最近帮朋友调试一套水下ROV的视觉系统检查他们的标定流程时发现了一个老问题相机的内参是在空气里标好的下水之后直接沿用这套参数去做定位和测距。结果水下测距偏差肉眼可见机械臂抓目标总是偏一截反复调算法也救不回来。这个坑我踩过不止一次所以今天专门把水下相机标定这件事从头到尾梳理一遍。文章会回答三个问题空气标定法为什么不能直接拿到水下用、水下标定到底有哪几条路线、以及最实用的Python标定代码怎么一次跑通。整个过程我会按真实项目的操作习惯来写从标定板怎么准备到照片怎么拍再到代码输出的参数怎么解读全部覆盖。1. 为什么空气标定法在水下“不靠谱”1.1 张正友标定法的隐含前提现在绝大多数相机标定用的都是张正友标定法。它的思路很直观用相机拍一组已知尺寸的棋盘格通过检测角点在“三维世界坐标”和“二维图像坐标”之间建立对应关系然后求解相机的内参矩阵和畸变系数。这套方法有一个很容易被忽略的前提它默认光线从物体到镜头之间是沿直线传播的且整个光路处在同一种均匀介质里。在空气里这个假设基本成立所以空气标定的结果用起来没什么问题。但水下完全不一样。水的折射率大约是1.333防水壳的玻璃或者亚克力罩折射率在1.5左右镜头前面的空气折射率是1.0。光线从水中穿过玻璃再进入镜头要经历两次折射路径根本不是直线。相机芯片上接收到的像点位置被“挪”了这时候还套用空气里标出的内参误差自然就出来了。1.2 水下折射如何改写内参很多人以为水下标定就是把相机泡进水里重新走一遍标定流程就行这个方向对但理解还要再深一层。水下折射带来的影响并不是简单的“整体偏移”它同时改变了有效焦距、主点位置和畸变分布。先说焦距。光从水进入镜头时等效光路被压缩相机的有效焦距会发生明显变化。对于常见的平面玻璃防水壳光轴中心附近的等效焦距变化相对小但离光轴越远像点位移越明显。表现出来就是画面边缘的桶形畸变更严重畸变系数跟空气里标的结果对不上。如果是球面防水罩情况更复杂整个成像模型的对称性都会受影响。再说主点。空气标定得到的主点位置是芯片中心附近但水下成像的光线偏折会让主点在画面上的对应位置发生偏移。对视觉定位来说主点错几个像素远距离测量就会差出明显的距离。这些变化叠加起来最终结果就是空气标定的内参矩阵和畸变系数在水下只能算一个“近似值”。对纯识别类任务可能还能凑合一旦涉及三维重建、目标定位、距离测量这种对精度敏感的工作误差会被迅速放大。1.3 标定误差落到项目里的后果空气标定法在什么时候会暴露问题我在几个实际场景里见过非常典型的情况。水下机械臂抓取是比较容易踩雷的场景。相机标定误差导致目标中心在图像坐标上偏了几个像素换算到三维空间可能就是几厘米的偏移机械臂按这个坐标去抓自然对不准。水下三维重建也是重灾区标定不准会让点云出现“碗状变形”拼接面错层后期怎么配准都救不回来。水下SLAM里弱纹理环境下本身特征就少标定误差再混进去回环检测和位姿估计都会漂。潜水面阵相机做拼接测绘边缘畸变没标对接缝处就会错位整幅图看起来是花的。最麻烦的是这些问题不会直接报错只会让系统整体“不准”排查起来要花很长时间。与其后面在算法层打补丁不如一开始就把标定做对。2. 水下相机标定的三条路线怎么选2.1 路线一直接水下拍摄标定板这是最直接、也最推荐大多数项目采用的方式。把标定板放进水里相机也在实际使用的水环境下直接拍摄棋盘格然后跑一遍标准的张正友标定流程。这么做的好处非常明显标定出来的内参和畸变系数是“相机 防水壳 水体”整套系统的综合结果不需要单独去建模折射。只要拍摄时水体和实际作业场景一致标定结果直接上线用就行简单粗暴且真实。这套方案在什么情况下最合适水下机器人视觉、水下测量、潜水摄影设备这类相机和水介质相对固定的场景基本都能覆盖。要注意的是标定时水的盐度、浑浊度和温度最好跟实际工作环境一致否则折射率会有细微差异极端情况下会对精度有影响。2.2 路线二空气标定 折射模型补偿有些项目不方便把标定板泡在水里比如相机已经装在设备内部、拆装成本很高或者作业环境是开放水域标定板下水容易被水流冲走。这时可以采用空气标定加折射补偿的方式。具体做法是先在空气里标出相机机身的准确内参然后测量防水壳玻璃的厚度、折射率和相机到玻璃面的距离把这些参数代入一个多层折射模型在算法层面对成像光路做补偿。