1. 为什么测距会选 AprilTag 而不是二维码、AruCo 或特征点AprilTag 从 2011 年被 Edwin Olson 提出来之后一直是机器人和机器视觉里用得最多的视觉基准之一。我最早把 AprilTag 捡起来用不是因为它能“识码”而是因为它能“算位置”——尤其是在单目相机下把标签到相机的实际距离估算出来。后来做移动机器人避障、无人机定点降落、AGV 对接这类项目AprilTag 测距几乎成了默认的第一版方案。这篇文章写的是我一直沿用的完整实现路径从标签角点到单应矩阵再从单应矩阵分解出旋转和平移最后换算成你要的那个“厘米级大概距离”。有人会问现在深度相机、双目相机都便宜了为什么还要跟单目和 AprilTag 死磕因为我做过几个项目后发现AprilTag 测距最大的优势不是“精度最高”而是“部署最快、成本极低、且在近中距离内足够好用”。这篇文章不是要证明它比双目准而是把这条路径讲清楚怎么从一张普通 RGB 图通过单应矩阵算出标签和你之间的实际距离。不管你是跑 RoboMaster 的还是在实验室做视觉定位又或者只是想把机器人从“看得见标签”升级成“知道标签有多远”的爱好者这套流程都可以直接抄走。代码我全部用 Python 写核心依赖是 OpenCV 和 apriltag 检测库所有关键公式我都会给出来并说明参数为什么要这样设方便你换成 C 或其他语言也能落到自己的项目里。1.1 单应矩阵把“平面世界”和“图像平面”连起来先理清一个最容易绕晕的概念相机拍照本质上是一个 3D 空间到 2D 图像的投影过程。一个世界坐标系里的点经过相机的外参旋转 R、平移 t变换到相机坐标系再经过内参矩阵 K 投影到像素平面最终得到图像上的坐标。用公式写就是s * [u, v, 1]^T K * [R | t] * [X, Y, Z, 1]^T其中 s 是尺度因子因为从 3D 到 2D 会丢掉深度信息。但这里有个特殊情况如果所有目标点都在同一个平面上比如 AprilTag 贴在地面、贴在墙上、贴在机械臂末端那么我们可以把那个平面的 Z 坐标定义为 0。于是公式一下子简化成s * [u, v, 1]^T K * [r1, r2, t] * [X, Y, 1]^T这里的 3x3 矩阵 K * [r1, r2, t]就是我们说的单应矩阵 H。它直接完成“平面上的点”到“图像上的点”的映射不关心那个点在平面之外的高度。换句话说单应矩阵是专门给平面目标量身定做的一个数学模型。为什么 AprilTag 测距一定要用单应矩阵因为一个 3x3 的单应矩阵有 8 个自由度整体尺度不计每对 2D-2D 对应点能提供两个约束所以要解出 H 至少需要 4 个点。一个方形 AprilTag 恰好有 4 个角点不多不少正好满足最小需求。这 4 个角点一旦被检测出来就可以唯一确定一个单应矩阵再配合相机内参 K就能把旋转和平移拆出来。距离本质上就是那个平移向量 t 的模长。1.2 AprilTag 的三个工程优势很多人第一反应是那直接用二维码不行吗或者 OpenCV 里的 AruCo 不行吗我在实际项目里三个都试过AprilTag 在这件事上确实有它不可替代的地方。第一二维码的定位能力在设计时更多考虑的是“扫码识别”它的寻像图形占了很大面积一旦部分反光、遮挡、或者角度过大解码率下降非常明显。AprilTag 的图案设计从一开始就是给机器视觉用的内部编码区域和定位边缘做了权衡角度偏、光线暗、轻微遮挡的情况下角点检测依然能稳住。第二AruCo 和 AprilTag 同为二进制方格类标签但 AprilTag 的检测器在角点输出上做了边缘优化和亚像素细化。测距这个东西角点偏 0.5 个像素远距离下距离就能偏出好几厘米角点质量比解码成功与否更关键。第三AprilTag 的编码冗余设计让误检率很低。