STM32視覺校準開發：相機標定與畸變矯正演算法移植全解析

在嵌入式視覺系統開發中，STM32憑藉其高效能與低功耗特性，成為工業檢測、機器人導航等領域的熱門選擇。然而，受限於攝像頭硬體的非理想性，影像畸變問題普遍存在，直接影響測量精度與識別效果。本文將深入探討STM32平臺下相機標定與畸變矯正演算法的移植實現，助力開發者構建精度要求較高的視覺系統。

一、相機標定：視覺系統的“體檢”與“校準”

相機標定是視覺開發的第一步，其核心是透過數學模型量化攝像頭內參（焦距、主點座標、畸變係數）與外參（旋轉、平移矩陣）。以STM32MP157開發板搭配OV5640攝像頭為例，標定過程需完成以下關鍵步驟：

1. 裝置樹配置
   在STM32的Linux核心裝置樹中，需新增DCMI介面與OV5640節點，定義GPIO引腳複用功能及電源管理引數。例如，透過pinctrl-names與pinctrl-0屬性配置DCMI介面的引腳對映，有助於支援攝像頭資料能正確傳輸至STM32。

2. 標定板採集
   使用棋盤格標定板（建議內部角點數7×9至11×8），從不同角度、距離拍攝15-20張影像。拍攝時需支援標定板佔據影像1/3至1/2面積，避免過度曝光或欠曝。例如，在OpenCV中可透過findChessboardCorners函式檢測角點，結合cornerSubPix實現亞畫素級精度最佳化。

3. 引數計算
   呼叫OpenCV的calibrateCamera函式，輸入標定板世界座標與影像座標對應關係，計算內參矩陣mtx與畸變係數dist。實測中，重投影誤差需控制在0.1畫素以內，例如某專案透過最佳化標定板角度與光照條件，將誤差從0.3畫素降至0.08畫素。

二、畸變矯正：從“扭曲”到“真實”的影像還原

影像畸變主要分為徑向畸變（桶形/枕形）與切向畸變（透鏡安裝偏差），矯正需結合內參與畸變係數進行非線性變換。STM32平臺下推薦以下兩種實現方式：

1. OpenCV undistort函式
   適用於單幀影像快速矯正，直接呼叫cv2.undistort(img, mtx, dist)即可完成。但即時影片流處理時，該方法效率較低，例如在STM32H7上處理720P影像時幀率僅15FPS。

2. initUndistortRectifyMap+remap組合
   透過預計算對映表提升效率，步驟如下：

• 呼叫initUndistortRectifyMap生成對映表mapx與mapy；

• 對每幀影像呼叫remap應用對映表，實現即時矯正。
  實測在STM32H7上幀率提升至30FPS，滿足工業檢測需求。

程式碼示例（基於OpenCV）：

cpp// 計算對映表cv::Mat mapx, mapy;cv::initUndistortRectifyMap(mtx, dist, cv::Mat(), mtx, img_size, CV_32FC1, mapx, mapy);// 即時矯正cv::Mat dst;cv::remap(src_img, dst, mapx, mapy, cv::INTER_LINEAR);

三、STM32平臺移植關鍵點

1. 記憶體最佳化
   STM32多數型號無FPU，需將浮點運算轉為定點化。例如，將增益係數放大100倍儲存為整數，運算時透過temp /= 100還原，實測在STM32F407上處理2048點資料耗時僅1.2ms。

2. Flash儲存
   標定引數（內參、畸變係數）需存入內部Flash，但需注意寫入壽命（約10萬次）。建議採用專用頁管理，例如將引數存入Flash末尾扇區，避免影響程式執行。

3. 即時性支援
   對於高速掃描場景，需結合ADC+DMA+定時器觸發機制實現資料採集與矯正並行。例如，配置TIM2產生PWM波觸發ADC啟動轉換，透過DMA迴圈模式持續傳輸資料，有助於支援幀率穩定。

四、應用場景與效果驗證

1. 工業檢測
   某電子廠採用STM32H7+OV5640方案檢測PCB板元件位置，透過標定與矯正將測量誤差從0.5mm降至0.1mm，良品率有所提升。

2. 機器人導航
   在AGV小車專案中，矯正後的影像使SLAM演算法建圖精度有所提升，路徑規劃成功率保持在專案要求範圍內。