这条路线的优点是标定环境好控制不用折腾水下采集缺点是折射模型本身是近似建模防水壳的加工公差、玻璃表面曲率、装配间隙都会引入误差。模型修得再精细也很难完全还原真实的复杂光路精度上限不如路线一。2.3 路线三镜头防水壳分层标定这条路线的思路是“拆开来标”。先对裸机镜头做一次高精度空气标定得到纯镜头的内参和畸变系数再单独测量防水壳的光学参数包括玻璃厚度、折射率、面型精度最后通过光学仿真或者多层折射计算把两套参数合成为整个水下光学系统的等效内参。它适合对精度要求极高的科研和工业测量项目比如水下高精度摄影测量、结构光三维扫描。但操作成本很高需要专门的测量工具和光学仿真能力普通工程团队一般用不上。2.4 三条路线怎么选直接说结论。绝大多数工程场景首选路线一也就是水下直接拍摄标定板。它的成本最低、最接近真实工况、标定结果最靠谱。路线二适合无法下水采集的场景可以作为妥协方案。路线三基本是专业计量级项目的选择普通视觉项目不建议碰。路线精度成本适用场景水下直接标定高低水下机器人、测量、摄影设备空气标定折射补偿中中不便水下采集的固定安装设备分层标定最高高科研、精密测量项目3. 标定板设计与水下采集规范3.1 标定板的材料与防水处理水下标定第一步不是写代码而是搞定一张能泡在水里不变形的标定板。网上几块钱打印的纸质棋盘格在空气里用用还行下水就废了。纸遇水会皱、会膨胀棋盘格尺寸一变标定出来的世界坐标全是错的。所以标定板必须做防水处理而且处理完还要保证板面绝对平整。我常用的方案有两种。第一种是买成品亚克力标定板棋盘格直接UV打印在亚克力板表面整体坚固、平整、防水缺点是价格偏高。第二种是自制方案把高精度打印的棋盘格夹在两片3mm以上的亚克力板之间四周用玻璃胶密封。注意夹板时中间不能留空气否则会产生气泡影响成像。自制标定板有一点要特别提醒亚克力板会对棋盘格产生反光拍摄时画面里会出现白色高光角点检测很容易失败。解决办法是打印棋盘格时尽量用哑光纸或者拍的时候把光源角度调斜减少镜面反射进入镜头。关于棋盘格的尺寸需要根据实际工作距离来定。水下机器人近距离作业0.3到1米格子边长20到30毫米比较合适如果相机离目标通常有两三米远标定板的格子至少要做到50毫米以上否则在图像里格子太小角点提取精度不够。内角点数我推荐(9,6)或者(7,7)角点太少的话标定约束不足太多则图像边缘角点容易检测失败。3.2 水下拍摄的光照与机位技巧水下标定的成功率和图像质量直接相关而水下拍照最大的问题就是光照。水下光线衰减快还伴随着强烈的散射。很多人在鱼缸或者水池里拍摄标定板直接用机顶灯正对着板子打光结果棋盘格上出现大片白色耀斑反光区域角点全部丢失。正确做法是用两个光源从左右两侧斜向打光让光线均匀覆盖标定板表面尽量避开玻璃表面的反射角。机位方面不要只拍正对相机的角度。张正友标定法要求棋盘格在画面中呈现出不同的姿态也就是要有一定倾斜。我在实际采集时会让标定板相对于相机有大约15度到45度的倾角同时覆盖画面的四个角落和中心区域。这样标定解算出的内参才会适应不同视角下的畸变。还有一点容易被忽略如果相机是透过防水壳拍摄防水壳前玻璃上的水滴或者雾气会直接影响成像清晰度。下水前检查一下防水壳内部有没有水汽外部玻璃擦干净再开始采集。3.3 一张合格的标定图像要满足哪些条件很多新手拍了几十张图结果标定结果很差回头看原因就是图片质量参差不齐。我给自己定了几条检查标准每一张图入库前都要过一遍。一是清晰度。快门速度太慢或者水下有水流标定板边缘会产生运动模糊角点检测定位精度会严重下降。拍摄时尽量固定相机和标定板或者提高快门速度确保棋盘格边缘锐利。二是完整度。棋盘格要尽量完整出现在画面里最好整块板都能看到。只有部分棋盘格在画面中偶尔也能参与标定但占比太大会拉低整体精度。三是分布多样性。不要在一个角度下连拍几十张看起来数量很多实际对求解参数没有任何帮助。要“少而全”每个角度和距离各拍几张。3.4 采集数量与分布建议综合多次实际经验水下标定图像一般建议采集15到30张。少于15张角点覆盖不够解算出来的参数不稳定多于30张收益递减而且图像质量参差不齐反而可能引入坏数据。