你贴一排标签它不太会把 tag 5 认成 tag 6。这在多标签定位场景里非常重要因为一旦 id 认错后面的距离和位姿就全乱了。还有一个非常重要的实际原因AprilTag 在嵌入式平台上跑得非常快。树莓派或者 Jetson Nano 上1280x720 分辨率处理一帧也就是几毫秒到十几毫秒完全跟得上实时控制循环。很多机器人项目的第一版视觉方案与其急着上深度学习不如先老老实实把 AprilTag 这套跑通能用它解决的问题成本最低。2. 动手前先把相机模型、坐标系和标签尺寸理清很多教程上来就贴代码跑通之后换个相机、换个标签尺寸就废了。根本原因是没有把“相机内参”和“标签坐标系”这两件事理解透。所以我强烈建议写代码之前先花十分钟把下面这三个问题想清楚。2.1 相机内参 K 到底在测距里扮演什么角色相机内参矩阵 K 长这样K [[fx, 0, cx], [0, fy, cy], [0, 0, 1]]fx、fy 是焦距单位不是毫米而是像素。cx、cy 是主点也就是光轴和成像平面的交点一般接近图像中心。这个矩阵描述的是“三维相机坐标系下的点”如何变成“二维像素坐标”。在 AprilTag 测距里单应矩阵 H 求出来以后它其实是 K 和 [r1, r2, t] 的乘积。如果不知道 K你只能得到一个“像素层面的单应关系”无法把像素位移还原成真实的物理平移。换句话说测距必须知道焦距。那么 K 从哪里来答案是标定。最常见的做法是用棋盘格拍十几张不同角度的照片然后用 OpenCV 的 cv2.calibrateCamera 来算。我自己一般用 9x6 或 8x6 的棋盘格每张照片的角度差异尽量大一些远近也拉开然后让棋盘尽量覆盖画面的不同区域尤其是四角和边缘。这样标出来的 fx、fy、cx、cy 才够稳。标定的代码不复杂OpenCV 官方文档有完整例子我这里就不整段贴了。核心就是把所有棋盘角点的图像坐标和世界坐标收集起来丢给 calibrateCamera它会返回相机矩阵和畸变系数。畸变系数后面测距时也得用不能只拿 K。如果你实在没有标定板也可以用相机视角和分辨率粗略推算内参但误差会大不少。只要焦距偏了 5%距离偏 5% 是跑不掉的。我的建议是这个钱别省打印一张棋盘格认认真真标一次后面所有项目都能复用。2.2 标签平面坐标系怎么定四个角点坐标怎么给AprilTag 的测距要把标签的局部坐标系定义清楚。我习惯把标签中心设为原点标签平面作为 Z0 的平面X 轴和 Y 轴分别沿着标签的两条边。假设标签的物理边长是 s那么四个角点的三维坐标就是[-s/2, -s/2, 0] [ s/2, -s/2, 0] [ s/2, s/2, 0] [-s/2, s/2, 0]这四个点写死之后永远不会变。不管相机怎么动它们都是标签自己的“世界坐标”。后面做的所有事情本质上是根据图像里检测到的 4 个像素点反推相机相对于这个坐标系的旋转和平移。这里有一个特别容易被坑的地方角点顺序。不同的 AprilTag 库返回的 corners 顺序可能不一样有的是左上、右上、右下、左下有的是左下、右上、左上、右下甚至顺时针逆时针都有差异。如果你把顺序搞错了后面解出来的姿态经常会出现 90 度、180 度翻转或者单应矩阵看起来很奇怪。我自己的做法是拿到检测结果后先打印 corners再把它和上面 obj_pts 的对应关系画出来确认“第一个 obj 点对应第一个 img 点”。确认一次之后再固定使用这个顺序。后面我会专门讲这个坑。2.3 影响比例尺的唯一关键参数标签物理尺寸单应矩阵本身只能告诉你“标签在图像里占了多大区域”它没有尺度。要把这个尺度还原成米必须知道标签的真实物理边长 s。这个参数直接决定距离的比例尺重要性甚至超过内参。我踩过最蠢的坑就是把打印设置里的 16cm 当成实际尺寸。结果打印机缩放了 2%1 米距离的量测值稳定偏了 2 厘米不仔细对比根本看不出来。