一、前言

在我的工业相机专栏里已经将相机标定涉及到的理论部分讲解完毕，为什么要标定以及标定要求出什么参数呢，用一个Halcon 例程来帮助理解。
这个例程是比较经典的标定程序，基本将标定过程讲的比较清楚，用的标定图像是系统自带的，如果想自己做可以在Halcon助手选项里拍照生成。

二、代码

* 设置窗口和字体 ImgPath := '3d_machine_vision/calib/' dev_close_window () dev_open_window (0, 0, 640, 480, 'black', WindowHandle) dev_update_off () dev_set_draw ('margin') dev_set_line_width (3) set_display_font (WindowHandle, 22, 'mono', 'true', 'false') * * 相机标定过程 * * 生成面阵相机初始参数，参数均为相机已知参数 * （: : 焦距, 畸变因子, Sx, Sy, Cx, Cy, 图像宽度, 图像高度 : CameraParam存储元组） * （Sx, Sy为传感器芯片上两个相邻单元之间的水平竖直距离，也就是像素的大小，单位为m/像素；Cx, Cy为图像原点的行列坐标，单位为像素；） gen_cam_par_area_scan_division (0.012, 0, 0.00000375, 0.00000375, 640, 480, 1280, 960, StartCamPar) *创建Halcon标定数据模型（标定类型，相机数量，标定物数量，模型句柄） *其作用在于指定相机标定类型，设置标定过程，存储标定数据和结果。 create_calib_data ('calibration_object', 1, 1, CalibDataID) *设定相机初始参数（句柄，相机参数索引，相机类型，起始相机参数） *此段程序跑完的句柄见下图。 set_calib_data_cam_param (CalibDataID, 0, [], StartCamPar) *设定标定板初始参数（句柄，标定板数量索引，标定板描述（文件名或者标定板所有点的三维坐标））此例生成三维坐标系坐标值（x,y,z），其中z为0；坐标原点在finder模式的中心Mark点中心，坐标系的z轴指向标定板，x轴指向右侧，y轴指向下方，视角沿z轴。 set_calib_data_calib_object (CalibDataID, 0, 'calplate_80mm.cpd')//此文件可用记事本打开，里面记录了标定板五个mark模式的点坐标和半径。 calibration marks at y = -0.0290538 m -0.0374193548387097 -0.0290537554818005 0.000645161290322581

*读图，并生成落轮廓和点的特征参数值 NumImages := 7 for I := 1 to NumImages by 1 *读图，路径在C盘用户公共文档里，% 2d是将数字按宽度为2，采用右对齐方式输出，若数据位数不到2位，则左边补空格，所以文件名为calib_0X。read_image (Image, ImgPath + 'calib_image_' + I$'02d')dev_display (Image)*寻找标定板并在模型中设定提取的点和轮廓信息*（图像变量，句柄，相机的索引，标定板的索引，计数变量，参数名（使用六边形标定板，设置额外的参数值，可以使图像平滑等），参数值）*该算子将标定板每个点的轮廓和点坐标，索引和此图像标定板相对于相机坐标系的位姿提取出来，保存在句柄中。*find_caltab在图像中寻找标定板是基于标定板的特征——在一个亮的区域中存在黑色Mark点*算子对图像高斯滤波（核大小为SizeGauss），接着阈值分割（与之大小为MarkThresh）将标定板的区域找出来.find_calib_object (Image, CalibDataID, 0, 0, I, [], [])*从标定数据模型中获取基于轮廓的观测数据*（轮廓变量，句柄，返回标定板查找模式的轮廓内含三个参数（marks（返回每一个轮廓，calib(返回查找模式的轮廓)，last_caltab（会返回上次成功的查找结果，但会忽略索引信息）），相机索引，标定板索引，变量）* 标定板查找器：有两种模式，一种是特殊标记六边形（即一个标记及其六个相邻标记），其中四个或六个标记包含一个孔；另外是带有矩形排列标记的校准板：校准板的边缘在一角有一个三角形。这里是第一种，结果如下图所示。get_calib_data_observ_contours (Caltab, CalibDataID, 'caltab', 0, 0, I)*从标定数据模型中获取基于点的观测数据get_calib_data_observ_points (CalibDataID, 0, 0, I, Row, Column, Index, StartPose)dev_set_color ('green')dev_display (Caltab)dev_set_color ('red')*画出坐标的轮廓，轮廓以中心点的方式显示（窗口句柄，中心点行坐标，列坐标，半径）tuple_gen_const(: : Length, Const : Newtuple)（元组长度，常量初始值）disp_circle (WindowHandle, Row, Column, gen_tuple_const(|Row|,1.5)) endfor

