【ZED】深入解析ZED相机标定：从张氏标定法到实战优化

最新推荐文章于 2026-04-12 09:16:02 发布

原创

最新推荐文章于 2026-04-12 09:16:02 发布 · 440 阅读

标签

#ZED #相机标定 #张氏标定法 #OpenCV

1. 为什么你的ZED相机需要标定？从“感觉不准”到“精准测量”

如果你刚拿到ZED相机，兴冲冲地用它来测距或者做三维重建，结果发现测出来的距离和实际差了好几厘米，或者拼接出来的模型歪歪扭扭，别急着怀疑硬件坏了。十有八九，问题出在相机标定这一步没做好。我刚开始玩ZED的时候也踩过这个坑，以为出厂设置就万事大吉，结果在做一个机械臂抓取项目时，因为深度误差导致定位失败，白白折腾了好几天。

简单来说，相机标定就是给相机做一次“体检”和“身份认证”。它要解决两个核心问题：第一，确定相机自身的“性格参数”（内参）；第二，确定相机在空间中的“位置和姿态”（外参）。你可以把相机想象成人的眼睛。每个人的眼球形状、晶状体焦距都略有不同（这就是内参），而且你观察世界时，头是正着看还是歪着看，站得近还是站得远（这就是外参），都会影响你判断物体的位置和大小。相机标定，就是通过一套数学方法，把这些“个性”和“状态”精确地测量出来。

对于ZED这类双目立体相机，标定尤为重要。因为它依赖左右两个镜头看到的画面差异（视差）来计算深度。如果两个镜头的内参不准，或者它们之间的相对位置（外参）测量有误，那么计算出的视差就会出错，深度信息自然也就不准了。这就像你用两只眼睛看东西，如果一只眼睛近视度数没配准，或者两眼斜视，你判断距离的能力就会大打折扣。

所以，无论你是做机器人导航、三维扫描、体积测量还是AR/VR应用，精准的标定都是后续所有工作的基石。没有准确的标定，再高级的算法也是“巧妇难为无米之炊”。接下来，我们就从最经典、最实用的张氏标定法开始，一步步拆解ZED相机的标定全过程。

2. 张氏标定法：化繁为简的“棋盘格魔法”

提到相机标定，就绕不开张正友博士在1998年提出的“张氏标定法”。这个方法之所以经典，是因为它用一个简单巧妙的思路，解决了复杂的参数求解问题，让高精度的相机标定走出了实验室，变成了普通开发者也能轻松上手的技术。

它的核心道具是一张棋盘格图案。你肯定见过，就是那种黑白相间的方格图。这个方法妙在哪呢？它不需要你知道这个棋盘格在真实世界里精确的物理尺寸（比如每个格子必须是10.000毫米），只需要你知道它有多少行、多少列（比如内角点是6x8）。棋盘格提供了一个已知的、规则的三维点阵（所有角点都在一个平面上，且间距均匀），相机从不同角度去拍摄它，就能建立起大量的二维图像点与三维空间点的对应关系。

