Halcon 的标定（Calibration）与引导（Guidance）

以下为Halcon标定与视觉引导技术的系统化整合文档，结合工业实践与算法原理，涵盖基础理论、操作流程及高阶优化方案。

​一、标定基础理论​

1. ​标定的目的与重要性​

• ​核心作用​：建立图像像素坐标（2D）与物理世界坐标（3D）的映射关系，消除镜头畸变（径向/切向），实现亚毫米级定位精度（±0.1mm）
  。
• ​关键价值​：
  • 解决视觉系统与机械手“语言不通”问题，实现“所见即所动”；
  • 支持柔性生产（快速切换物料）、降低人工示教成本
    。

2. ​相机成像模型​

• ​针孔模型​：理想成像模型，忽略镜头畸变。
• ​实际模型​：需考虑畸变参数：
  • ​径向畸变​：桶形（k>0）或枕形（k<0）变形；
  • ​切向畸变​：镜头安装倾斜导致。
• ​畸变校正模型​：
  • area_scan_division：快速标定，适用低精度场景；
  • area_scan_polynomial：高阶多项式模型，精度更高
    。

3. ​标定关键术语​

​二、Halcon标定技术详解​

1. ​单相机标定流程​

​​(1) 标定板制备​

• ​规格要求​：
  • 类型：Halcon标准圆点板（7×7圆点阵列，点间距3.75-7.5mm）；
  • 材质：高精度金属板（误差<0.01mm），避免纸质反光
    。
• ​生成方法​：

  gen_caltab(7, 7, 0.005, 0.5, 'caltab.descr', 'caltab.ps')  // 生成描述文件与打印模板

​​(2) 数据采集与计算​

• ​九点标定法​：
  • ​步骤​：机械手携相机移动至9个位姿，拍摄标定板 → 提取圆点像素坐标 → 记录机械手TCP坐标 → 计算仿射变换矩阵HomMat2D
    ；
  • ​算子序列​：

    find_caltab(Image, CaltabROI, 'caltab.descr', 3, 128, 5)  // 定位标定板
    find_marks_and_pose(Image, CaltabROI, CameraParam, 'caltab.descr', [], [], MarksX, MarksY, Pose)
    vector_to_hom_mat2d(MarksX, MarksY, RobotX, RobotY, HomMat2D)  // 计算变换矩阵

​​(3) 自标定（无标定板）​​

• ​适用场景​：产品形状限制无法放置标定板；
• ​方法​：radial_distortion_self_calibration 通过图像直线轮廓估算径向畸变。

2. ​多相机标定技术​

• ​核心挑战​：多视角对齐与拼接精度
  。
• ​关键步骤​：
  1. ​标定板布局​：覆盖90%视野，相邻相机重叠区域≥20%；
  2. ​硬件同步​：PLC触发信号确保多相机同时曝光；
  3. ​全局优化​：

     calibrate_cameras(CalibDataID, 'all_cameras', Errors)  // 同步优化所有相机内外参

  4. ​图像拼接​：

     vector_to_hom_mat3d('rigid', PoseCam0, PoseCam1, HomMat3D)  // 计算投影矩阵
     blend_image_pair(Cam0Rectified, Cam1Rectified, HomMat3D, 'blend', 30, 0.5, StitchedImage)  // 加权融合

3. ​特殊场景标定​

• ​旋转中心标定​（夹具旋转场景）：
  • ​问题​：旋转轴与产品中心不重合导致偏移；
  • ​步骤​：
    • 固定旋转轴位置，采集多角度下特征点像素坐标；
    • 通过affine_trans_point_2d转换至物理坐标；
    • fit_circle_contour_xld拟合圆心获取旋转中心。

    affine_trans_point_2d(HomMat2D, Prx, Pry, Qx, Qy)  // 像素→物理坐标
    fit_circle_contour_xld(Contour, 'geotukey', -1, 0, 0, 3, 2, Row_C, Column_C, Radius_C)  // 拟合圆心

​三、视觉引导技术实现​

1. ​坐标映射与位姿补偿​

• ​坐标转换​：affine_trans_point_2d将像素坐标映射至机械坐标系
  。
• ​位姿补偿流程​：
  • 计算目标相对模板的偏移（Δx, Δy, Δθ）；
  • 结合旋转中心坐标，补偿机械臂运动（避免旋转导致的附加偏移）。

2. ​动态场景优化​

​四、应用实践指南​

1. ​标定实施要点​

• ​环境控制​：均匀漫射光源（推荐环形LED），避免反光/阴影
  ；
• ​数据采集​：
  • 标定板需覆盖视野1/3~1/2，倾斜角度≤30°；
  • Z轴标定需至少3个不同高度层；
• ​验证方法​：
  • 重投影误差检查（RMSE <0.3px）；
  • 实际抓取测试（机械手重复定位精度≤0.02mm）。

2. ​行业应用案例​

• ​电子制造​：芯片贴装（精度<0.05mm），需九点标定+温度补偿
  ；
• ​物流分拣​：动态标定补偿皮带抖动1；
• ​大尺寸检测​：四相机拼接（5μm级精度），适用航空部件检测
  。

​五、高阶技巧与误区规避​

1. ​精度优化策略​

• ​增加标定点​：从9点扩展至16点，Halcon RANSAC算法剔除异常点
  ；
• ​非线性优化​：refine_cameras调用Levenberg-Marquardt算法减少重投影误差
  。

2. ​常见问题解决​

​附：标定方法对比表​