后来我所有项目一律用游标卡尺或者直尺量打印出来之后的对角角点距离再除以根号 2 得到边长。贴到硬板、亚克力板上的标签也要贴好之后再量一次因为胶水厚度和板材形变会让尺寸微微变化。另外标签的物理尺寸还会影响测距的可用范围。标签越大远距离下的像素占比越多角点越稳测距越准。同样一个相机0.1m 的标签可能 3 米外就很难稳定检测0.2m 的标签可以推到 6 米。所以项目初期设计标签尺寸时要先估算一下“我需要的最远测距距离是多少”然后反推标签大小。经验公式是标签在图像里至少占 30 到 50 个像素宽角点才够稳距离才能看。3. 完整实现检测、单应矩阵、姿态分解、距离换算下面进入正题。这一节我会按完整流程走一遍每一步都给出代码和解释。我用的检测库是 dt_apriltags因为它在 ROS 和嵌入式项目里用得多接口也比较直观。3.1 环境准备和库选择先装依赖pip install opencv-python numpy dt_apriltagsdt_apriltags 底层基于 AprilTag 3 的 C 实现Python 只是封装。如果你用过别的 apriltag 库接口差别不大核心概念是通用的。创建检测器的时候有几个参数值得停下来讲一讲from dt_apriltags import Detectordetector Detector(familiestag36h11, nthreads4, quad_decimate1.0, quad_sigma0.0, refine_edges1, decode_sharpening0.25)families 选 tag36h11 是大多数场景的默认选择。这个族有 36 位编码误检率低标签图案也不复杂。如果标签很小或者场景里标签数量很多可以考虑 tag25h9 或者 tag16h5但误检率会相对高一些。quad_decimate 这个参数我重点说。它大于 1 的时候检测器会先缩小图像再找四边形速度更快但小标签很容易丢。如果你的标签在画面里偏小请务必保持 1.0。我一般在新场景里先不优化速度保证检测率和角点精度优先跑稳定了再考虑提速。refine_edges 保持 1 开启。它会对检测到的边缘做亚像素修正角点定位精度能提升不少而这个精度直接决定测距稳定性。3.2 检测 AprilTag 并获取角点检测这一行代码很简单cap cv2.VideoCapture(0) ret, frame cap.read() gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)detections detector.detect(gray, estimate_tag_poseFalse, camera_paramsNone, tag_sizeNone)if detections: det detections[0] tag_id det.tag_id corners det.corners # shape: (4, 2)这里有个点要注意我把 estimate_tag_pose 设成 False不让库自己算位姿。为什么要这样因为我想完全掌控后面从单应矩阵到距离的推导过程而不是直接拿库里的结果。而且不同版本的库内部算姿态时对角点顺序、相机参数传入方式的要求不一样容易产生隐性问题。自己解一次踩坑也能踩得明明白白。corners 是 4x2 的数组每一行是一个角点的像素坐标。这个坐标的顺序以 dt_apriltags 的实现来看一般是按左上、右上、右下、左下的顺序但我还是建议先打印验证一下。detections 返回结果里通常会按置信度排序我们可以通过 tag_id 来筛选自己关心的标签。如果画面里有多个标签可以先全检出来然后选择距离最近、或者 id 匹配上的那个。