从 RGB 到 iToF：五种相机标定板怎么选？

在 RGB 相机与 iToF 深度相机 的标定场景下，常见的标定板可归纳为五类，其选型需根据具体任务、成像通道和实际测量数据综合决定。标定板不是靠经验或偏好选出来的，而是需要在真实条件下“测”出来的。

从设计范式上看，这五类板子可以分成三种：

• 纯几何图案（棋盘格、非对称圆点阵）：依赖角点或圆心等基础几何特征，算法成熟，但缺乏身份识别能力，容易受遮挡和重复纹理干扰。
• 基准标记网格（AprilGrid、ArUco GridBoard）：每个单元带有独立 ID，可抵抗部分遮挡，消除索引歧义，适合位姿估计和多标记跟踪。
• 混合标定板（ChArUco）：将 ArUco 的 ID 编码与棋盘格的密集角点结合，兼具高精度和鲁棒性，尤其在跨相机配对场景中优势明显。

下面给出这五类标定板的详细对比：

对于 RGB-iToF 联合标定，挑战更为特殊。两通道物理原理不同（RGB 看可见光，iToF 靠近红外主动光），一块在可见光下对比分明的板子，在近红外幅值图上可能完全不可见。因此，标定流程必须拆解为三层：分别标定内参、求解外参，最后完成深度图到 RGB 图像的映射。工程上有一个关键细节——不要直接在深度图上检测角点，应优先在 iToF 的幅值图（amplitude image）上提取二维特征，因为幅值图的信噪比和边缘清晰度远优于深度图。同时，标定板的材质在近红外波段的实际反差至关重要，哑光纸、氧化铝陶瓷等是值得尝试的方向。若两相机视野重叠较小或存在遮挡，ChArUco 的 ID 识别能力能显著提升同名点配对的成功率。

在实际选型和落地时，建议遵循以下流程：第一步是 明确任务——标定内参、外参还是位姿估计，单通道还是跨波段系统。第二步是 检查成像通道：单通道验证特征能否稳定检出；多通道还要确认同一批物理特征在两幅图像中能正确对应。第三步是 进行实测对比，用候选板在相同条件下采集数据，重点关注 有效图像比例、特征点覆盖范围 和 重投影残差（reprojection residual） 等量化指标，最终以实测结果定型。

最后总结两条核心原则：“编码解决身份，材质决定可见性”。标定板不是纸上谈兵选出来的，而是通过反复测试和对比“测”出来的；在跨光谱系统中，材料对主动光的响应特性往往比图案本身更重要，切勿用 RGB 的视觉经验直接推断近红外下的表现。（上述根据多模态视觉公开资料整理）

那么，该如何系统学习相机标定、三维重建、具身智能等前沿技术呢？今天就给大家推荐一个专业、干货满满的学习圈子————「3D视觉从入门到精通」知识星球，这里不仅有SLAM和3DGS的学习资料，还覆盖了自动驾驶、具身智能、无人机、机械臂抓取等方向的干货资料。

经常有粉丝问这样一个问题：

今天，咱们一起聊一聊这个沉淀了近9年的3D视觉技术圈子。

一 什么是知识星球？

知识星球是一个高度活跃的社区平台，在这里你可以和相同研究方向的小伙伴一起探讨科研工作难题、交流最新领域进展、分享3D视觉最新顶会论文&代码资料、分享视频(讲解3D视觉重要知识点)、发布高质量的求职就业信息，承接项目等，当然还可以侃侃而谈，吐槽学习工作生活。

二 「3D视觉从入门到精通」知识星球

目前已有近6300+活跃成员，主要涉及方向：工业3D视觉、SLAM、自动驾驶、三维重建、无人机、具身智能、大模型等科技前沿方向。

细分方向众多，包括但不限于：工业3D视觉、三维重建、自动驾驶、具身智能、大模型、扩散模型等科技前沿方向，也涉及视觉竞赛、硬件选型、视觉产品落地经验分享、学术&求职交流等。我们也会紧跟最新前沿科技发展，也是我们星球里的热门讨论话题。

三 星球内全系列视频教程汇总

视频教程分为两大板块：第一板块为核心主线课程，精心打磨了近20门系列视频教程，内容系统、循序渐进，更是大家学习的重点，带你学习工业3D视觉、SLAM、3DGS、自动驾驶与无人机等3D视觉技术，下面我们会详细介绍这部分内容；第二板块为前沿技术分享，特邀行业大咖与学术大牛开展直播分享，内容全面覆盖具身智能、自动驾驶、三维重建、数字人、扩散模型、3D生成等热门前沿方向，本部分为非重点内容，不再做详细介绍。

3.0 3DGS独家视频教程

3.0.1 3DGS三维重建系列视频教程

3.0.2 基于NeRF、3DGS三维重建的SLAM算法视频教程

本视频教程从理论和代码实现两方面展开，带你从零入门NeRF/Gaussian Based SLAM的原理学习、论文阅读、代码梳理等。理论层面，从线性代数入手到传统的计算机图形学，让大家明了现代三维重建的理论基础和源头；代码层面通过多个练习手把手教会大家复现计算机图形学、NeRF相关工作。

