Realsense D435i多相机标定结果深度解析:从Kalibr报告到工程落地
当你完成Kalibr标定流程,拿到camchain-.yaml、report-.pdf和results-*.txt三个文件时,真正的挑战才刚刚开始。这些文件里藏着相机标定的核心秘密——内参、外参、畸变系数,以及最重要的标定质量评估指标。本文将带你拆解这些晦涩的数据,把它们变成可执行的工程配置。
1. 标定报告的质量评估:读懂PDF里的隐藏信息
Kalibr生成的PDF报告是判断标定成功与否的第一道关卡。打开report-*.pdf文件,你会看到几个关键部分:
重投影误差分析:这是评估标定质量的金标准。理想情况下:
- 平均重投影误差应小于0.5像素
- 误差分布应呈现正态分布特征
- 各相机误差值应接近
注意:如果某个相机的误差明显高于其他相机(比如超过1.5像素),可能需要检查该相机是否有物理损伤或镜头污渍
角点检测可视化:报告中会展示标定板角点的检测情况,重点关注:
- 所有角点是否都被正确识别(没有漏检或误检)
- 边缘区域的角点检测是否完整
- 不同姿态下的检测一致性
标定板覆盖分析:优质标定需要标定板出现在图像的不同区域:
- 检查标定板是否覆盖了图像中心、四角和边缘
- 确认标定板在三维空间中有足够的姿态变化(旋转和平移)
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. YAML文件参数全解析:从数字到空间关系
camchain-*.yaml文件包含了标定的核心输出。以双相机系统为例,文件结构通常包含:
yaml复制cam0:
camera_model: pinhole
intrinsics: [fx, fy, cx, cy]
distortion_coeffs: [k1, k2, p1, p2]
resolution: [width, height]
T_cn_cnm1: # 相机间变换矩阵
rows: 4
cols: 4
data: [r11, r12, r13, t1,
r21, r22, r23, t2,
r31, r32, r33, t3,
0, 0, 0, 1]
关键参数解读:
- **