关于find_calib的更多细节见链接：
Halcon相机标定

*最重要的算子：相机标定，通过同步的最小化过程确定所有相机参数； *计算相机内外参矩阵，原理见链接(https://blog.csdn.net/baidu_35536188/article/details/109772056) *（句柄，优化后的反投影的均方根误差（RMSE），单位为像素，该误差用来反映优化是否成功，越接近0表示效果越好） calibrate_cameras (CalibDataID, Errors) *获取相机标定数据--内参值，将其存在CamParam上。 get_calib_data (CalibDataID, 'camera', 0, 'params', CamParam) *获取标定板数据，将其第一幅图的位姿存在Pose里。 get_calib_data (CalibDataID, 'calib_obj_pose', [0,1], 'pose', Pose)* To take the thickness of the calibration plate into account, the z-value * of the origin given by the camera pose has to be translated by the * thickness of the calibration plate. * Deactivate the following line if you do not want to add the correction. * *设置新的坐标原点。在Z轴坐标加0.02,主要是考虑标定板的厚度，该算子通过DX、DY和DZ给定的向量转换3D poseIn的原点，并以poseNewOrigin形式返回结果。 set_origin_pose (Pose, 0, 0, 0.002, Pose) * measure the distance between the pitch lines

read_image (Image, ImgPath + 'ruler') dev_display (Image) * 准备提取垂直于矩形长轴的直边。 矩形的中心在(Row,Column)，Phi为矩形主轴的角度，Lenth1和Lenth2为两轴的长度，即矩形两边长度的一半。 * （矩形中心点的行坐标，列坐标，矩形的纵轴与水平的角度（弧度），矩形的半宽，矩形的半高，图像的宽，高，要使用的插值类型，测量对象句柄） gen_measure_rectangle2 (690, 680, rad(-0.25), 480, 8, 1280, 960, 'bilinear', MeasureHandle) *提取垂直于矩形或环形弧的边缘对 *（图像，句柄，高斯平滑的西格玛参数值，最小边缘幅度，灰度值转换的类型以确定边缘如何成对，边缘对第一条边的中心的Row坐标，列坐标， 边缘对第一条边的边缘幅度（带符号），边缘对第二条边的中心的Row坐标，列坐标，边缘幅度，边缘对内部之间的距离，边缘间距离） measure_pairs (Image, MeasureHandle, 0.5, 5, 'all', 'all', RowEdgeFirst, ColumnEdgeFirst, AmplitudeFirst, RowEdgeSecond, ColumnEdgeSecond, AmplitudeSecond, IntraDistance, InterDistance) Row := (RowEdgeFirst + RowEdgeSecond) / 2.0 Col := (ColumnEdgeFirst + ColumnEdgeSecond) / 2.0 *显示X点，如下图所示。 disp_cross (WindowHandle, Row, Col, 20, rad(45)) *将图像点转换为世界坐标系的z=0平面 *（相机内参，位姿，行，列，单位，世界坐标系的X坐标点，Y坐标点） image_points_to_world_plane (CamParam, Pose, Row, Col, 'mm', X1, Y1) *计算两点间的距离 distance_pp (X1[0:11], Y1[0:11], X1[1:12], Y1[1:12], Distance) *求平均距离和 tuple_mean (Distance, MeanDistance) *计算距离的标准差 tuple_deviation (Distance, DeviationDistance) disp_message (WindowHandle, 'Mean distance: ' + MeanDistance$'.3f' + 'mm +/- ' + DeviationDistance$'.3f' + 'mm', 'window', 30, 60, 'yellow', 'false')

三、总结

Halcon 的标定步骤总结如下：

gen_cam_par_area_scan_division：生成相机参数矩阵；

create_calib_data，set_calib_data_cam_param， set_calib_data_calib_object：创建标定数据模型，并设定相机和标定板的参数值，包括相机起始内参和标定板的坐标系。

find_calib_object,在多幅标定图像中寻找标定板，并提取其轮廓和点特征，生成相对于相机坐标系的位姿矩阵（7维）。

calibrate_cameras，计算内外参，并计算误差值。

读实际要测量的图，设定感兴趣矩形区域，并通过边缘检测计算边缘点坐标并标记出来，并根据计算出的内外参将二维坐标转为3维坐标，计算出偏差。
综合下来，感觉HALCON标定的过程还是比较清晰的，关键算子里面的程序还是需要理解一下。

总结

以上是生活随笔为你收集整理的Halcon例程（基于多个标定图的单目相机标定）详解—— Camera_calibration_multi_image.hdev的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。