3.1 基础课程

3.1.1 高精度相机标定从理论到实战系统教程

本课程主要包含两部分，分别是相机标定和3D视觉，相机标定包含单目、双目和鱼眼相机标定；3D视觉包含立体视觉、结构光和TOF，以立体视觉为主。课程提供对应数据与代码。

课程亮点：除了相机标定的基础原理和代码之外，星球里还补充了高精度相机标定的改进方法以及实战技巧，这是相当硬核的。

3.1.2 ROS2从入门到实战视频教程

ROS2从入门到实战视频教程，从小白方式介绍到高阶使用讲解，对ROS2进行全面的实操教学训练，为大家提供系统性的学习机会。

3.1.3 四旋翼飞行器：算法与实战

3.1.4 C++从零基础入门到进阶

力求通过视频教程的学习，彻底搞懂C++较难的一些模块，掌握SLAM等算法的编写套路，学会C++相关岗位的面试技巧。学懂本课程，并且对其中的疑难点能够较好的理解运用，可以达到1-2年的C++开发工程师的经验水平。

3.2 工业3D视觉系列视频课程

3.2.1 基于面结构光三维重建系列视频

3.2.2 机械臂抓取、三维点云、三维重建等

3.2.3 线结构光(单双目)三维重建系统教程等

本门课程面向实战教学，手把手带你从零实现一套属于自己的线激光3D扫描系统。几乎每一个章节都配备有相应的讲义、代码，帮助大家更好地理解线激光三维重建技术。

3.3 SLAM系列视频

3.3.1 如何轻松拿捏LIO-SAM?(提供注释版本代码)

3.3.2 彻底剖析激光-视觉-IMU-GPS融合SLAM算法

本视频课程从理论和代码实现两个方面对激光雷达-视觉IMU-GPS融合的SLAM算法框架和技术难点进行讲解，并且博士大佬会根据自己多年的机器人工程经验，向大家讲解在实际机器人应用中多模态融合的方法和技巧。

3.3.3 ORB-SLAM3理论基础+关键技术详解

3.3.4 视觉-惯性SLAM:VINS-Fusion原理精讲

视觉-惯性SLAM的入门与实践视频教程，结合VINS-Fusion源码，系统地对视觉-惯性SLAM的基础理论知识进行梳理。整套课程由一线算法工程师教授，从基础理论到代码剖析，保姆级教学，助力学员一步步从小白成长为大牛。

3.4 自动驾驶

3.4.1 面向自动驾驶领域的多传感器融合系统教程

主要分两个大模块：理论篇和实战篇，理论篇部分主要介绍自动驾驶中常用的传感器硬件、传感器间的时间同步和空间同步以及多传感器间的信息融合理论知识；实战篇更多偏向工程应用，工程中传感器间同步与融合如何实现等。

3.4.2 面向自动驾驶领域的3D点云深度学习目标检测

本视频教程以3D点云深度学习为主，对Point-based和Voxel-based系列的3D目标检测网络架构进行系统剖析和代码梳理，助力各位同学在点云深度学习更快的入门和更深的理解。

3.4.3 单目深度估计方法:理论与实战视频

视频教程主要分为两大部分：理论篇和实战篇，由于有监督方法的深度真值获取困难，且无监督方法的效果与有监督方法几乎相当，我们将课程的重心放在了无监督方法上。

3.4.4 自动驾驶中的深度学习模型部署实战视频

本视频教程将采用理论和实践相结合的思路，首先对TensorRT的编程模型以及GPU/cuda的相关知识进行讲解，带领大家达到知其所以然的程度；之后课程将用分类、检测、分割三个例子来展示详细编程流程，并给出相关代码，达到真正能落地的工业级分享。

四 3D视觉基础入门

考虑到很多初学者在配置3D视觉软件或者视觉库可能会有困难，我们已经为大家梳理了各个模块的配置教程文档，供学习参考。

五 3D视觉源码汇总

下面为大家节选展示星球内的3D视觉行业相关源码：

六 高质量项目发布与对接

下面为大家节选展示星球内的项目承接：

七 专业的智囊团为星球成员答疑解惑

下面为大家节选展示星球内的答疑解惑：

八 最新前沿顶会论文分享

下面为大家节选展示星球内的前沿顶会：

九 精华问题100问

下面为大家节选展示星球内的精华问题100问：

• 结构光

• 相位偏折术

• BEV与Occupancy

• MVSNet

• 线结构光

• Transformer

• 机器人规划控制

• 四旋翼建模与控制

十 3D视觉方向求职招聘

下面为大家节选展示星球内的求职招聘内容：

十一 星球会员权益

写在最后

目前已有6400多名3D视觉从业者正在星球里一起交流、分享、进步，我们也欢迎您一道同行！