少有人走的路（一）实验器材准备说明
（1）相机
型号：MV-EM500M
这个相机品牌是维视智造，500万像素，GigE接口。
通过官方网站，查到它的基础信息如下：
（2）标定板
实验型号： HG-40-9X9-4.0-2.0-3.0
这型号中的HG不知道啥意思， 40指的是矩形外边之间长宽是40mm。
9X9指的是里面的圆形数量是9*9个。
后面的4.0-2.0-3.0不知道啥意思。
不过这个标定板的厚度是3mm。
勇哥这块标定板是玻璃光刻的，精度比较高，精度可为+-1um。
具体的标定板的选型知识请参考勇哥的另一篇贴子介绍《halcon与opencv标定板的选择》
自己打印标定板
如果你只是实验一下，也可以用纸打印标定板。
这个时候就需要用算子gen_caltab生成标定板图形和描述文件。
如下：
gen_caltab(::XNum,YNum,MarkDist,DiameterRatio,CalTabDescrFile,CalTabPSFile :) 算子来制作一个标定板 XNum 每行黑色标志圆点的数量。 YNum 每列黑色标志圆点的数量。 MarkDist 两个就近黑色圆点中心之间的距离。单位是meter DiameterRatio 黑色圆点直径与两圆点中心距离的比值。 CalTabDescrFile 标定板描述文件的文件路径（.descr）。这两个文件路径是用来存放文件的 CalTabPSFile 标定板图像文件的文件路径（.ps）， 其中，.descr文件为标定板描述文件，.ps文件为标定板图形文件 一个30*30的标准标定板的示例 1 gen_caltab(7,7,0.00375,0.5,'E:/halcon/30_30.descr','E:/halcon/30_30.ps') 2 黑色圆点行数： 7 3 黑色圆点列数： 7 4 外边框长度： 30mm*30mm 5 黑色圆点半径： 0.9375mm （3.75/4） 6 圆点中心间距： 3.75mm
其中.descr描述文件被halcon标定助手使用。
而.ps的文件是Adobe Illustrator软件的格式，或者也可以用Coreldraw打开，它是一种矢量图格式。
用CorelDraw打开后，你可以直接打印，大小是标准的。下图是在coreldraw中打开的效果，你甚至可以用它的测量工具测量两个圆心之间的距离，一定是3.75。
（用喷墨打印机打要更好一点，因为激光打印机会加热让纸张变皱）
确认halcon是否支持你的标定板
勇哥要确认一下做实验的这个标定板是否在halcon中有现成的描述文件。
打开halcon的标定板的描述文件目录。
勇哥电脑上路径是： E:\Program Files\MVTec\HALCON-18.11-Progress\calib
可以看到有一个40mm的标定描述文件，但是格式不是.descr，而是.cpd的。
halcon支持两种标定版，勇哥手里这块只支持.descr这样的描述文件。
两者的区别见勇哥的另一篇贴子《HALCON有关标定板生成的两个函数create_caltab和gen_caltab的区别》
因此，halcon18.11并没有勇哥手中这块标定板的描述文件，我得自己生成。
问了下这块标定板的淘宝卖家，它提供如下的信息：
由下面两张图的信息我知道了型号HG-40-9X9-4.0-2.0-3.0的含义。
4.0是Distance，即两个圆心距离。
2.0是Diameter，即圆心的直径。
3.0是Thickness，即标准片的厚度。
因此，描述文件的生成代码为：
//gen_caltab(9,9,Distance*0.001, 0.5,"calib_40mm.descr","calib_40mm.ps") gen_caltab(9,9,4.0*0.001, 0.5,"calib_40mm.descr","calib_40mm.ps")
代码中的0.5是Diameter/Distance，即黑色圆点直径与两圆点中心距离的比值，上面的已经有说明。
0.001只是单位转换，因为第算子中参数的单位是m，而标定板上面的参数是mm。
代码运行后，把生成的描述文件拷贝到halcon的calib目录下面。
（二）halcon标定助手
打开助手，填入之前获得参数。
在这里有个问题，“焦距”不知道填多少，因为相机镜头是闲鱼上买的，卖家也不懂这个参数！
这该怎么办呢？
其实，勇哥这款镜头是定焦镜头，在它的对焦环上已经印有8mm。（下图中水印盖住了）
如果你想知道镜头上其它的数值是什么意思 ，请参考勇哥的另一篇文章《勇哥的视觉实验：工业相机镜头焦距、工作距离、视野等选型的计算》。
接下来继续标定，采集不大于16张图片（不是越多越好）。
标定板是有朝向的，请让有字一面对着你的CCD，不要放反了。
而且，琉璃材质的标定板，只适合背光源。如果你是正光源，则要用陶瓷的标定板。
勇哥做实验时，用的正光源，不是背光，因此这种琉璃标定其实是不适用的。
没办法，也只能勉强用一下了。
摆的角度随机，标定块经过视野最大范围。
下图是错误的摆放：所有放置的片都在同一个水平面上。
下图是正确的摆放：每个片的位置与角度都不同(画面上可以看到勇哥用来垫斜标准片的海绵)
标定结果有两部分：摄像机参数（相机内参），摄像机位姿。
看到保存按钮没？把这两个参数保存起来，后面会用到。
标定完最好在结果栏中勾选原点在图像角上，则世界坐标系和像素坐标系就重合了，此时像素和实际距离只是比例关系了。
标定至此就完成了。
但是仍然有几个问题要说明一下：
（一） 为什么标定后的焦距和输入参数焦距不一样呢？
下图是输入参数，焦距为8mm
下图中标定完成后的焦距为1.61238。
标定时候注意标定图像的倾角需要有变化。若采集的图像里标定板与相机所成角度相近，标定板只在某一个平面平移和旋转，则焦距计算会出现错误。见Solution Guide III p66 最下方
另外再补充几点：
