Halcon学习笔记：Halcon标定步骤-3d_coordinates.hdev示例

最新推荐文章于 2025-09-18 20:46:20 发布

原创

最新推荐文章于 2025-09-18 20:46:20 发布 · 3.6k 阅读

29 ·

CC 4.0 BY-SA版权

本文介绍了Halcon相机标定的详细步骤，从设置相机内部参数初始值到3d_coordinates测量，包括畸变模型选择、标定板初始化、数据模型创建、图像获取等关键环节。通过示例展示了如何使用Halcon进行三维坐标测量，并对相关算子进行了简要说明。

Halcon标定步骤

1.设置相机内部参数的初始值

StartCamPar := [0.016,0,0.0000074,0.0000074,326,247,652,494]
set_calib_data_cam_param (CalibDataID, 0, ‘area_scan_division’, StartCamPar)

1.1 相机型号

（1）面阵
（2）线阵

1.2 参数设置（这里只讲面阵相机）

（1）Division 畸变模型
CameraParam:[Focus, Kappa, Sx, Sy, Cx, Cy, ImageWidth, ImageHeight]
（2）Polynomial 畸变模型
CameraParam:[Focus, K1, K2, K3, P1, P2, Sx, Sy, Cx, Cy, ImageWidth, ImageHeight]
注：当镜头为远心镜头时，Focus=0；

1.3 畸变类型的选择

Division 畸变模型只适用于精度要求不是很高，标定图片数量较少的情况；Polynomial 畸变模型对镜像
畸变和切向畸变都校正，精度较高，花费时间长。

1.4 标定时个参数值的确定技巧

Focus f:镜头的标称焦距,( e.g, 0.016 m；对于远心镜头为0。）
κ: 一般去0.0

Or:

K1, K2, K3,P1, P2:可全部初始化为0
Sx: 由CCD\CMOS确定建议取值如下:
Full image (640480) Subsampling (320240)
1/3"-Chip 0.0000055 m 0.0000110 m
1/2"-Chip 0.0000086 m 0.0000172 m
2/3"-Chip 0.0000110 m 0.0000220 m
Sy: 由CCD\CMOS确定建议取值如下:
for example:
Full image (640480) Subsampling (320240)
1/3"-Chip 0.0000055 m 0.0000110 m
1/2"-Chip 0.0000086 m 0.0000172 m
2/3"-Chip 0.0000110 m 0.0000220 m
Cx and Cy: 光心坐标初始值，建议取值如下:
for example:
Full image (640480) Subsampling (320240)
Cx 320.0 160.0
Cy 240.0 120.0
ImageWidth，ImageHeight:有实际图片大小来初始化该值
for example:
Full image (640480) Subsampling (320240)
ImageWidth 640 320
ImageHeight 480 240

2.标定板初始化

    CaltabName := 'caltab_30mm.descr'//标定板描述文件
    set_calib_data_calib_object (CalibDataID, 0, CaltabName)

3.创建数据模型

	create_calib_data ('calibration_object', 1, 1, CalibDataID）

4.获取标定图片

相机拍摄不同位姿下图片8-15张，拍摄图片时标定板尽量覆盖整个视场（标定板要根据工作距离、视场大小定制）；拍摄图片上的圆直径不得小于10个像素

#### 5.加载所有图像，寻找标定板区域，确定圆心，将结果加载到组元中

for I := 1 to NumImages by 1
... acquire image ...（获取图像）
find_caltab (Image, Caltab, CaltabName, SizeGauss, MarkThresh, MinDiamMarks)
find_marks_and_pose (Image, Caltab, CaltabName, StartCamPar, StartThresh, \
      DeltaThresh, MinThresh, Alpha, MinContLength, MaxDiamMarks, RCoord, CCoord, StartPose)
 // 从标定数据模型中获取基于点的观测数据（49个点的坐标，索引，粗略估计被测校准物体相对于被测相机的姿态）
set_calib_data_observ_points (CalibDataID, 0, 0, I, RCoord, CCoord, 'all', StartPose)
endfor

下面将Halcon中提取目标点的大致原理说一下：

首先find_caltab 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_marks_and_pose 算子对区域中的圆进行分割，找到圆的个数，周长，坐标位置等应该和标定板描述文件中的一致，否则会自动调整StartThresh，使得StartThresh按照DeltaThresh步长减小到MinThresh，直到找到准确的圆心。

6.有了所有图像中的圆心就可以标定了

* 返回平均投影误差Errors
    calibrate_cameras (CalibDataID, Errors)

7.示例：3d_coordinates 测量世界坐标中的倾斜物体

本地函数： get_measure_positions
(Image : PlateRegion : CalibDataID, PoseIndex : Distance, Phi, RowCenter, ColumnCenter)

** 提取标定板（二值化、计算连通量、利用形状特征选择区域，填充空洞）
* 形状特征有：每个连通区域的孔数；最小包围矩形长度的一半；最小的包围矩形的宽度的一半
threshold (Image, Region, 0, 120)
connection (Region, ConnectedRegions)
select_shape (ConnectedRegions, SelectedRegions, ['holes_num','rect2_len1','rect2_len2'], 'and', [1,120,120], [1,200,200])
fill_up (SelectedRegions, PlateRegion)
*
** 从table（标定板表盘）的边框构造测量矩形:
* 生成区域XLD轮廓
* 计算XLD轮廓的“回归线”的参数
gen_contour_region_xld (PlateRegion, Contours, 'center')
segment_contours_xld (Contours, ContoursSplit, 'lines', 7, 4, 2)
regress_contours_xld (ContoursSplit, RegressContours, 'no', 1)
* 获取两边的垂直边框线（4选2）
select_contours_xld (RegressContours, VerticalContours, 'direction', rad(45), rad(135), -0.5, 0.5)
select_contours_xld (VerticalContours, LongContours, 'length', 150, 500, -0.5, 0.5)
*
** 测量线由table的两个垂直边框线的中心点构成：
* 从对象数组中的选择对象（2选1）
* 获得XLD轮廓所有坐标
select_obj (LongContours, Contour