当前位置: 首页 > news >正文

2D视觉系统标定流程与关键要求

一、视野与标定板尺寸选择

首先要确定相机的视野大小,根据相机视野的大小选择合适大小的标定板。标定板太小会导致拍照次数增加,覆盖范围不足;标定板太大则可能视野覆盖不全,无法完整提取标定点,甚至会引入边缘畸变误差。因此,合理选择标定板的尺寸,是确保标定效率和精度的第一步。

一般建议标定板的物理尺寸为视野的 1/3~1/2 左右。例如视野是 200×180mm,标定板可选择 60~90mm 大小。此范围既能保证图像中有足够的标定信息,又避免标定板超出图像范围无法识别。

此外,在选择标定板图案时,应根据所用算法兼容性选择合适形式,如棋盘格或圆点阵列。圆点阵列对图像噪声和畸变具有更强的鲁棒性,在工业级系统中广泛应用。


二、标定板制作精度要求

标定板的精度,指的是实际制作的标定板是否严格符合设计规范,尤其是标定点的几何关系。以 Halcon 提供的标定板制作程序为例:

gen_caltab (7, 7, 0.02, 0.5, 'caltab.descr', 'caltab.ps')

该命令生成一个 7×7 的圆点阵列,标定板中相邻黑色圆的圆心距应为 0.0125 米(12.5mm)
若实际制作出的标定板,其圆心距偏离 0.0125m 的误差过大,将直接导致相机内参估计偏差,严重影响后续测量精度。

因此,标定板打印时应使用高精度设备,禁止缩放输出或自动适配页面功能,必须设置为1:1真实尺寸输出。常规家用打印设备由于存在热缩、挤压、走纸偏移等问题,难以满足高精度需求。推荐选择专业厂家制作玻璃或金属材质的工业标定板,其热稳定性、平整性和加工精度更能满足丝级测量的需求。

在实际应用中,标定板的制作精度建议达到 0.01mm(丝级)以内,尤其是在对测量误差要求严格的精密定位和尺寸测量系统中,这一要求至关重要。


三、标定图像采集的要求

(1)覆盖整个视野区域

标定图像应充分覆盖相机的整个成像视野,确保系统能够在全视野范围内建立准确的几何映射关系。推荐借助 Halcon 标定助手等辅助工具,对图像分布进行质量检测。

当图像加载至助手后,如出现 视野没有完全被标定板覆盖 的提示,说明标定图像在某些区域存在缺失。此时点击 show 按钮可在左侧视图中查看覆盖情况,其中绿色区域表示已被覆盖,红色区域表示未被覆盖。

通常,需确保标定板至少出现在图像的中心、四个角、四条边等典型位置,并且覆盖范围略有重叠,以消除视野边缘可能存在的畸变不确定性。


(2)包含旋转和倾斜角度的图像

为了提高标定模型对图像畸变和姿态变化的拟合能力,采集过程中需有意识地使标定板产生一定的旋转和倾斜

例如,通过改变标定板的姿态,使其绕 X、Y、Z 三个轴分别形成一定角度,与相机产生夹角,可以有效增强标定算法对不同视角和深度变化的建模能力。

在 Halcon 标定助手中,如提示旋转角度没有被先后覆盖到,说明图像中缺少足够的姿态变化信息。此时应补充包含倾斜和旋转角度的图像。经验上,一般倾斜图像需覆盖以下区域:

  • 四个角(左上、右上、左下、右下);
  • 四条边(上、下、左、右);
  • 图像中心;

此外,标定板的旋转角度不应局限于单一方向,建议每次拍照时将其旋转一定角度(如每次旋转15°~30°),以构建完整的投影空间模型。

通过这种空间分布+姿态变化的组合策略,可有效增强标定系统的稳健性与泛化能力。


(3)采集图像数量

一般来说,在标定板尺寸选择合理的前提下,采集 12~18 张图像即可满足系统标定的需求。

图像数量并非越多越好,而应保证每张图像均具有实际价值,包括:

  • 不同位置分布;
  • 不同旋转和倾斜角度;
  • 不同尺寸缩放(可轻微调整拍摄距离);

每一张图像的作用是“增加空间中一个有差异的数据点”,从而让标定结果更具准确性和鲁棒性。


四、图像评估与品质反馈

在完成图像采集后,建议使用 Halcon 标定助手对图像进行评估。若图像覆盖区域、旋转角度、倾斜姿态均满足要求,助手界面中的相关品质提示将全部消除,仅可能保留一项提示为:

检测出某些图像的品质问题


该提示多数情况下可忽略,原因可能包括:

  • 图像略有模糊;
  • 光照不均;
  • 标定板边缘轻微遮挡;
  • 图像中仅部分标定点被识别;

只要总体标定分数稳定、误差控制在目标范围内(如 0.05~0.1 像素以内),即可判定标定质量合格。


五、确保丝级测量精度的控制要点

当按上述流程标定完成后,测量精度达到丝级(0.01mm)通常问题不大。为进一步保障测量系统性能,建议控制以下关键点:

控制维度要求与建议
标定板精度使用高质量工业级标定板,圆心距误差 ≤0.01mm
图像采集分布覆盖视野中心、边缘、角落;保证倾斜与旋转
光照环境均匀稳定,避免反光与阴影遮挡
镜头与安装使用定焦镜头,安装固定、防振,防止重标定
标定算法使用Halcon/OpenCV等成熟算法,启用畸变建模
标定验证使用量块、实物尺寸或对位验证进行精度校验

六、结语

2D视觉系统的高精度标定是一项系统性工程,涉及标定板制作、图像采集、姿态控制、误差建模、软件算法等多个环节。只要在每个环节中严格按照上述要求操作,标定系统通常能实现0.01mm级别的稳定测量精度。

如配合进一步的标定残差评估、精度验证流程,甚至可将系统测量能力扩展至亚像素级应用中,满足工业检测、精密定位、自动化装配等多种高要求场景。


http://www.xdnf.cn/news/1135549.html

相关文章:

  • 高光谱相机(Hyperspectral Camera)
  • 【后端】Linux系统发布.NetCore项目
  • 尺寸标注识别3 实例分割 roboflow
  • NumPy, SciPy 之间的区别
  • 大语言模型任务分解与汇总:从认知瓶颈到系统化解决方案
  • AutoMQ 与 Lightstreamer 达成战略合作:NASA也在用的 Kafka 数据实时分享新架构
  • 【C# in .NET】16. 探秘类成员-索引器:通过索引访问对象
  • 使用Pytorch进行数字手写体识别
  • OpenCV中常用特征提取算法(SURF、ORB、SIFT和AKAZE)用法示例(C++和Python)
  • 手撕Spring底层系列之:后置处理器“PostProcessor”
  • 学习OpenCV---显示图片
  • 代码随想录算法训练营十八天|二叉树part08
  • 算法竞赛备赛——【图论】求最短路径——Floyd算法
  • 深度学习之反向传播
  • Electron实现“仅首次运行时创建SQLite数据库”
  • 数据集相关类代码回顾理解 | utils.make_grid\list comprehension\np.transpose
  • HDFS基本操作训练(创建、上传、下载、删除)
  • 【LeetCode刷题指南特别篇】--移除链表元素,调试技巧,链表分割
  • Python第八章作业(初级)
  • HTML 入门教程:从零开始学习网页开发基础
  • ES组合使用must与should时的注意事项
  • 深入理解-Java-线程池:原理、动态调整与监控实践
  • Web3.0与元宇宙:重构数字文明的技术范式与社会变革
  • 李宏毅2025《机器学习》第七讲-推理模型:从原理、流派到未来挑战
  • GESP2025年6月认证C++四级( 第三部分编程题(2)排序)
  • C#.NET BackgroundService 详解
  • 一个项目的完整一生 --- 一 窗口大小设置
  • watermark的作用
  • 使用YOLOv11实现水果类别检测:从数据到模型训练的全过程
  • 【SpringBoot】实战-开发接口-用户-注册