3.3 用 cv2.findHomography 求单应矩阵拿到 4 个角点之后下一步就是把“标签平面上的坐标”和“图像上的坐标”对应起来求解单应矩阵。先把 obj_pts 写出来s 0.16 # 标签实际边长单位米务必实测 obj_pts np.array([ [-s / 2, -s / 2, 0], [ s / 2, -s / 2, 0], [ s / 2, s / 2, 0], [-s / 2, s / 2, 0], ], dtypenp.float32)obj_2d obj_pts[:, :2] # 去掉 Z 坐标因为平面上 Z 恒为 0 img_pts corners.astype(np.float32)H, mask cv2.findHomography(obj_2d, img_pts, cv2.RANSAC, ransacReprojThreshold3.0)可能有人会问既然只有 4 个点直接解线性方程组不就行了为什么还要用 RANSACRANSAC 在这里主要是为了把可能的角点异常点剔除掉。比如某个角点因为反光被识别偏了用 RANSAC 拟合出来的 H 会更稳。但如果 4 个点质量都好RANSAC 和最小二乘结果其实差别不大。这里的 H 已经把相机内参 K 的信息也融进去了因为它建立的是“标签平面真实坐标”到“像素坐标”的映射。下一步就是要把它分解开。3.4 把单应矩阵分解成旋转向量和平移向量单应矩阵 H 和 K、R、t 之间的关系是H K * [r1, r2, t]注意这里 [r1, r2, t] 是一个 3x3 矩阵r1、r2 是旋转矩阵的前两列t 是平移向量。第三列本应是 r3但因为标签平面 Z0r3 不参与投影。所以反过来B K^{-1} * H [r1, r2, t]但这里有个尺度问题。H 本身是“差一个比例因子”的也就是说 H 和 k * K * [r1, r2, t] 等价。所以 B 的三列并不直接就是 r1、r2、t而是它们被同一个未知倍数缩放过的版本。怎么办用旋转矩阵列向量的性质旋转矩阵的每一列模长都是 1而且列之间正交。所以只要把 B 的第一列归一化就能得到真实的 r1 和那个缩放因子def homography_to_pose(H, K): inv_K np.linalg.inv(K) B inv_K Hnorm np.linalg.norm(B[:, 0]) r1 B[:, 0] / norm r2 B[:, 1] / norm r3 np.cross(r1, r2) t B[:, 2] / norm R np.column_stack([r1, r2, r3]) return R, t这里有一个潜在问题因为图像噪声、标定误差r1 和 r2 不一定是严格正交的r3 用叉积求出来能保证三个向量构成右手系但 R 可能不完全是一个标准正交矩阵。如果你要拿 R 去计算欧拉角建议再用一次 SVD 把 R 拉回正交矩阵这种操作叫 Rotation Averaging 或者极简的“投影到 SO(3)”。另外还有一个符号问题。单应矩阵分解出来的平移方向有两个正交解这是那个数学结构天然决定的。处理方法是利用“标签必须在相机前方”这一物理约束如果 t 的 z 分量小于 0就认为方向反了把 r1、r2、r3、t 全部取反。这个处理虽然简单但在我实际项目里足够用。更严格的分解可以参考论文中的多解筛选方法或者干脆用后面的 solvePnP 交叉验证。3.5 距离换算直线距离、深度距离别搞混得到平移向量 t 之后距离就不远了。但这里有一个实际项目里特别容易混淆的概念必须先说清楚。t 向量是标签坐标系原点标签中心相对于相机坐标系的平移三分量分别是 tx、ty、tz。那么distance np.linalg.norm(t) # 相机光心到标签中心的欧氏距离 depth abs(t[2]) # 沿相机光轴的深度距离这两个数字只有在相机正对标签的时候才近似相等。