RealSense D405 如何标定基于 librealsense 的 5 步相机校准流程与精度验收标准【免费下载链接】librealsenseRealSense SDK项目地址: https://gitcode.com/GitHub_Trending/li/librealsenseIntel RealSense D405 深度相机标定是让你的三维测量从大致可信变成可交付的关键一步。开源项目librealsenseIntel RealSense SDK把 D400 系列的完整标定能力封装成了一套内置 API芯片内标定On-Chip Calibration下称 OCC、焦距标定和 Tare 零点标定全部可以直接调用不需要自己写优化算法。配合 doc/depth-from-stereo.md 里讲解的双目深度成像原理你大概十分钟就能完成一次完整的标定并验证结果。为什么标定结果会飘D405 深度图的 3 个误差来源在动手之前先搞清楚深度数据为什么会不准你就知道每一类标定在补什么短板。D405 靠左右两个红外相机做视差匹配来算深度这个过程中有 3 个位置会引入系统性误差左右相机没对齐外参误差出厂标定受温度、应力影响会漂移左右图像基线一旦偏移深度图整体出现倾斜或错位焦距与标定值不一致镜头装配公差导致实际焦距偏离内参矩阵里的fx深度值出现固定比例偏差画面边缘最明显深度零点偏置Tare 误差传感器本身存在毫米级系统偏置测 1 米可能稳定地报 1.02 米——这种误差靠滤波永远去不掉只能靠标定修正避坑提示不要指望后处理滤波洗掉系统误差。低通、空洞填充这类滤波器只能解决噪声解决不了比例性偏差。先标定再滤波。 标定前必须确认的 3 个前置条件标定失败大多不是算法问题而是环境不满足。librealsense 官方 UCAL 示例wrappers/python/examples/depth_ucal_example.py在开头就强制检查了 3 项前提你可以直接对照USB 3.0 连接标定流程尤其是焦距标定要同时开两路 1280×720 红外流对带宽要求高USB 2.0 会直接流不起来Advanced Mode 已开启多数标定需要调整相机内部预设必须先进入高级模式深度流有效点数充足OCC 运行前画面里有效深度点通常要超过 50%否则扫描无法收敛第一段代码用来验证前两项import pyrealsense2 as rs ctx rs.context() device ctx.query_devices()[0] print(device.get_info(rs.camera_info.name)) # 确认 USB3 连接UCAL 流程假设 USB3 带宽 usb device.get_info(rs.camera_info.usb_type_descriptor) print(USB 类型:, usb)验证没问题后用下面 4 行代码开启 Advanced Mode# 标定需要 Advanced Mode注意该调用会复位相机之后需重新枚举设备 am rs.rs400_advanced_mode(device) if not am.is_enabled(): am.toggle_advanced_mode(True)效率技巧把相机放在通风良好的位置预热 10 分钟再开始。温度波动大的过程中标定得到的参数本身就在漂移等于白标。 分步实操从开启高级模式到写入 Flash前置条件确认完毕下面按时间顺序走完 5 个步骤。每一步都遵循操作 → 立即验证的闭环完整可运行版本见 examples/on-chip-calib/ 和上面的 UCAL 示例脚本。第一步跑芯片内标定OCCOCC 利用相机自身的深度流扫描左右相机的内参与外参不需要任何标定靶板。官方示例推荐用低分辨率高帧率的特殊配置256×144、Z16、90fps速度档位 0~4 可调数字越大耗时越长、精度越高import json cfg rs.config() cfg.enable_stream(rs.stream.depth, 256, 144, rs.format.z16, 90) pipe rs.pipeline(ctx) pp pipe.start(cfg) pipe.wait_for_frames() adev pp.get_device().as_auto_calibrated_device() # speed 0~4 速度档位scan parameter 0 内参扫描1 外参扫描 table, health adev.run_on_chip_calibration( json.dumps({calib type: 0, speed: 2, scan parameter: 0}), progress_callback, 30000)验证回调打印到 100% 且table非空即成功health是设备给出的健康度评分记录下来备查。第二步焦距标定需要一张 175×100mm 的靶板OCC 修正的是对齐焦距标定修正的是比例。