整个标定的数学过程，可以理解为层层递进的四步：

求解单应性矩阵（Homography）：这是第一步，也是最关键的一步。对于每一张拍摄的棋盘格图片，我们都要计算一个单应性矩阵。这个矩阵描述的是棋盘格平面（真实世界中的那个平面）和相机成像平面（照片）之间的映射关系。你可以把它想象成一个“透视变换”的公式，能把棋盘格从三维空间“拍扁”到二维照片上。通过多张不同角度的图片，我们就能得到多个这样的映射关系。
求解相机内参矩阵（Intrinsics）：有了多个单应性矩阵，我们就可以利用一些约束条件（比如旋转矩阵的正交性），反推出相机的内部参数。这个内参矩阵通常长这样：
```
[fx,  s, cx]
[0,  fy, cy]
[0,  0,  1]
```
其中，fx和fy是焦距（以像素为单位），(cx, cy)是图像的主点（通常接近图像中心），s是倾斜系数（现代相机通常为0）。对于ZED相机，左右两个镜头需要分别标定出各自的内参矩阵。
求解相机外参矩阵（Extrinsics）：内参知道了，单应性矩阵也知道了，那么对于每一张图片，相机相对于那个棋盘格的位置和朝向（即外参矩阵 [R|t]，R是旋转，t是平移）也就能算出来了。这告诉我们，拍摄每张照片时，相机是从哪个角度、哪个位置看棋盘格的。
求解畸变系数并全局优化：镜头不是完美的，尤其是广角镜头，拍出来的图像边缘的直线会变弯，这就是畸变。张氏标定法最后一步就是估算径向畸变系数（通常是k1, k2，严重的还会用k3），然后用最大似然估计或Levenberg-Marquardt算法，把内参、外参、畸变系数放在一起，进行一轮全局的精细优化，使得所有棋盘格角点的投影位置和实际检测到的图像位置之间的总误差最小。

这个过程听起来复杂，但幸运的是，OpenCV这样的库已经把绝大多数步骤封装好了。我们作为使用者，核心任务就是：拍好棋盘格照片，调用正确的函数，然后解读结果。下面，我们就进入实战环节。

3. 实战第一步：准备高质量的标定图像

标定结果的好坏，七八成取决于你采集的图像质量。这一步做不好，后面算法再厉害也白搭。根据我的经验，很多新手标定误差大，问题都出在图像采集环节。

首先，制作或打印你的棋盘格。 我推荐使用不对称的圆圈网格，因为OpenCV检测它的角点（圆心）比检测传统棋盘格的交点更稳定、更精确。当然，传统的棋盘格也完全没问题。关键是要平整！不要贴在软趴趴的纸板上，最好用亚克力板或者裱在硬卡纸上。尺寸上，每个格子的大小没有绝对要求，但建议让棋盘格在图像中占据足够的面积，比如占画面宽度的1/3到1/2。我常用的是7x9的网格（内角点数为6x8），这个大小比较适中。

接下来，用ZED相机采集图像。 这里有几个至关重要的技巧：

多角度、多位置：这是最重要的原则。不要只在一个位置拍，要像用手机拍一个物体一样，上下左右、远近倾斜、正对侧对，各个角度都拍一些。想象用棋盘格“包裹”住相机的视野。我一般会拍15到25张，太少的话参数估计可能不稳定，太多也没必要，反而增加计算量。
保证清晰度：确保棋盘格在每一张图片里都是清晰的，没有运动模糊。光线要均匀，避免棋盘格上有强烈反光或阴影。ZED相机在室内普通光照下就能工作得很好。
覆盖整个画面：特别要拍一些让棋盘格充满整个画面边缘的图片。因为畸变在图像边缘最明显，这些图片对于准确估计畸变系数至关重要。
左右镜头同步：ZED是双目相机，我们需要同时获取左右镜头的图像进行分别标定。下面的代码示例展示了如何用ZED Python API捕获并保存左右图像。

import pyzed.sl as sl
import cv2
import numpy as np
import os
import time

class ZEDCalibrator:
    def __init__(self, resolution='HD1080', fps=30):
        self.zed = sl.Camera()
        self.init_params = sl.InitParameters()
        self.init_params.camera_resolution = getattr(sl.RESOLUTION, resolution)
        self.init_params.camera_fps = fps
        self.init_params.depth_mode = sl.DEPTH_MODE.NONE  # 标定时不需要深度模式

        # 打开相机
        err = self.zed.open(self.init_params)
        if err != sl.ERROR_CODE.SUCCESS:
            print(f"相机打开失败: {err}")
            exit(1)

        self.runtime = sl.RuntimeParameters()
        self.image_left = sl.Mat()
        self.image_right = sl.Mat()
        self.save_dir =

最低0.47元/天解锁文章