采集分布建议按这样的组合来覆盖距离从近到远各拍几组比如0.3米、0.5米、0.8米、1.2米角度从水平到倾斜各拍几组注意左右倾斜和上下倾斜都要覆盖到画面位置从中心到四角各拍几组让棋盘格在画面不同区域都出现过。我习惯的做法是拿着标定板在水里缓慢变换位置和角度每次变化后停稳确认画面清晰再拍一张。拍完一组立即回看模糊、反光、被遮挡的直接删掉节省后期筛选时间。4. Python OpenCV 标定代码逐段拆解4.1 安装 OpenCV 与 NumPy代码部分使用Python和OpenCV这是目前做相机标定最成熟的组合核心函数cv2.calibrateCamera就是张正友标定法的经典实现稳定且文档齐全。安装依赖只需要两个库pip install opencv-python numpy如果你需要调试角点检测过程可以加上matplotlib方便可视化pip install matplotlib建议使用Python 3.8以上的版本OpenCV 4.x系列我已经实测过没有兼容性问题。4.2 完整标定代码下面的代码是我按真实项目习惯写好的一个完整流程直接复制后改两个参数就能用。一是棋盘格的内角点数CHESSBOARD_SIZE二是单个格子的边长SQUARE_SIZE这两个地方一定要跟你手里的标定板实物一致。import cv2 import numpy as np import glob import json # 配置区 CHESSBOARD_SIZE (9, 6) # 棋盘格内角点数注意是角点数不是格子数 SQUARE_SIZE 0.03 # 单个格子边长单位米30mm IMAGE_PATH underwater_calib/*.jpg # 采集图像路径支持通配符 # # 生成棋盘格角点的世界坐标 objp np.zeros((CHESSBOARD_SIZE[0] * CHESSBOARD_SIZE[1], 3), np.float32) objp[:, :2] np.mgrid[ 0:CHESSBOARD_SIZE[0], 0:CHESSBOARD_SIZE[1] ].T.reshape(-1, 2) * SQUARE_SIZE obj_points [] # 世界坐标系下的棋盘格角点 img_points [] # 图像坐标系下的棋盘格角点 image_files glob.glob(IMAGE_PATH) print(f找到 {len(image_files)} 张图像) if len(image_files) 0: raise FileNotFoundError(没有找到标定图像请检查 IMAGE_PATH 路径配置) # 亚像素角点精化迭代条件 criteria (cv2.TERM_CRITERIA_EPS cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001) valid_count 0 for fname in sorted(image_files): img cv2.imread(fname) if img is None: print(f无法读取图像: {fname}) continue gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 检测棋盘格角点 ret, corners cv2.findChessboardCorners(gray, CHESSBOARD_SIZE, None) if ret: # 亚像素角点精化提高定位精度 corners_refined cv2.cornerSubPix(gray, corners, (11, 11), (-1, -1), criteria) obj_points.append(objp) img_points.append(corners_refined) valid_count 1 # 可视化检测效果按任意键查看下一张 disp_img img.copy() cv2.drawChessboardCorners(disp_img, CHESSBOARD_SIZE, corners_refined, ret) cv2.imshow(chessboard