它需要左右红外原始流stream index 1 和 2同时采集约 25 帧用靶板真实尺寸约束出正确焦距# 焦距标定左右红外原始流各取约 25 帧lq/rq 为帧队列此处省略入队细节 cfg rs.config() cfg.enable_stream(rs.stream.infrared, 1, 1280, 720, rs.format.y8, 30) cfg.enable_stream(rs.stream.infrared, 2, 1280, 720, rs.format.y8, 30) pp rs.pipeline(ctx).start(cfg) adev pp.get_device().as_auto_calibrated_device() # 靶板真实尺寸 175mm x 100mmadjust_side 传 0 表示只修右侧 table, ratio, angle adev.run_focal_length_calibration( lq, rq, 175, 100, 0, progress_callback)验证返回的ratio越接近 1、angle越接近 0说明出厂标定与你当前装配状态越一致偏差大就值得写入新表。第三步Tare 零点标定把靶板放在一段已知真实距离上例如 450mm让传感器用测量值 vs 真实值的差去修正深度零点# Tare 标定消除深度测量的固定系统偏置 table, health adev.run_tare_calibration( 450, # 靶板真实距离单位 mm json.dumps({accuracy: 2, scan parameter: 0}), progress_callback, 30000)验证标定前后各测 5 次同一距离均值偏差应从稳定偏大/偏小收敛到接近 0。第四步写入 Flash让结果永久生效这是新手最容易漏的一步——标定结果默认只在当前会话有效断电即失。官方示例会交互询问你是否保留保留时要显式写表# 标定结果只对当前会话有效必须显式写入 Flash 才永久生效 adev.set_calibration_table(table) adev.write_calibration()如果标砸了想回退标定前先用get_calibration_table()把旧表存下来再set_calibration_table(旧表)write_calibration()写回即可也可以直接断电复位。第五步录一段数据做留档验证标定完成后用 SDK 自带的录制工具存一段.bag文件作为标定快照下次怀疑相机跑偏时直接回放对比。工具用法见 doc/record-and-playback.md回放界面长这样可以逐帧检查标定后深度图的纹理与边缘质量⚠️ 调优与避坑标定失败的 4 种典型症状按现象 → 原因 → 解决排查能覆盖绝大多数翻车场景1. 启动管道就报 Couldnt resolve requests原因请求的分辨率/帧率组合设备不支持最常见于 USB 2.0 接口带宽不够。 解决换 USB 3.0 口或缩短线材、换主动集线器仍失败就降低分辨率或帧率再试。2. 标定明明成功重启后精度又变回去了原因只拿到了新标定表没有写 Flash见第四步。 解决补一次set_calibration_tablewrite_calibration。3. 某一固定距离段测量值整体偏大或偏小原因Tare 零点偏置没修或只做了 OCC 漏了后两步。 解决按 OCC → 焦距 → Tare 的顺序补齐官方推荐顺序就是这三步。4. OCC 扫描卡住、进度条不涨或 health 很差原因有效深度点不足目标过暗/过曝/镜面反光或环境温度在漂移。 解决把相机对准有纹理的中灰度平面UCAL 流程中示例会先把emitter_enabled与thermal_compensation置 0避免纹理投影器和温度补偿干扰扫描照做即可等相机恒温 10 分钟再跑。✅ 验收标准用 3 个数字判断标定是否合格检查项合格线优秀线有效深度点占比OCC 运行前提≥ 50%≥ 80%棋盘格重投影误差用 OpenCVcalibrateCamera复核内参 0.5 像素 0.3 像素定点测距偏差对真实距离1m 以内 距离的 2% 距离的 1%标定后可以用 tools/depth-quality/ 工具生成精度曲线把测距误差随距离的分布画出来和上表逐条比对下一步行动现在就跑一遍 wrappers/python/examples/depth_ucal_example.py——它是三条校准流程的官方参考实现支持--onchip-speed、--tare-gt等命令行参数跑完对照上面的验收表打勾。之后建议在设备每次经历运输、跌落或环境温度跨度过大如从冷库到车间后重复一次这套流程。标定核心实现位于 src/ds/d400/d400-auto-calibration.cppIMU 相机的标定差异见 doc/d435i.md。【免费下载链接】librealsenseRealSense SDK项目地址: https://gitcode.com/GitHub_Trending/li/librealsense创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/8/24 1:53:47 · 阅读 1.2k RealSense D405 如何标定：基于 librealsense 的 5 步相机校准流程与精度验收标准