如果相机从侧面斜着看标签欧氏距离可能比深度大了不少。你项目里到底关心哪个这个要想清楚。比如移动机器人需要跟着标签走那姿态里的 tx、ty 其实更重要因为那是左右、上下的偏移量。做无人机降落你用 depth 作为高度参考更合理。做避障可能用欧氏距离更直观。我自己一般计算三个量一起输出def compute_pose_and_distance(H, K): R, t homography_to_pose(H, K)if t[2] 0: t -t R -R distance np.linalg.norm(t) depth abs(t[2]) yaw np.arctan2(R[1, 0], R[0, 0]) return distance, depth, yaw, R, t注意这个 yaw 只是旋转矩阵表达的粗略角度如果你的标签贴得不正yaw 并不一定能直接当成机器人的偏航角用还需要结合安装角度换算。3.6 对比验证用 solvePnP 交叉检查单应矩阵分解这条路优点是原理清晰、代码简单、计算量小。但实际工程里我更常用 cv2.solvePnP 来做最终的位姿解算因为它用非线性优化并且能结合畸变系数稳定性更高。_, rvec, tvec cv2.solvePnP(obj_pts, img_pts, camera_matrix, dist_coeffs)R, _ cv2.Rodrigues(rvec) distance_pnp np.linalg.norm(tvec)建议你在开发阶段同时算两套结果打印出来对比。如果单应矩阵分解和 solvePnP 的差距在几个厘米以内说明流程没问题。如果差了十万八千里八成是角点顺序不对或者 K 用错了。那为什么这篇文章标题还是围绕单应矩阵因为它是理解整个几何关系的最佳入口。你先把单应矩阵这条路走通之后再换 solvePnP也只是换了个数值求解器而已模型并没有变。4. 精度、误差和稳定性影响测距结果的 6 个关键因素AprilTag 测距不同环境下精度差距可以非常大。有人在 1 米内能做到 1 厘米以内有人 2 米外就飘得没法看。差别不在 tag而在下面这些细节。4.1 标签尺寸误差如何线性传导到距离这个最简单也最容易被忽略。距离和标签尺寸是严格线性关系如果你把 16cm 写成了 15.5cm那么所有距离都会偏小约 3%。这是系统误差滤波、多加几个 tag 都救不回来。唯一的解法就是拿尺子量量角点之间的实际距离而不是量纸边。我现在的习惯是把标签尺寸存成配置文件每个标签打印出来之后量一次更新一次配置。虽然麻烦但能避免很多诡异的定位偏移问题。4.2 内参标定误差会怎么放大内参 K 里的 fx、fy 如果标定不准直接影响单应矩阵分解出的平移向量尺度。尤其是广角镜头焦距稍微偏一点图像边缘的距离误差会非常大。我见过有人拿着手机随便拍的标定视频去跑算法结果 1 米内测出来 0.9 米怎么调参数都没用。最后重新认真标定了一次立刻正常了。标定时有几个实用建议至少拍 15 到 20 张棋盘格照片角度差异要大。棋盘格尽量充满画面但不要跑到画面外。照片覆盖图像中心和四角畸变才能在各个区域都被约束住。标定完之后用重投影误差判断质量一般小于 0.3 像素算不错。如果你换了相机分辨率之前标定的 K 不能直接用。分辨率变了fx、fy、cx、cy 都要重新标。4.3 像素误差与距离的平方关系这是单目测距绕不开的物理极限。我们用一个简化模型来理解假设标签在图像中横向占了 p 个像素那么距离 z 近似等于z ≈ f * s / p其中 f 是焦距像素值s 是标签物理尺寸。对这个式子求导可以得到一个像素误差对应的距离误差dz ≈ z^2 / (f * s) * dp这个公式非常关键。它告诉我们距离越远误差按平方增长。