IR摄像头。先启动设备roslaunch freenect_launch freenect.launch \ depth_registration:true \ rgb_camera_info_url:file://$(find your_pkg)/kinect_rgb.yaml \ depth_camera_info_url:file://$(find your_pkg)/kinect_depth.yaml标定RGB摄像头时要用可见光下的棋盘格rosrun camera_calibration cameracalibrator.py \ image:/rgb/image_raw \ camera:/rgb \ --size 8x6 \ --square 0.024标定IR摄像头时需要用红外棋盘格普通打印纸在IR摄像头下是透明的。我用的方法是在亚克力板上粘贴铝箔胶带制作棋盘格用砂纸打磨部分区域形成黑白对比通过rqt_image_view /ir/image_raw确认图案可见3.2 深度对齐校准标定完成后还需要检查深度与彩色图像的对齐情况。在RViz中打开RGB图像话题/rgb/image_rect_color深度话题/depth_registered/image_rect如果发现边缘错位可能需要调整depth_registration参数或重新标定。有个实用技巧把标定板斜放45度观察深度图与彩色图的边缘是否重合。4. 标定文件实战应用4.1 参数加载与验证在launch文件中加载标定参数时常遇到camera_name mismatch警告。这是因为YAML文件中的相机名称与实际设备不匹配。解决方法先不加载标定文件启动设备查看/rgb/camera_info话题中的camera_name字段修改YAML文件首行的camera_name与之匹配验证标定效果可以用image_proc节点rosrun image_proc image_proc image:/usb_cam/image_raw然后用rqt_image_view查看/usb_cam/image_rect话题观察边缘是否变直。4.2 多传感器联合标定当需要将Kinect与机械臂或其他传感器联合使用时还需要进行手眼标定。推荐使用aruco_ros包在机械臂末端安装ArUco标记通过tf获取标记与基座的坐标变换用camera_pose_calibration包计算相机到基座的固定变换我在机械臂抓取项目中实测经过联合标定后物体定位精度能达到±1mm。关键是要保证标定板在机械臂运动范围内的多个位姿都被采集到。5. 常见问题排坑指南标定板检测失败原因光照过强/弱、棋盘格尺寸错误解决调整曝光参数用v4l2-ctl设置v4l2-ctl -d /dev/video0 --set-ctrlexposure_auto1 --set-ctrlexposure_absolute100CALIBRATE按钮不亮原因数据量不足或标定板位姿单一解决确保X/Y/Size/Skew四个进度条都超过75%加载标定文件后图像变形原因内参矩阵与分辨率不匹配解决检查YAML中的image_width和image_height是否与摄像头输出一致深度值跳变严重原因IR摄像头标定不准解决重新标定时用更高对比度的IR标定板保持环境无红外干扰记得标定后要实际测试——我在仓库里放了个检测标定效果的Python脚本可以测量墙角等直角物体的角度偏差。标定不是一劳永逸的摄像头受到撞击或温度变化较大时建议重新标定。