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/librealsense

Intel 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librealsense（Intel 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：

1. 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
2. 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
3. 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：

1. 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
2. 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
3. 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（OCC）

OCC 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 100mm，adjust_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 "Couldn't 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_table+write_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.cpp，IMU 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