值得注意的是，并非标定数量越多，越能取得高的精度，halcon建议拍摄数量在9-16张，并且对摆放位置做了建议，如下图所示
标定板充满标定视野的1/3-1/4，对于标定板成像灰度值亮度应大于128，以便halcon算子能较顺利的提取到标定板
（二） 为什么标定采图的时候总是说图像品质有问题呢？
见HALCON官方文档USER GUIDE p198-p200，有讲关于图像品质问题的可能原因。
文档中列出的原因主要有这么几点
标定板不要过曝，不要出现255的灰度值
光照要均匀
标定板特征点的对比度要高，黑白区域灰度值差100以上
标定板在图像中至少占1/4面积
特征点应该对焦清晰
所有特征点应该全部落在图像范围内
标定图像至少10幅
标定板应该覆盖整个视野的各个角落
标定板角度变化要明显
图像大小要一致
以上几点可以作为参考，不一定需要完全符合。
（三）改进的实验效果
勇哥经过实验，按上面的原则精细调整。证明确实可以不报“检测出品质问题”。
见下图中“确定”的项目。
根据经验，“品质问题”主要是“没对焦好”还有“对比度不够高“。
另外还有一说法是品质问题不超过70%以上就可以接受，下图中有些位置与角度的标准片很验做到不报”品质问题“，但是都不超过70%。
另外，每次放片不能在同一个平面内，需要用东西垫高一定倾斜角度。下图是其中一次勇哥摆放的效果。
全部图片都在同一个平台内的后果，就是标定成功后的焦距不对。
但是把标准片垫高后可能造成景深不够，部分位置聚焦不好，这是一个矛盾的问题。
解决办法是尽量调小光圈，这样可以加大景深，但是光圈太小了又会造成对比度不好。
下面可以看到，焦距跟勇哥的镜头焦距（8mm）比较接近了。
但是还是差了0.5mm，这证明我的本次标定结果仍然不理想。
平均误差为0.2723也可以看出，标定结果不好。
（四）蜂窝标定板的效果
我们知道halcon支持两种标定板： 一是阵列标定板（如上面所述），二是蜂窝标定板。
注意棋盘格标定板halcon是不支持的。
下面勇哥来实验一下蜂窝标定板的效果。
采集十张图片，标定助手采集时注意要把标定块倾斜一下，以提供高度差。
可以看到，勇哥这块无反光的蜂窝标定板采集时候基本上不存在品质问题。
可见对于正面光照来说，无反光村料的标定板很重要。
结果如下：
摄像机的内外参：
CameraParameters := ['area_scan_division',0.00708559,-849.084,2.1983e-06,2.2e-06,1301.98,1021.44,2592,1944] CameraPose := [-0.0112612,-0.00415572,0.159797,1.93383,1.02407,3.3134,0]
我们用这个标定结果实际测量一下，看准不准。
勇哥就用测量助手试一下：
标定文件取上面蜂窝标定板生成的摄像机内参和位姿文件。
勇哥放上一块棋盘格标定板。
画一条测量线，结果为：4.044mm。
这块棋盘格标定板一个方格子长宽都是4mm。可以看到结果是比较准确的。
插入代码，系统生成的代码如下（勇哥删除了注释）：
可以看到，关键的代码就是下面这三个算子：
measure_pos
image_points_to_world_plane
distance_pp
CameraParameters := ['area_scan_division',0.00708559,-849.084,2.1983e-06,2.2e-06,1301.98,1021.44,2592,1944]
CameraPose := [-0.0112612,-0.00415572,0.159797,1.93383,1.02407,3.3134,0]
open_framegrabber ('GigEVision2', 0, 0, 0, 0, 0, 0, 'progressive', -1, 'default', -1, 'false', 'default', 'default', 0, -1, AcqHandle)
grab_image (Image, AcqHandle)
close_framegrabber (AcqHandle)
AmplitudeThreshold := 40
RoiWidthLen2 := 5
set_system ('int_zooming', 'true')
LineRowStart_Measure_01_0 := 952.832
LineColumnStart_Measure_01_0 := 1017.45
LineRowEnd_Measure_01_0 := 952.832
LineColumnEnd_Measure_01_0 := 1215.1
TmpCtrl_Row := 0.5*(LineRowStart_Measure_01_0+LineRowEnd_Measure_01_0)
TmpCtrl_Column := 0.5*(LineColumnStart_Measure_01_0+LineColumnEnd_Measure_01_0)
TmpCtrl_Dr := LineRowStart_Measure_01_0-LineRowEnd_Measure_01_0
TmpCtrl_Dc := LineColumnEnd_Measure_01_0-LineColumnStart_Measure_01_0
TmpCtrl_Phi := atan2(TmpCtrl_Dr, TmpCtrl_Dc)
TmpCtrl_Len1 := 0.5*sqrt(TmpCtrl_Dr*TmpCtrl_Dr + TmpCtrl_Dc*TmpCtrl_Dc)
TmpCtrl_Len2 := RoiWidthLen2
gen_measure_rectangle2 (TmpCtrl_Row, TmpCtrl_Column, TmpCtrl_Phi, TmpCtrl_Len1, TmpCtrl_Len2, 2592, 1944, 'nearest_neighbor', MsrHandle_Measure_01_0)