RealSense D405 如何标定基于 librealsense 的 5 步相机校准流程与精度验收标准【免费下载链接】librealsenseRealSense SDK项目地址: https://gitcode.com/GitHub_Trending/li/librealsenseIntel RealSense D405 深度相机标定是让你的三维测量从大致可信变成可交付的关键一步。开源项目librealsenseIntel RealSense SDK把 D400 系列的完整标定能力封装成了一套内置 API芯片内标定On-Chip Calibration下称 OCC、焦距标定和 Tare 零点标定全部可以直接调用不需要自己写优化算法。配合 doc/depth-from-stereo.md 里讲解的双目深度成像原理你大概十分钟就能完成一次完整的标定并验证结果。为什么标定结果会飘D405 深度图的 3 个误差来源在动手之前先搞清楚深度数据为什么会不准你就知道每一类标定在补什么短板。D405 靠左右两个红外相机做视差匹配来算深度这个过程中有 3 个位置会引入系统性误差左右相机没对齐外参误差出厂标定受温度、应力影响会漂移左右图像基线一旦偏移深度图整体出现倾斜或错位焦距与标定值不一致镜头装配公差导致实际焦距偏离内参矩阵里的fx深度值出现固定比例偏差画面边缘最明显深度零点偏置Tare 误差传感器本身存在毫米级系统偏置测 1 米可能稳定地报 1.02 米——这种误差靠滤波永远去不掉只能靠标定修正避坑提示不要指望后处理滤波洗掉系统误差。低通、空洞填充这类滤波器只能解决噪声解决不了比例性偏差。先标定再滤波。 标定前必须确认的 3 个前置条件标定失败大多不是算法问题而是环境不满足。librealsense 官方 UCAL 示例wrappers/python/examples/depth_ucal_example.py在开头就强制检查了 3 项前提你可以直接对照USB 3.0 连接标定流程尤其是焦距标定要同时开两路 1280×720 红外流对带宽要求高USB 2.0 会直接流不起来Advanced Mode 已开启多数标定需要调整相机内部预设必须先进入高级模式深度流有效点数充足OCC 运行前画面里有效深度点通常要超过 50%否则扫描无法收敛第一段代码用来验证前两项import pyrealsense2 as rs ctx rs.context() device ctx.query_devices()[0] print(device.get_info(rs.camera_info.name)) # 确认 USB3 连接UCAL 流程假设 USB3 带宽 usb device.get_info(rs.camera_info.usb_type_descriptor) print(USB 类型:, usb)验证没问题后用下面 4 行代码开启 Advanced Mode# 标定需要 Advanced Mode注意该调用会复位相机之后需重新枚举设备 am rs.rs400_advanced_mode(device) if not am.is_enabled(): am.toggle_advanced_mode(True)效率技巧把相机放在通风良好的位置预热 10 分钟再开始。温度波动大的过程中标定得到的参数本身就在漂移等于白标。 分步实操从开启高级模式到写入 Flash前置条件确认完毕下面按时间顺序走完 5 个步骤。每一步都遵循操作 → 立即验证的闭环完整可运行版本见 examples/on-chip-calib/ 和上面的 UCAL 示例脚本。第一步跑芯片内标定OCCOCC 利用相机自身的深度流扫描左右相机的内参与外参不需要任何标定靶板。官方示例推荐用低分辨率高帧率的特殊配置256×144、Z16、90fps速度档位 0~4 可调数字越大耗时越长、精度越高import json cfg rs.config() cfg.enable_stream(rs.stream.depth, 256, 144, rs.format.z16, 90) pipe rs.pipeline(ctx) pp pipe.start(cfg) pipe.wait_for_frames() adev pp.get_device().as_auto_calibrated_device() # speed 0~4 速度档位scan parameter 0 内参扫描1 外参扫描 table, health adev.run_on_chip_calibration( json.dumps({calib type: 0, speed: 2, scan parameter: 0}), progress_callback, 30000)验证回调打印到 100% 且table非空即成功health是设备给出的健康度评分记录下来备查。第二步焦距标定需要一张 175×100mm 的靶板OCC 修正的是对齐焦距标定修正的是比例。