★ FEATURED ARTICLE 1. 为什么相机内参这件事绕不过去也急不得做视觉SLAM、机械臂抓取、三维重建或者简单的图像去畸变绕来绕去都会撞上同一个东西——相机内参。你可以把它理解成相机的身份证焦距、主点、畸变系数这几个数字一旦不准后面所有基于像素坐标的计算都会跟着歪。我见过太多人在这上面栽跟头标定出来的参数看着像模像样跑起来点云却是弯的抓取位置总是差那么几厘米最后排查半天发现是内参里某个畸变系数填错了。这篇内容就是把我自己反复折腾Realsense Viewer和ROS获取内参的完整流程梳理一遍包括两种主流路径的取舍、每一步背后的逻辑以及那些官方文档不会写、但实际一操作就会撞上的报错。适合刚上手Realsense、正在搭视觉pipeline、或者被内参问题卡住的朋友。不管你是用Ubuntu 20.04配Noetic还是Ubuntu 22.04配Humble核心思路是通的差异我会在具体环节点出来。先说一个反直觉的结论获取内参这件事最省事的路径往往不是最可靠的路径。很多人图快直接rostopic echo一下相机信息就抄下来用了结果发现和实际对不上。原因后面会展开。真正稳的做法是把读取出厂标定和自己动手标定这两件事分清楚知道什么时候该用哪个。2. 两条获取路径的本质区别出厂标定 vs 现场标定在动手之前得先搞清楚你要的内参到底从哪来。Realsense这类相机出厂时厂商已经用专业设备标定过一组参数烧在设备固件里而ROS生态里又提供了自己标定的工具链。这两者不是替代关系而是适用场景不同。2.1 出厂内参快但有前提Realsense Viewer和ROS的camera_info话题读到的本质上都是出厂标定值。它的优点是即取即用不需要你摆标定板、跑采集流程。对于D435、D455这类结构光/双目相机出厂标定在常规室内环境下精度是够用的尤其是深度和RGB对齐之后做点云基本能直接跑。但出厂标定有几个隐含前提你得知道。第一它是在特定温度下标定的相机长时间工作发热后内参会轻微漂移高精度场景下这个漂移不能忽略。第二如果你动过相机的物理结构比如拆过镜头、换过外壳出厂值就失效了。第三不同固件版本读出来的参数可能有细微差异升级固件后建议重新确认一遍。2.2 现场标定慢但可控当你需要更高精度或者相机被改动过就得自己标。ROS里常用的是camera_calibration包配合棋盘格或AprilTag。这条路的好处是你能控制标定条件——光照、距离、标定板姿态标出来的结果更贴合你的实际使用场景。代价是流程长、对环境要求高。标定板要平整采集时要覆盖图像各个区域姿态要多样。我自己的经验是一次认真的现场标定从准备到出结果半小时到一小时是常态而且经常要重来。2.3 怎么选一张表说清楚场景推荐路径理由快速验证、demo搭建出厂内参省时精度够用高精度抓取、测量现场标定可控贴合实际工况相机被拆改过现场标定出厂值已失效长时间连续运行现场标定温度补偿抵消热漂移多相机系统各自现场标定保证一致性提示不要盲目迷信出厂值也不要一上来就自己标。先用出厂值跑通流程发现精度不够再上现场标定这个顺序最省时间。3. 用Realsense Viewer读取内参图形化路径的细节Realsense Viewer是Intel官方提供的图形化工具最直观。但很多人只会在界面上点来点去不知道背后发生了什么遇到读不出参数的情况就懵了。3.1 安装与启动的坑在Ubuntu上Realsense Viewer通常通过librealsense的apt源安装。这里第一个坑就来了不同Ubuntu版本对应的源不一样。20.04和22.04的仓库地址有差异装错了要么装不上要么装上了但识别不到设备。启动命令很简单realsense-viewer但如果你是在虚拟机里跑或者通过USB Hub连接很可能出现设备识别到了但打不开流的情况。这通常是USB带宽或权限问题。权限问题可以用udev规则解决官方脚本install_udev_rules.sh跑一遍基本能搞定。带宽问题则要确保相机直连主板USB口别经过劣质Hub。3.2 在界面里找到内参启动后左侧选择相机打开RGB或深度流。然后在右侧面板里找到Info或者通过菜单进入设备信息页。