detection, disp_img) cv2.waitKey(100) else: print(f角点检测失败跳过: {fname}) cv2.destroyAllWindows() print(f成功检测角点的图像数量: {valid_count}) if valid_count 5: raise RuntimeError(有效图像太少标定至少需要 5 张合格图像) # 执行标定 # 注意 gray.shape[::-1] 是 (width, height) ret, mtx, dist, rvecs, tvecs cv2.calibrateCamera( obj_points, img_points, gray.shape[::-1], None, None ) print(\n 标定结果 ) print(f重投影误差: {ret:.5f} 像素) print(内参矩阵: ) print(mtx) print(畸变系数: ) print(dist.ravel())如果findChessboardCorners经常检测失败可以考虑OpenCV新增的cv2.findChessboardCornersSB它对光照不均和模糊图像的容忍度更高替换起来也很简单ret, corners cv2.findChessboardCornersSB(gray, CHESSBOARD_SIZE, None)但要注意SB算法对棋盘格样式有要求必须是黑白交替的普通棋盘格其他图案不一定兼容。4.3 运行结果怎么解读代码运行后最需要关注的是三样东西重投影误差、内参矩阵、畸变系数。重投影误差是标定质量的直接指标。它的物理含义是把世界坐标系里的棋盘格角点按标定出的内外参重新投影到图像平面跟实际检测到的角点位置做对比平均偏差了多少像素。误差在0.1像素以下说明标定质量不错。水下标定由于光照、散射等复杂因素误差在0.1到0.3像素之间也很常见完全可用。内参矩阵mtx长这样[[fx, 0, cx], [ 0, fy, cy], [ 0, 0, 1]]fx和fy是等效焦距单位是像素代表镜头焦距在水平和垂直方向上的尺度。cx和cy是主点坐标理论上接近图像中心。水下标定出来的fx如果跟空气标定值有明显差异这是正常的正因为折射改变了有效焦距才需要重新标定。畸变系数dist是一个5维向量格式为(k1, k2, p1, p2, k3)。k1、k2、k3是径向畸变系数p1、p2是切向畸变系数。数值越大说明畸变越明显水下广角镜头的畸变系数通常比空气中的理想值更夸张。4.4 标定参数保存与加载标定完成之后参数要保存下来后续视觉算法直接读取使用。我习惯用JSON保存因为它可读性好跨语言友好。# 保存标定结果到 JSON 文件 calib_result { ret: float(ret), mtx: mtx.tolist(), dist: dist.ravel().tolist(), image_size: [int(gray.shape[1]), int(gray.shape[0])], chessboard_size: list(CHESSBOARD_SIZE), square_size_m: SQUARE_SIZE } with open(underwater_calib_params.json, w, encodingutf-8) as f: json.dump(calib_result, f, indent2, ensure_asciiFalse) print(标定参数已保存到 underwater_calib_params.json)项目里需要去畸变或者做三维解算时加载这个JSON文件即可import json with open(underwater_calib_params.json, r, encodingutf-8) as f: calib_data json.load(f) mtx np.array(calib_data[mtx], dtypenp.float32) dist np.array(calib_data[dist], dtypenp.float32) # 单张图像去畸变示例 img