copy_obj (Image, Image, 1, 1)
measure_pos (Image, MsrHandle_Measure_01_0, 1, AmplitudeThreshold, 'all', 'all', Row_Measure_01_0,
Column_Measure_01_0, Amplitude_Measure_01_0, Distance_Measure_01_0)
image_points_to_world_plane (CameraParameters, CameraPose, Row_Measure_01_0,
Column_Measure_01_0, 0.001, Column_World_Measure_01_0, Row_World_Measure_01_0)
TmpCtrl_Length := |Row_World_Measure_01_0|
if (TmpCtrl_Length > 0)
tuple_select_range (Row_World_Measure_01_0, 0, TmpCtrl_Length - 2, TmpCtrl_RowFrom)
tuple_select_range (Column_World_Measure_01_0, 0, TmpCtrl_Length - 2, TmpCtrl_ColumnFrom)
tuple_select_range (Row_World_Measure_01_0, 1, TmpCtrl_Length - 1, TmpCtrl_RowTo)
tuple_select_range (Column_World_Measure_01_0, 1, TmpCtrl_Length - 1, TmpCtrl_ColumnTo)
distance_pp (TmpCtrl_RowFrom, TmpCtrl_ColumnFrom, TmpCtrl_RowTo, TmpCtrl_ColumnTo, Distance_World_Measure_01_0)
endif（五）应用标定的结果
（1）测量标定片的圆心距离
勇哥换了一片标准片，其圆心距离是5mm。我们来验证上面的标定结果准不准。
CameraParameters := ['area_scan_division',0.00851579,-863.965,2.50014e-006,2.5e-006,1211.54,1037.6,2592,1944]
CameraPose := [0.0114206,-0.00950129,0.202559,1.38356,0.500628,272.561,0]
open_framegrabber ('GigEVision2', 0, 0, 0, 0, 0, 0, 'progressive', -1, 'default', -1, 'false', 'default', '94aab8029638_Microvision_MVEM500M', 0, -1, AcqHandle)
grab_image (Image, AcqHandle)
close_framegrabber (AcqHandle)
TmpCtrl_PlateDescription := 'E:/Program Files/MVTec/HALCON-18.11-Progress/calib/calib_40mmThick1.5.descr'
TmpCtrl_FindCalObjParNames := ['gap_tolerance','alpha','skip_find_caltab']
TmpCtrl_FindCalObjParValues := [1,1,'false']
create_calib_data ('calibration_object', 1, 1, CalibHandle)
set_calib_data_cam_param (CalibHandle, 0, [], CameraParameters)
set_calib_data_calib_object (CalibHandle, 0, TmpCtrl_PlateDescription)
find_calib_object (Image, CalibHandle, 0, 0, 0, TmpCtrl_FindCalObjParNames, TmpCtrl_FindCalObjParValues)
get_calib_data_observ_points (CalibHandle, 0, 0, 0, TmpCtrl_MarkRows, TmpCtrl_MarkColumns, TmpCtrl_Ind, CameraPose)
set_origin_pose (CameraPose, 0.0, 0.0, 0, CameraPose)
TmpCtrl_ImageRows := [TmpCtrl_MarkRows[0], TmpCtrl_MarkRows[1]]
TmpCtrl_ImageColumns := [TmpCtrl_MarkColumns[0], TmpCtrl_MarkColumns[1]]
gen_contour_polygon_xld (TmpObj_ImageContour, TmpCtrl_ImageRows, TmpCtrl_ImageColumns)
image_points_to_world_plane (CameraParameters, CameraPose, TmpCtrl_ImageRows, TmpCtrl_ImageColumns, 'mm', TmpCtrl_WorldX, TmpCtrl_WorldY)
distance_pp (TmpCtrl_WorldY[0], TmpCtrl_WorldX[0], TmpCtrl_WorldY[1], TmpCtrl_WorldX[1], TmpCtrl_Distance)