比如 f600s0.16m那么在 2 米处一个像素的误差大约对应 4 厘米到了 5 米处一个像素误差直接对应 26 厘米。这就是为什么单目 AprilTag 测距在近距离好用远距离不行的根本原因。你要么换更大尺寸的标签s 变大要么换更高分辨率或更长焦距的相机f 变大要么接受误差。没有任何玄学能绕过这个公式。4.4 大角度、强反光和动态模糊这三个因素都会让角点检测不稳定。AprilTag 本质上是通过四边形的边缘来找角点的如果标签和相机夹角过大投影到图像上的方形会被压得很扁边缘像素越来越少角点定位自然变差。我一般建议夹角控制在 60 度以内超过这个范围检测率和精度都会明显下降。反光也是大杀器。标签纸如果表面覆了亮膜或者放在强光下某些角度会出现局部过曝角点直接被白色吞掉。解决方法是使用哑光材料打印标签或者调整相机曝光。相机自动曝光在这种场景下经常帮倒忙可以锁定曝光值让标签区域保持稳定的对比度。动态模糊的问题更多出现在机器人快速移动或者相机曝光时间过长的情况下。角点一旦模糊亚像素细化就失去意义。优先缩短曝光时间、提高帧率宁可画面暗一点也别让标签糊成一团。4.5 相机分辨率与标签成像大小这一点和前面讲的平方关系是同一件事但从选型角度再看一遍。同样一个标签相机分辨率越高标签占的像素就越多角点定位越准。我有一条基本经验线标签在画面里如果小于 40 到 50 像素宽距离就会出现肉眼可见的抖动。所以项目初期选相机不只是看分辨率还要算一下“我想测的最远距离处标签能占多大像素”。举一个实际例子我用 640x480 的摄像头测 0.16m 标签3 米外基本就是极限了距离抖动有 10 厘米以上。换成 1280x720 的摄像头同样标签可以推到 5 米抖动仍然能接受。4.6 标签是否完全贴合平面单应矩阵的整个推导前提是“标签在平面上”。如果标签贴在不平整的表面比如圆柱体、软包装、弯曲的车身那么角点虽然还在但投影模型已经不再严格成立测距误差会变得不可控。这个很难通过算法补偿最好从物理上保证标签平整。5. 实战踩坑记录与排查速查表这一节说几个我在实际项目中反复踩过的坑每个坑都花过不少时间才定位到根因希望你能一次绕开。5.1 角点顺序不一致导致姿态翻转第一次做的时候我直接把 dt_apriltags 返回的 corners 丢给 cv2.solvePnP结果求出来的 tvec 一直在标签的前后方向跳还经常翻转 180 度。查了半天发现是角点顺序和我定义的 obj_pts 顺序不一致。这个问题非常隐蔽因为单应矩阵本身没有“顺序”的概念它能拟合出一组 H但那组 H 对应的是某个错误的点对应关系。你从像素层面看重投影误差可能也不大但姿态就是不对。我的建议是第一次运行代码时把 corners 打印出来并且画在图上逐点标号再和 obj_pts 里的四个点一对一确认。确认之后固定顺序不要再改。5.2 距离抖动明显时先别急着上滤波很多人一看到测距结果抖动第一反应就是加滤波。但滤波只能平滑“结果”不能修正“原因”。我见过项目里连续加了三层滤波曲线是好看了但机器人动起来距离响应严重滞后差点撞上去。正确的排查顺序是先看角点是否稳定把四个角点的像素坐标实时打印出来观察是哪些点在小幅跳动。如果角点跳说明是图像层面的问题可能是曝光、反光、模糊、标签太小。如果角点很稳但距离还是跳再看内参标定和标签尺寸。最后才考虑用滤波平滑而且用的是轻量的中值滤波或一阶低通不要过度滞后。我处理抖动的一个常见配方是每 5 帧取中值或者做 alpha0.5 的一阶低通。这个程度既能压住抖动又不会让控制环路反应迟钝。5.3 鱼眼镜头和广角镜头必须先做畸变校正普通手机镜头和树莓派摄像头模组边缘畸变没那么夸张很多人偷懒不做畸变校正也能凑合用。但一旦用了鱼眼或大广角标签放在画面边缘时角点位置会被畸变明显拉偏距离能偏出几十厘米。