这里能看到Intrinsics相关的字段fx、fy、ppx、ppy以及畸变模型model和系数coeffs。这里有个容易忽略的点RGB和深度是两套独立的内参。很多人只抄了深度那套结果做RGB-D对齐时发现对不上。正确的做法是两套都记下来并且注意它们各自对应的分辨率——内参是和分辨率绑定的改了分辨率内参要按比例缩放。3.3 分辨率变化对内参的影响假设你在640x480下读到的fx是615现在想用1280x960那fx大致要变成1230ppx、ppy同理按比例放大。这个换算在只做缩放、不做裁剪时成立。如果涉及裁剪比如ROI主点要减去裁剪偏移量。这个细节在官方文档里藏得很深但实际项目中经常用到。注意Realsense Viewer里显示的内参单位是像素。畸变系数是无量纲的。抄的时候别把单位搞混。4. 用ROS话题拿内参程序化路径与常见报错图形化工具适合手动查看但真正写代码时你需要从ROS话题里拿camera_info。这条路看似简单坑却最多。4.1 启动realsense2_camera节点标准启动方式roslaunch realsense2_camera rs_camera.launchHumble下则是ros2 launch realsense2_camera rs_launch.py启动后/camera/color/camera_info和/camera/depth/camera_info这两个话题就会发布内参。用rostopic echo或ros2 topic echo就能看到。4.2 为什么echo出来的值和Viewer对不上这是最经典的困惑。原因通常有三个第一分辨率设置不同。launch文件里默认的分辨率可能和你在Viewer里选的不一样内参自然不同。检查launch参数里的color_width、color_height。第二对齐模式影响。如果你开了align_depth深度图会被对齐到彩色坐标系这时候深度内参的含义就变了。要对齐后的内参得看对齐节点输出的话题。第三固件与驱动版本差异。老版本驱动读出的参数可能和Viewer有细微出入升级到匹配的版本能消除。4.3 常见报错逐条拆解报错一No device connected相机没被识别。先lsusb看有没有Intel设备没有就是物理连接或供电问题有但ROS读不到多半是udev规则没装或权限不够。报错二Failed to open stream流打不开。常见于USB2.0接口跑高分辨率高帧率带宽不够。降分辨率或换USB3.0口。报错三camera_info话题存在但数据全零这种情况通常是相机还没完成初始化或者固件里的标定数据读取失败。等几秒再echo或者重启节点。如果一直全零考虑重新烧录固件。报错四Humble下launch文件找不到ROS2的launch文件名和ROS1不同rs_camera.launch在Humble里是rs_launch.py。用错名字会直接报找不到文件。报错五arm64平台下Viewer装不上在ARM平台比如某些开发板上官方apt源可能没有对应的Viewer包。这时候可以只装librealsense和ROS驱动用ROS话题拿内参绕开Viewer。这也是热词里realsense viewer arm64被频繁搜索的原因。4.4 用Python脚本自动提取内参手动echo效率低写个小脚本更实用import rospy from sensor_msgs.msg import CameraInfo def callback(msg): print(fx:, msg.K[0], fy:, msg.K[4]) print(ppx:, msg.K[2], ppy:, msg.K[5]) print(distortion:, msg.D) rospy.signal_shutdown(done) rospy.init_node(get_intrinsics) rospy.Subscriber(/camera/color/camera_info, CameraInfo, callback) rospy.spin()这个脚本订阅一次就退出把K矩阵和畸变系数D打印出来。