在机器视觉标定的过程中，不少人多少都有过这样的经历：产线调试到半夜，宽幅检测的拼接处还是对不齐，明明每台相机单独标定都过了，拼在一起就是不行。折腾半天算法，最后才发现——底层的成像模型与标定原理没吃透，再怎么调参数都是空中楼阁。

相机标定的本质，是建立相机成像过程中三维物理坐标与二维像素坐标之间的数学映射模型，并准确估计其中的相机参数。这套体系的底层主要建立在两大原理之上：针孔相机模型构成了理想透视成像的理论基础，张正友平面标定法则是一种经典且广泛应用的相机标定方法。理解这两大原理，标定过程中很多看似复杂的问题就能迎刃而解。今天，我们就从原理到实际应用，把相机标定一次讲透。

一、针孔相机模型：视觉成像的底层逻辑

相机成像看似复杂，底层逻辑其实可以追溯到两千多年前就已有记载的小孔成像现象。针孔相机模型，就是对这一理想成像过程的数学抽象，也是经典相机标定的理论起点。

1、理想针孔模型：线性映射的理想状态

理想的针孔相机没有复杂的镜片组，只有一个极小的针孔。三维世界里的物体发出的光线沿直线穿过针孔，在另一侧的成像平面上形成倒立的实像。在这个理想模型里，物点、针孔、像点三点共线，像素坐标与世界坐标之间是纯粹的线性投影关系。

描述这个关系的核心就是内参矩阵，它包含两个关键参数：一是焦距，决定了视场大小与成像比例；二是主点坐标，也就是光轴与成像平面的交点，决定了画面的光学中心。通过内参矩阵，就能把三维世界坐标投影到二维像素平面上，完成“空间到平面”的转换。

2、实际镜头：偏离理想的畸变误差

理想很丰满，现实很骨感。真实的相机不可能只用一个针孔成像，必须通过多组光学镜片汇聚光线，这就必然会引入畸变偏差，让成像偏离理想针孔模型。

最常见的是径向畸变：广角、鱼眼镜头尤其明显，画面中心区域成像接近理想，越往边缘光线偏折越厉害，原本笔直的直线会弯成弧形，也就是常说的桶形或枕形畸变。另一种是切向畸变，由镜头与传感器安装不平行导致，整个画面会出现梯形偏移。

如果不对这些畸变做校正，像素坐标就没有准确的物理意义，尺寸测量、空间定位都无从谈起。标定的核心目标之一，就是求解出精确的畸变系数，把变形的画面还原回符合真实几何关系的状态。

二、张正友标定法：平面标定的行业标准

在张正友标定法出现之前，相机标定需要高精度的三维标定块，成本高、操作复杂，很难在工业场景普及。张正友教授提出的平面标定法，只用一块平面标定板，通过拍摄不同姿态的图像就能求解相机内外参与畸变系数，兼顾精度与易用性，很快成为工业界的通用标准。

1、核心原理：单应性矩阵搭建桥梁

平面标定的核心逻辑是：标定板所在的世界平面与相机成像平面之间，存在一个单应性映射关系。简单来说，标定板上每个已知物理坐标的特征点，和图像上对应的像素点，能通过一个3×3的单应性矩阵一一对应。

拍摄不同姿态的标定板，就能得到多组单应性矩阵。通过对多组矩阵分解优化，就能求解出相机的内参矩阵、畸变系数，以及每一组姿态对应的外参（旋转矩阵与平移向量）。相比传统三维标定，它不用昂贵的精密立体靶标，一块平面标定板就能完成全部标定，门槛大幅降低。

2、经典流程：多姿态约束保障精度

一套标准的张正友标定流程，核心是用多姿态提供充足的几何约束。通常采集15~25张不同位置、不同角度、不同距离的标定板图像，保证特征覆盖全视场，尤其是画面四角边缘区域——毕竟边缘是畸变最严重的地方，只拍中心等于白标。

有了充足的图像数据，算法先提取特征点坐标，再通过非线性优化最小化重投影误差，最终输出最优的内参与畸变参数。多相机系统还可以在此基础上做全局光束平差优化，同步求解所有相机的外参，实现坐标系统一。

大凡光学标准玻璃基底棋盘格标定板，就是适配张正友标定法的经典工具。光刻镀铬工艺制作的棋盘格特征精度可达±1μm，图案边缘锐利无毛刺，亚像素级角点提取准确度高，能为参数求解提供可靠的几何输入，是实验室与常规产线标定的标配。

三、原理落地：选对工具，精度事半功倍

懂了原理，还要选对标定工具，才能把理论精度落地到实际项目中。不同场景对标定的需求不同，对应不同的工具选型，结合原理就能选得明明白白。

1、常规标定：棋盘格是原生适配首选

张正友标定法最经典的特征就是棋盘格角点，OpenCV等主流算法库都原生支持。常规单双目相机标定、教学实训、通用工业检测场景，直接选大凡光学标准玻璃基底棋盘格标定板就对了，算法兼容性最好，上手门槛最低，精度也足够稳定。

2、大畸变场景：圆点标定板更稳

鱼眼、大广角镜头边缘畸变严重，棋盘格角点容易变形漂移，畸变系数拟合不准。这时候更适合用大凡光学高精度圆点标定板。它依托“透视变换下椭圆中心与圆形圆心重合”的数学特性，哪怕在大畸变、大倾斜角度下，圆点中心的提取稳定性也优于棋盘格角点，能更精准地拟合畸变系数，把边缘画面校正到位。

3、多相机协同：编码标定板效率更高

多相机全景拼接、多传感器融合场景，逐台标定再手动对齐会累积大量误差。用大凡光学ChArUco光学校正标定板就高效得多：融合棋盘格的高精度与ArUco编码的唯一ID属性，多台相机同时拍摄同一块标定板，通过编码ID快速关联坐标，一次性完成全局外参优化，误差累积小，拼接精度更高。大视场、车载智驾这类场景，还可以选大凡光学AprilTag标定图形板，识别距离更远、抗遮挡能力更强。

4、特殊工况：专项方案精准适配

低光照、自动化产线场景，推荐大凡光学带光源标定板，照明均匀度≥95%，主动匀光摆脱环境光干扰，特征成像稳定，标定结果重复性更高。大视场场景可以选大尺寸碳纤维标定板，一体成型无拼接误差，轻量化易部署，覆盖范围足够大。

四、实操重点误区：原理指导细节

懂了原理，很多实操误区自然就能避开。几个高频提醒，帮大家少走弯路。

第一，不要只拍画面中心。镜头边缘畸变最严重，缺少边缘数据会导致畸变校正不彻底。采集图像一定要让标定板走遍四角，覆盖全视场，才能拟合出准确的畸变系数。

第二，姿态不要太单一。平移、旋转、俯仰、倾斜都要有，倾斜角度0°~30°区间最佳，提供充足的几何约束，避免求解结果出现退化。

第三，不要忽略温漂影响。高精度场景优先选玻璃、陶瓷、碳纤维这类低热膨胀基材的标定板，温度波动带来的尺寸形变小，精度更稳定。

第四，定期复校不能省。设备振动、镜头老化、温湿度变化都会让参数缓慢漂移，常规产线建议每月复校一次，高精度场景每两周校验一次。

结语

总而言之，针孔相机模型是理解相机成像的理论基础，张正友标定法则是经典且广泛应用的平面标定方法，二者构成了理解机器视觉相机标定的重要理论基础。

标定从来不是简单的“拍照片、跑函数”。只有理解成像模型、标定原理以及参数优化过程，再结合实际场景选择合适的标定工具和方法，才能获得稳定、可靠的标定结果。