stop ()
可以看到结果是：4.996mm
结果非常准确。
（2）计算圆的直径
这次换一个胶片进行测试。
我们想知道5mm的圆的直径是不是5mm。
注意代码中关键的算子是image_points_to_world_plane， 用来把坐标转换成世界坐标系。
下面程序中，先找到圆心，然后找到垂直过圆心直径的两个端点，把两个点的坐标转为世界坐标系，再计算两点的距离 。
CameraParameters := ['area_scan_division',0.00851579,-863.965,2.50014e-006,2.5e-006,1211.54,1037.6,2592,1944]
CameraPose := [0.0114206,-0.00950129,0.202559,1.38356,0.500628,272.561,0]
open_framegrabber ('GigEVision2', 0, 0, 0, 0, 0, 0, 'progressive', -1, 'default', -1, 'false', 'default', '94aab8029638_Microvision_MVEM500M', 0, -1, AcqHandle)
grab_image (Image, AcqHandle)
close_framegrabber (AcqHandle)
TmpCtrl_PlateDescription := 'E:/Program Files/MVTec/HALCON-18.11-Progress/calib/calib_40mmThick1.5.descr'
TmpCtrl_FindCalObjParNames := ['gap_tolerance','alpha','skip_find_caltab']
TmpCtrl_FindCalObjParValues := [1,1,'false']
create_calib_data ('calibration_object', 1, 1, CalibHandle)
set_calib_data_cam_param (CalibHandle, 0, [], CameraParameters)
set_calib_data_calib_object (CalibHandle, 0, TmpCtrl_PlateDescription)
*find_calib_object (Image, CalibHandle, 0, 0, 0, TmpCtrl_FindCalObjParNames, TmpCtrl_FindCalObjParValues)
*get_calib_data_observ_points (CalibHandle, 0, 0, 0, TmpCtrl_MarkRows, TmpCtrl_MarkColumns, TmpCtrl_Ind, CameraPose)
set_origin_pose (CameraPose, 0.0, 0.0, 0, CameraPose)
gen_rectangle1 (ROI_0, 1253.59, 1146, 1368.85, 1254.63)
reduce_domain(Image, ROI_0, ImageReduced)
threshold(ImageReduced, Region, 0, 60)
connection(Region, ConnectedRegions)
gen_contour_region_xld(ConnectedRegions, Contours, 'border')
fit_circle_contour_xld(Contours, 'algebraic', -1, 0, 0, 3, 2, Row, Column, Radius, StartPhi, EndPhi, PointOrder)
dev_display(ImageReduced)
gen_circle_contour_xld(ContCircle, Row, Column, 2, StartPhi, StartPhi, 'positive', 1)
dev_display(ContCircle)
gen_circle_contour_xld(ContCircle2, Row-Radius, Column, 2, StartPhi, StartPhi, 'positive', 1)
dev_display(ContCircle2)
gen_circle_contour_xld(ContCircle3, Row+Radius, Column, 2, StartPhi, StartPhi, 'positive', 1)
dev_display(ContCircle3)
image_points_to_world_plane (CameraParameters, CameraPose, Row-Radius, Column, 'mm', x1, y1)
image_points_to_world_plane (CameraParameters, CameraPose, Row+Radius, Column, 'mm', x2, y2)
distance_pp(x1, y1, x2, y2, Distance)
stop ()
可以看到，结果是5.016毫米，有一个丝的误差，已经不错了。
最后你会不会想到： 如果不用标定助手用halcon算子怎么实现一样效果的标定呢？
见勇哥的另一个实验《勇哥的视觉实验：halcon标定板单相机标定，并取得内参》
2020/6/18勇哥注：
在halcon19.11版本里，勇哥发现面扫描或者线扫描多出一组选项，即（除法）和（多项式）
两者有何区别？ 目前不得而知，以后再补正。
---------------------
作者：hackpig
来源：www.skcircle.com
版权声明：本文为博主原创文章，转载请附上博文链接！