K是3x3内参矩阵按行优先展开成9个元素K[0]是fxK[4]是fyK[2]是ppxK[5]是ppy。这个对应关系记牢写代码时不会错位。5. 自己动手标定camera_calibration实操链路当出厂值不够用就得自己标。ROS的camera_calibration是标准工具但流程里的细节决定成败。5.1 标定板的选择与制作常用棋盘格比如8x6的内角点方格边长已知比如25mm。打印时一定要保证实际尺寸准确打印缩放会让标定结果系统性偏大或偏小。打印后贴到硬质平板上翘边会导致角点检测误差。AprilTag是另一种选择抗遮挡和抗模糊更好但配置稍复杂。新手建议从棋盘格入手。5.2 采集时的姿态覆盖标定质量高低八成取决于采集。要点标定板要出现在图像的四个角和中心区域要有不同距离的样本近中远都覆盖要有不同倾斜角度绕X、Y、Z轴都要转每个姿态保持稳定再采集运动模糊是角点检测的大敌我自己的习惯是采集30到50组有效样本太少拟合不稳太多边际收益低。5.3 运行标定与结果解读rosrun camera_calibration cameracalibrator.py \ --size 8x6 --square 0.025 \ image:/camera/color/image_raw \ camera:/camera/color界面里X、Y、Size、Skew四个进度条都变绿CALIBRATE按钮才会亮。点完之后等计算然后SAVE会把结果写到/tmp/calibrationdata.tar.gzCOMMIT会直接更新相机配置。结果里的camera matrix就是内参distortion是畸变系数。重点看重投影误差一般要小于0.5像素超过1像素说明采集质量有问题得重来。5.4 标定结果的验证方法标定完别急着用先验证。最简单的方法是拿标定后的参数做去畸变看直线是否变直。或者用image_proc节点加载新参数观察边缘区域的畸变是否被正确校正。如果边缘还有明显弯曲说明畸变系数没标好。6. 内参用起来从参数到实际计算的衔接拿到内参只是第一步怎么用对才是关键。这里说几个实际项目里高频出问题的衔接点。6.1 像素坐标到相机坐标的转换给定像素点(u, v)和深度Z相机坐标计算X (u - ppx) * Z / fx Y (v - ppy) * Z / fy Z Z这个公式看着简单但fx、fy、ppx、ppy用错一套比如用了RGB的却配深度图结果就全错。建议在代码里把两套内参分别命名比如color_intr和depth_intr避免混用。6.2 畸变校正的顺序如果图像有畸变要先校正再算坐标或者把畸变模型代入计算。顺序反了边缘区域的误差会很大。OpenCV的undistort和initUndistortRectifyMap是常用工具传入的就是标定得到的camera matrix和distortion coeffs。6.3 多分辨率下的参数管理项目里经常要在不同分辨率间切换。建议把内参按分辨率存成配置用的时候按当前分辨率取。缩放公式前面提过裁剪的话记得调整主点。这个管理做得好能省掉大量调试时间。7. 那些让我重来过好几次的经验最后分享几个踩坑换来的教训都是文档里不会写的。第一固件版本要统一。团队里多台相机固件版本不一致会导致内参读取行为有差异。统一升级到同一版本能避免很多为什么这台行那台不行的问题。第二标定环境的光照要稳定。我在窗边标过一次下午阳光变化导致部分样本过曝角点检测飘了标出来的参数偏差明显。后来改到稳定光源下一次就过。第三别忽略温度。相机连续跑一小时后内参会有漂移高精度场景下要么预热后再标定要么做温度补偿。这个在长时间运行的产线设备上尤其重要。第四保存好标定文件。标定结果建议连同当时的固件版本、分辨率、环境温度一起记录。下次出问题能快速定位是不是环境变了。第五ARM平台优先走ROS路径。如果Viewer装不上别死磕直接用ROS话题拿内参功能上完全够用。这也是很多开发板用户的现实选择。相机内参这东西说难不难说简单也容易翻车。核心就一句话搞清楚参数从哪来、对应哪个分辨率、用在哪套坐标系。把这三件事理顺后面的事情就顺了。
阅读完成 · 觉得有帮助？