处理方式是两个思路用 cv2.undistort 把整帧图校正过来再做检测。这是最直接的办法缺点是要多消耗一点计算时间。用 cv2.undistortPoints 只把检测到的角点坐标做去畸变。如果畸变模型简单这个更快我推荐这种方式尤其是嵌入式设备上。矫正之后再用标定得到的 K 去算单应矩阵就不会被边缘畸变带偏了。5.4 多个标签同时出现时id 要锁定如果你场景里贴了多个 AprilTag检测器会全部返回。使用的时候要严格按 tag_id 来筛选不要默认“第 0 个就是我要的标签”。否则不同检测帧里标签排序一变化测距目标就飘了。5.5 排查速查表现象可能原因处理办法距离整体偏大或偏小固定比例标签物理尺寸 s 设置错误用尺子量实际角点距离远距离距离抖动剧烈标签成像像素太少或分辨率不足增大标签、提高分辨率、换长焦姿态偶尔翻转 180 度角点顺序不匹配或符号约束没加检查 corners 顺序t 的 z 分量取正标签在画面边缘时距离误差很大镜头畸变未校正用 undistortPoints 校正角点检测率突然下降曝光变化或反光锁定曝光、更换哑光标签材料距离平滑但响应慢滤波系数太小调整低通 alpha 到 0.3 至 0.6检测结果多帧跳 id多个标签未按 id 过滤按目标 tag_id 筛选6. 继续往下做多标签融合与后续扩展到这里单标签测距已经能跑起来了。但实际项目里往往不够比如标签距离太远、场景中标签太多、或者需要在运动状态下保持稳定。这时候有几个方向可以继续扩展。6.1 距离平滑一阶低通、中值滤波、卡尔曼滤波怎么选如果你只是显示一个距离数字中值滤波最简单有效取最近 5 帧的中间值能去掉离群点。如果是做机器人控制闭环一阶低通更合适d_smooth alpha * d_raw (1 - alpha) * d_smoothalpha 的建议范围是 0.3 到 0.6。alpha 越大响应越快但平滑效果越弱。如果目标在移动要用更复杂的恒速模型卡尔曼滤波把速度也估计出来否则低通滤波带来的滞后会让追踪出现“拖尾”。6.2 多标签与 tag bundle 让远距离更稳当你距离标签足够远时单个标签在画面里可能只有二三十个像素角点检测很容易波动。一个很实用的思路是在同一个平面上布置多个标签知道它们之间的相对坐标然后把这些标签的所有角点合并成一个大“对象点集”一次性做 solvePnP。这样做的好处很明显点数多了相当于做了更多次测量取平均角点噪声会被削掉远距离稳定性显著提升。AprilTag 官方把这种方案叫 tag bundle我也在项目中用过。实现上不复杂就是把你手动摆放的每个标签的中心坐标和方向都写进配置然后把所有角点按真实世界坐标拼起来。如果不想做这么复杂的拼接还有一个省事办法分别算出每个标签的距离然后取中值或均值。这种方法只能提升一点稳定性但因为各个标签的姿态不一致效果不如 bundle 方案。6.3 单目测距的边界在哪里一定要清楚单目 AprilTag 测距本质上是在“已知目标尺寸”的前提下做 PnP 求解。它离不开物理标签、平面假设、足够的像素分辨率这三件事。如果目标不是刚体平面或者尺寸未知或者环境光变化剧烈这条路会很难走。在这些场景里双目相机或深度相机会是更合适的方案。它们的原理完全不同双目靠视差深度相机靠结构光或 ToF不依赖标签尺寸和平面假设。我在做仓储机器人项目时远距离导航用 AprilTag 做视觉引导到了近距离再用深度相机做精细对接两者互补效果最好。6.4 最后一个经验如果整篇文章只带走一句话我想说的是先验证单应矩阵方向再让镜头尽量正对标签最后用一把尺子量准标签尺寸。这三件事做好了AprilTag 测距在近中距离内完全够用。剩下的细节包括滤波、多标签、畸变校正都只是在这个地基上做优化。项目跑起来之后你会发现真正难的不是公式和代码而是当一个角落反光、一个尺寸写错、一个顺序颠倒时你能不能快速定位到问题在哪。
