🎯 使用 OpenCV 实现 ArUco 码识别与坐标轴绘制（含Python源码）

Aruco 是一种广泛用于机器人、增强现实（AR）和相机标定的方形标记系统。本文将带你一步一步使用 Python + OpenCV 实现图像中多个 ArUco 码的检测与坐标轴显示，最终实现“识别 + 姿态估计 + 坐标系可视化”的完整功能。

---

🧰 准备工作

首先，确保你安装了 OpenCV 的完整版本（含 aruco 模块）：

pip install opencv-python opencv-contrib-python

---

📷 相机内参与畸变参数

要绘制每个 ArUco 码的坐标轴，我们必须知道相机的内参和畸变参数。

示例内参（请替换为你自己的标定结果）：

camera_matrix = np.array([[800, 0, 320],[0, 800, 240],[0,   0,   1]
], dtype=np.float32)dist_coeffs = np.zeros((5, 1))  # 假设无畸变

📌 注：真实使用中建议通过 OpenCV 标定获得准确的相机参数，否则坐标轴可能会显示错误。

---

🧪 ArUco 码识别与坐标系绘制代码

import cv2
import cv2.aruco as aruco
import numpy as np# 读取图像
image = cv2.imread('your_image.jpg')  # 替换为你的图像路径
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 加载 ArUco 字典和检测参数
aruco_dict = aruco.Dictionary_get(aruco.DICT_6X6_250)
parameters = aruco.DetectorParameters_create()# 检测 ArUco 标记
corners, ids, rejected = aruco.detectMarkers(gray, aruco_dict, parameters=parameters)# 相机参数（需根据你自己相机情况修改）
camera_matrix = np.array([[800, 0, 320],[0, 800, 240],[0,   0,   1]
], dtype=np.float32)dist_coeffs = np.zeros((5, 1))  # 简化处理，假设无畸变# 设置坐标轴长度（单位视实际情况而定）
axis_length = 0.05if ids is not None:# 绘制检测到的 ArUco 边框与 IDaruco.drawDetectedMarkers(image, corners, ids)# 遍历每个检测到的 ArUco 码，估计姿态并绘制坐标轴for i in range(len(ids)):rvec, tvec, _ = aruco.estimatePoseSingleMarkers(corners[i], 0.05, camera_matrix, dist_coeffs)aruco.drawAxis(image, camera_matrix, dist_coeffs, rvec, tvec, axis_length)print("Detected ArUco IDs:", ids.flatten())
else:print("No ArUco markers detected.")# 显示结果图像
cv2.imshow("Aruco Marker with Axes", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

🔍 运行效果

运行后你会看到每个 ArUco 码不仅被识别并绘制出边框，还会有一个三维坐标轴覆盖在上面：

• 红色：X 轴
• 绿色：Y 轴
• 蓝色：Z 轴（垂直于平面）

这对于调试机器人视觉系统或验证相机姿态估计非常有用。

---

🧠 常见问题

❓ 没有检测到 ArUco 码？

• 检查图像中是否清晰可见 ArUco 码。
• 确保使用了正确的字典（如：DICT_6X6_250）。
• 尝试增加图像对比度或使用高分辨率图像。

❓ 坐标轴显示不对？

• 检查相机内参是否正确。
• 确保 ArUco 实际尺寸与你设置的一致（代码中 0.05 代表码的边长是 5cm）。

---

📘 总结

通过本文你已经学会了：

• 如何使用 OpenCV 检测 ArUco 码
• 如何绘制检测结果和每个码的姿态坐标轴
• 如何利用相机内参进行精确的三维可视化

---