手头有个机械臂抓取或者移动端避障的项目，要用普通摄像头测出目标的三维坐标，你是不是心里直犯嘀咕？“这玩意儿是不是得套什么高深的三维重建算法？”“那些矩阵公式看得我脑壳疼，到底怎么落地？”

别慌，今天咱们不扯那些让人昏昏欲睡的纯数学公式。作为在工业视觉里摸爬滚打了十几年的老油条，我今天就带大家用 C# 和 OpenCvSharp 库，手把手把这个看起来高大上的“单目定位”给彻底扒光。

咱们的目标很简单：拿个几块钱的普通摄像头，贴个打印出来的二维码（ArUco 标志），就能精准实时输出它在三维空间里的具体坐标（X, Y, Z）和旋转角度。

整套方案分为两步走。相信我，只要你跟着敲一遍，你会发现：原来单目定位，真的一点都不神秘！

️ 第一阶段：磨刀不误砍柴工——棋盘格内参标定

很多刚入行的小伙伴，一上来就急着用摄像头测距离，结果发现离得近还算凑合，稍微放远一点或者拿到画面边缘，那数据就飘得没法看。

为什么？因为畸变！

市面上几十块钱的摄像头，那镜片多多少少都有点像“哈哈镜”——中间鼓、四周缩（径向畸变），或者镜头装得不那么正（切向畸变）。

要想让计算机看懂真实的世界，我们必须先摸清这颗摄像头的“脾气”。这个摸底的过程，就叫相机标定（Calibration）。我们需要拿到两样东西：

步骤 1：采集标定图像（拒绝死板，手动抓拍）

别去网上随便下一些来路不明的图。咱们自己写个小程序，一边看着实时画面，一边变换各种角度，抓拍 15 - 20 张清晰的棋盘格照片。

避坑指南： 棋盘格规格一定要数清楚！比如我们常用 9x6 的内角点棋盘格（注意：是内角点，即黑白格交叉的内交点个数，而不是最外圈的格子数！一个 10x7 格子的纸，内角点正好是 9x6）。

图像采集源码：

1using System;
2using System.IO;
3using OpenCvSharp;
4 
5class CollectCalibrationImages
6{
7    static void Main()
8    {
9        int count = 0;
10        string saveDir = "calib_images";
11        Directory.CreateDirectory(saveDir);
12 
13        using var cap = new VideoCapture(0); // 打开默认摄像头
14        if (!cap.IsOpened())
15        {
16            Console.WriteLine("摄像头打不开，是不是被别的程序占用了？");
17            return;
18        }
19 
20        using var frame = new Mat();
21        using var display = new Mat();
22 
23        // 9x6的内角点，这玩意儿数错了后面一步都走不通！
24        var patternSize = new Size(9, 6);
25 
26        Console.WriteLine("【提示】把棋盘格放到摄像头前。检测到后按【空格】保存，按【ESC】退出。");
27 
28        while (true)
29        {
30            cap.Read(frame);
31            if (frame.Empty()) continue;
32            frame.CopyTo(display);
33 
34            Point2f[] corners = null;
35            // 粗略检测棋盘格角点
36            bool found = Cv2.FindChessboardCorners(frame, patternSize, out corners);
37 
38            if (found)
39            {
40                // 帮我们画出彩色的角点连接线，很直观
41                Cv2.DrawChessboardCorners(display, patternSize, corners, found);
42                Cv2.PutText(display, "Detected! Press SPACE to save.", new Point(10, 30),
43                            HersheyFonts.HersheySimplex, 0.8, Scalar.Green, 2);
44            }
45            else
46            {
47                Cv2.PutText(display, "No Chessboard Found", new Point(10, 30),
48                            HersheyFonts.HersheySimplex, 0.8, Scalar.Red, 2);
49            }
50 
51            Cv2.PutText(display, #34;Saved: {count} pics", new Point(10, 65),
52                        HersheyFonts.HersheySimplex, 0.7, Scalar.Yellow, 2);
53 
54            Cv2.ImShow("Collector", display);
55            int key = Cv2.WaitKey(1);
56 
57            if (key == 27) break;  // ESC 键退出
58 
59            if (key == 32 && found) // 空格键保存
60            {
61                string path = Path.Combine(saveDir, #34;calib_{count:D3}.png");
62                Cv2.ImWrite(path, frame); // 存原图，千万别存画了线的图！
63                Console.WriteLine(#34;[成功] 已保存第 {count} 张：{path}");
64                count++;
65            }
66        }
67 
68        Cv2.DestroyAllWindows();
69        Console.WriteLine(#34;
搞定！共收集到 {count} 张高质量标定图，准备下一步！");
70    }
71}

个人经验碎碎念： 拍这个图的时候，千万不要只是直勾勾地对着镜头。你要让棋盘格倾斜一些角度（仰角、俯角、侧角），并且尽量让棋盘格充满画面的各个角落（尤其是边缘）。因为畸变在四周最严重，如果边缘没有点，畸变系数是算不准的。

步骤 2：解算相机内参（计算出物理世界的尺子）

有了这一批照片，我们就可以让 OpenCvSharp 帮我们算矩阵了。我们会把每一个像素点对应的真实 3D 坐标（我们假定棋盘格处于 \(Z=0\) 的平面，每个格子长 25 毫米）塞给算法。

标定解算核心源码：

这个算出来的 camera_params.xml 是我们待会做三维定位的基石。丢了它，后面寸步难行。

第二阶段：终极对决——ArUco 标志实时位姿估计

万事俱备，东风已来！现在，我们可以把一个叫 ArUco 的黑白二维码放到摄像头前面，让系统实时告诉我：这个二维码距离我的镜头到底有多少厘米？它转了多少度？

什么是 ArUco？

简单来说，它是一种专门为了机器视觉定位设计的方形条码。和普通的 QR Code（比如微信付款码）相比，它的检测速度极快，定位精度极高，哪怕在极差的光照下，也能稳定地检测到四个角点。

核心定位代码（精细解读版）

在这段代码中，我们会通过 OpenCV 著名的 SolvePnP（Perspective-n-Point）算法，结合刚刚生成的相机内参，完美解算出标志牌在空间里的三维姿态。

为什么说这套方案比直接测距靠谱得多？

在以前，很多小伙伴会说：“我用像素占比算测距不行吗？物体近了像素大，远了像素小。”

这在某些极度局限的场景下或许能用，但它的硬伤太明显了：

互动时刻

大家在调试相机标定时，遇到过最恶心的问题是什么？

• • 是“明明拿到了标定 XML，结果算出来的测距还是差了 5 厘米”？
• • 还是“找不到内角点，一直卡在抓拍界面”？

欢迎在评论区里留言聊聊你们在视觉项目里踩过的坑，咱们一起研究研究。

今日份技术总结：

觉得有用的话，欢迎微信打赏鼓励一下，让我有动力继续输出这类实战内容。完整源码结构已在各节逐一呈现，可结合项目实际直接落地；如需完整源码，可在公众号聊天窗口获取。

#C#开发 #OpenCV #三维视觉 #机器视觉 #工业自动化