Vision/scripts/calibrate

相机标定与激光点解算

文件说明

文件	用途
calibrate.py	相机内参标定，交互式拍照，输出 calibration_result.json
laser_calibrate.py	激光器-相机联合标定，拟合相机坐标系下的激光直线，输出 laser_result.json
pnp_solve.py	矩形检测 + PnP 位姿解算，实时显示相机位姿
laser_pnp.py	矩形检测 + PnP 位姿解算 + 激光点世界坐标计算

棋盘格规格

• 方格边长：15 mm
• 内角点数：11 列 x 8 行（12x9 个方格）

---

工作流程

第一步：相机内参标定

python calibrate.py

1. 输入是否为无畸变镜头（y/n），然后输入拍摄数量（建议 15~20 张）
2. 将棋盘格以不同角度/位置放在相机视野中
3. 画面显示绿色 CHESSBOARD DETECTED 后，输入 y 并回车拍照
4. 图像自动保存到 calibration_images/ 目录
5. 拍完后自动标定，输出内参矩阵 K 和畸变系数
6. 结果保存为 calibration_result.json，同时终端打印完整 JSON

第二步（可选）：激光器-相机联合标定

需要开启激光，激光点投射在标定板上

python laser_calibrate.py

1. 自动加载 calibration_result.json
2. 输入拍摄数量（建议 >= 10 张），标定板以不同姿态摆放
3. 画面显示绿色棋盘格角点 + 红色激光点圆圈后，输入 y 拍照
4. 每张图像：PnP 解算标定板位姿 -> 提取激光点像素 -> 反投影求交 -> 得到相机坐标系 3D 点
5. 图像自动保存到 laser_calib_images/ 目录
6. 采集完成后 PCA 拟合激光直线，输出：
   • d_cam：激光方向向量（相机坐标系）
   • O_cam：基准起点（直线与相机 Z=0 平面的交点）
7. 结果保存为 laser_result.json，同时终端打印完整 JSON

第三步：在线运行

仅 PnP 位姿解算：

python pnp_solve.py

将 calibrate.py 输出的 JSON 粘贴到文件顶部的 CALIB_JSON 变量中，修改 RECT_L/RECT_W 为实际矩形尺寸。

PnP 位姿 + 激光点世界坐标：

python laser_pnp.py

将 calibrate.py 输出的 JSON 粘贴到 CALIB_JSON，将 laser_calibrate.py 输出的 JSON 粘贴到 LASER_JSON，修改 RECT_L/RECT_W。

画面实时显示：

• 矩形四个角点标注（TL/BL/BR/TR）
• 右手坐标系坐标轴（X 红 / Y 绿 / Z 蓝）
• 相机平移向量 T 和旋转欧拉角 R
• 激光点世界坐标 (x, y)（仅在 laser_pnp.py 中）

---

内参矩阵缩放

内参矩阵 K 的单位是像素，与图像分辨率绑定。畸变系数（dist）是无量纲的，不随分辨率变化。

等比例缩放因子 $s = W_{\text{new}} / W_{\text{orig}}$：

K_scaled = K.copy()
K_scaled[0, 0] *= s    # fx
K_scaled[1, 1] *= s    # fy
K_scaled[0, 2] *= s    # cx
K_scaled[1, 2] *= s    # cy

对应的 pnp_solve.py 和 laser_pnp.py 通过 IMAGE_SCALE 常量自动处理缩放。

---

坐标系约定

世界坐标系（矩形平面，Z=0）：

TL=(0,0) ──── TR=(l,0)
  │              │
BL=(0,w) ──── BR=(l,w)

• X 轴沿矩形长边，向右
• Y 轴沿矩形宽边，向下
• Z 轴由右手定则确定：X x Y = Z，指向观察者

相机坐标系：OpenCV 标准右手系，X 右、Y 下、Z 前（指向场景）。