标定（Calibration）是指通过已知的标准物体或标定工具，确定和校正设备（如摄像头、传感器、测量仪器等）与其测量空间之间的关系。

对于机器视觉系统而言，标定是将图像数据（例如像素坐标）与实际世界的物理坐标（如毫米或厘米）之间建立精确的数学关系。

通过标定，能够纠正设备的误差，使得获取的数据可以在真实世界中准确反映物体的形状、位置、大小等属性。

一、标定的主要目标

校正设备的几何参数：例如相机的内参（焦距、主点位置等）和外参（相机与世界坐标系之间的位置关系），以及任何可能的误差，如镜头畸变。

实现传感器数据的统一：将来自不同传感器或相机的数据进行统一处理，使得它们可以在同一个坐标系统下进行对比或融合。

提高测量精度：通过标定，可以减少或消除由设备、环境因素等引起的误差，提高设备的测量和定位精度。

二、标定的类型

相机标定（Camera Calibration）：主要用于机器视觉中的相机校准。目的是确定相机的内参（如焦距、主点坐标、畸变系数）和外参（相机与世界坐标系的相对位置和方向）。标定方法通常基于拍摄已知几何形状的物体（如棋盘格）进行多次图像采集，通过这些图像反推相机的内外部参数。

立体标定（Stereo Calibration）：针对两个或多个相机组成的立体视觉系统。通过标定，确定不同相机之间的相对位置和姿态，使得多个摄像头能够共同感知三维场景。立体标定可以实现深度感知，常用于3D重建和物体追踪。

传感器标定：不仅限于相机，其他传感器（如激光雷达、IMU、红外传感器等）也需要标定，以便它们的数据可以正确地与其他传感器或相机的数据融合。例如，激光雷达与摄像头的标定可以确保两个传感器的数据能够在同一坐标系中进行融合，提供更为精确的环境感知。

机器人标定（Robot Calibration）：机器人系统的标定包括机器人臂的几何标定和传感器与机器人末端执行器（End-Effector）之间的关系标定。目的是确保机器人执行精确的定位和操作。

光学系统标定：用于各种光学设备（如显微镜、望远镜等）的标定，确保设备的图像输出与实际物理世界的关系准确。

三、标定的过程

采集图像或数据：通常会使用已知尺寸、形状的物体（如棋盘格、圆点阵列、立方体等）作为标定工具。将这个物体放置在不同的角度和位置，并通过相机或其他传感器进行多次拍摄或测量。

提取特征点：从采集到的图像或数据中，提取出已知位置和结构的特征点，例如棋盘格的角点或者物体上的标定点。通过这些特征点来推算设备的内参和外参。

计算标定参数：使用数学模型（如摄像机的针孔模型、透视变换等）来推算出设备的标定参数。这个过程通常涉及最小二乘法、非线性优化等算法，计算出相机或传感器的内外部参数。

优化和验证：在标定完成后，需要通过不同的图像或数据进行验证，确保标定结果的准确性。如果发现误差，可能需要重新调整标定过程或进行优化。

四、标定的工具和技术

不同行业需要不同的标定工具与技术支持，以下例举较为常用的几种标定产品。

棋盘格标定：最常用的相机标定方法，使用已知尺寸的棋盘格进行拍摄，棋盘格上的交点可以作为特征点来计算相机的内参和外参。

圆点阵列标定：使用规则分布的圆点阵列进行标定，这种方法对相机的光学畸变纠正较为有效。

激光雷达标定：激光雷达标定通常是通过标定目标、已知坐标的物体进行比对，确定激光雷达坐标系与其他设备坐标系之间的关系。

五、为什么需要标定？

镜头畸变修正：摄像头镜头常常会出现畸变（如桶形畸变、枕形畸变），这些畸变会导致图像失真，影响后续分析的准确性。标定可以帮助识别并修正这些畸变。

实现像素与实际物理量的对应关系：机器视觉系统的目标通常是将图像中的像素数据与现实世界的物理尺寸、位置、角度等相关联。没有标定，无法保证像素与实际物理量之间的准确映射。

提高测量精度：在工业检测、自动化生产等场景中，机器视觉常用于精确测量。通过标定，可以显著提高测量的精度，减少误差。

多传感器数据融合：当使用多个传感器（例如，多个相机、激光雷达等）进行环境感知时，标定可以帮助将不同设备的数据统一到同一坐标系统下，从而实现精确的多传感器融合。

三维重建与深度感知：在立体视觉和3D重建中，标定帮助确定不同视角之间的相对位置，从而准确地计算物体的三维坐标。

综上所述，标定是机器视觉和其他传感器系统中至关重要的过程。它通过建立设备与实际物理世界之间的数学关系，修正设备的误差，确保获取的数据和图像能准确反映现实世界的情况。

在没有标定的情况下，机器视觉系统的输出将无法用于精确的测量、定位和分析，因此，标定是实现高精度、可靠性和准确性的重要步骤。