cv2.imread(underwater_calib/sample.jpg) h, w img.shape[:2] newcameramtx, roi cv2.getOptimalNewCameraMatrix(mtx, dist, (w, h), 1, (w, h)) undistorted cv2.undistort(img, mtx, dist, None, newcameramtx) # 裁剪掉黑边 x, y, w_roi, h_roi roi undistorted undistorted[y:y h_roi, x:x w_roi] cv2.imwrite(undistorted_sample.jpg, undistorted) print(去畸变图像已保存)5. 水下标定常见问题排查与避坑经验5.1 角点检测失败速查表水下标定最常遇到的问题就是角点检测失败我在多次实操中总结了几个高频原因直接对照排查就够了。现象可能原因解决办法棋盘格反光发白光源角度正对玻璃面改为双侧斜光消除镜面反射角点检测不到图像模糊、对焦不准检查防水壳玻璃是否有雾气提高快门速度黑白格对比度太低水下散射严重、色偏转灰度后做对比度增强或用蓝绿通道提取边缘角点漏检棋盘格太靠近画面边缘拍摄时让棋盘格尽量完整居中边缘角点保留部分图能检测、部分不能单张图像质量差删掉不合格图像保留质量稳定的批次还有一种比较隐蔽的情况自制的亚克力夹层标定板如果夹层中有空气泡棋盘格表面会出现轻微凸起角点位置在图像上看起来没问题但世界坐标已经发生了微小偏差。这种误差很难从图像上发现但会让标定结果精度下降。所以标定板制作完成后先放到灯光下仔细检查有没有局部凸起或气泡再下水用。如果用了findChessboardCorners检测失败可以先尝试cv2.findChessboardCornersSB大多数弱对比度场景用这个都能检出来。再不行就要从图像质量入手别跟一张烂图较劲。5.2 重投影误差过大排查标定跑完如果重投影误差超过0.3像素就得回头检查拍摄过程了。按我排查的经验权重从高到低排列如下。第一个嫌疑是标定板不平整。板子弯曲、变形角点的世界坐标就不是理想平面误差会直接飙升。建议先把标定板拿到空气里标一次如果空气标定误差也很大那基本就是板子本身的问题。第二个嫌疑是自动对焦。水下光线暗很多相机的自动对焦会不停微调导致不同图像间的等效焦距不一致。标定时必须把相机切换到固定对焦模式对焦距离设为实际工作距离然后锁住。自动对焦哪怕只偏一点点重投影误差也能给你干到0.5以上。第三个嫌疑是图像数量和视角不足。只有三五张图角度还全是正的解算出的参数很容易过拟合。老老实实补拍把数量补到15张以上角度打散。第四个常见问题来自防水壳。平面防水壳和广角镜头组合时如果玻璃离镜头太近或者太远画面边缘会出现严重的杂散光和畸变标定模型很难完全拟合。这种情况能做的就是尽量用原厂配套的防水壳别混搭。5.3 水下实操避坑小技巧最后分享几个只有下过水才总结得出来的经验。标定板的移动速度要慢停稳了再拍。水下操作有浮力板子放手后还会来回晃看起来稳了实际还在漂。我习惯是用夹子把标定板固定在一个小支架上手动调整角度拍摄效率高很多。曝光和快门建议手动固定。自动曝光会导致不同图像亮度差异大角点检测的一致性会受影响。曝光时间也要压低水下微弱震动都会被放大宁可稍微提高ISO把快门压到1/250秒以上也不要拍出运动模糊的照片。如果相机是通过防水壳拍摄标定前先确认防水壳调焦环和镜头之间的同步。有些防水壳的调焦环跟镜头对焦联动转动调焦环时镜头内部对焦位置会变标定完如果动过调焦环参数就得重标。对于长期水下作业的设备建议每隔一段时间重新标定一次。防水壳会老化镜片镀膜会磨损这些都会让光学特性缓慢变化。固定的标定流程和保存好的参数文件能让你在新项目里直接复用整套方法节省大量调整时间。我在实际项目里的流程一般是先花半小时在水池里把标定图像采集到位15到25张足够然后跑代码出参数紧接着做一次去畸变测试用棋盘格边缘是否拉直来直观确认标定质量。这套流程走下来视觉系统的测量精度基本上一次就能调到目标范围内。代码和参数文件记得打上日期和测试环境的标签。水下视觉项目迭代频繁标定参数一定是跟着设备状态走的做好版本管理能省掉很多回头排查的麻烦。