它需要左右红外原始流stream index 1 和 2同时采集约 25 帧用靶板真实尺寸约束出正确焦距# 焦距标定左右红外原始流各取约 25 帧lq/rq 为帧队列此处省略入队细节 cfg rs.config() cfg.enable_stream(rs.stream.infrared, 1, 1280, 720, rs.format.y8, 30) cfg.enable_stream(rs.stream.infrared, 2, 1280, 720, rs.format.y8, 30) pp rs.pipeline(ctx).start(cfg) adev pp.get_device().as_auto_calibrated_device() # 靶板真实尺寸 175mm x 100mmadjust_side 传 0 表示只修右侧 table, ratio, angle adev.run_focal_length_calibration( lq, rq, 175, 100, 0, progress_callback)验证返回的ratio越接近 1、angle越接近 0说明出厂标定与你当前装配状态越一致偏差大就值得写入新表。第三步Tare 零点标定把靶板放在一段已知真实距离上例如 450mm让传感器用测量值 vs 真实值的差去修正深度零点# Tare 标定消除深度测量的固定系统偏置 table, health adev.run_tare_calibration( 450, # 靶板真实距离单位 mm json.dumps({accuracy: 2, scan parameter: 0}), progress_callback, 30000)验证标定前后各测 5 次同一距离均值偏差应从稳定偏大/偏小收敛到接近 0。第四步写入 Flash让结果永久生效这是新手最容易漏的一步——标定结果默认只在当前会话有效断电即失。官方示例会交互询问你是否保留保留时要显式写表# 标定结果只对当前会话有效必须显式写入 Flash 才永久生效 adev.set_calibration_table(table) adev.write_calibration()如果标砸了想回退标定前先用get_calibration_table()把旧表存下来再set_calibration_table(旧表)write_calibration()写回即可也可以直接断电复位。第五步录一段数据做留档验证标定完成后用 SDK 自带的录制工具存一段.bag文件作为标定快照下次怀疑相机跑偏时直接回放对比。工具用法见 doc/record-and-playback.md回放界面长这样可以逐帧检查标定后深度图的纹理与边缘质量⚠️ 调优与避坑标定失败的 4 种典型症状按现象 → 原因 → 解决排查能覆盖绝大多数翻车场景1. 启动管道就报 Couldnt resolve requests原因请求的分辨率/帧率组合设备不支持最常见于 USB 2.0 接口带宽不够。 解决换 USB 3.0 口或缩短线材、换主动集线器仍失败就降低分辨率或帧率再试。2. 标定明明成功重启后精度又变回去了原因只拿到了新标定表没有写 Flash见第四步。 解决补一次set_calibration_tablewrite_calibration。3. 某一固定距离段测量值整体偏大或偏小原因Tare 零点偏置没修或只做了 OCC 漏了后两步。 解决按 OCC → 焦距 → Tare 的顺序补齐官方推荐顺序就是这三步。4. OCC 扫描卡住、进度条不涨或 health 很差原因有效深度点不足目标过暗/过曝/镜面反光或环境温度在漂移。 解决把相机对准有纹理的中灰度平面UCAL 流程中示例会先把emitter_enabled与thermal_compensation置 0避免纹理投影器和温度补偿干扰扫描照做即可等相机恒温 10 分钟再跑。✅ 验收标准用 3 个数字判断标定是否合格检查项合格线优秀线有效深度点占比OCC 运行前提≥ 50%≥ 80%棋盘格重投影误差用 OpenCVcalibrateCamera复核内参 0.5 像素 0.3 像素定点测距偏差对真实距离1m 以内 距离的 2% 距离的 1%标定后可以用 tools/depth-quality/ 工具生成精度曲线把测距误差随距离的分布画出来和上表逐条比对下一步行动现在就跑一遍 wrappers/python/examples/depth_ucal_example.py——它是三条校准流程的官方参考实现支持--onchip-speed、--tare-gt等命令行参数跑完对照上面的验收表打勾。之后建议在设备每次经历运输、跌落或环境温度跨度过大如从冷库到车间后重复一次这套流程。标定核心实现位于 src/ds/d400/d400-auto-calibration.cppIMU 相机的标定差异见 doc/d435i.md。【免费下载链接】librealsenseRealSense SDK项目地址: https://gitcode.com/GitHub_Trending/li/librealsense创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考