🎯 使用 OpenCV 實現 ArUco 碼識別與坐標軸繪制（含Python源碼）

Aruco 是一種廣泛用于機器人、增強現實（AR）和相機標定的方形標記系統。本文將帶你一步一步使用 Python + OpenCV 實現圖像中多個 ArUco 碼的檢測與坐標軸顯示，最終實現“識別 + 姿態估計 + 坐標系可視化”的完整功能。

---

🧰 準備工作

首先，確保你安裝了 OpenCV 的完整版本（含 aruco 模塊）：

pip install opencv-python opencv-contrib-python

---

📷 相機內參與畸變參數

要繪制每個 ArUco 碼的坐標軸，我們必須知道相機的內參和畸變參數。

示例內參（請替換為你自己的標定結果）：

camera_matrix = np.array([[800, 0, 320],[0, 800, 240],[0,   0,   1]
], dtype=np.float32)dist_coeffs = np.zeros((5, 1))  # 假設無畸變

📌 注：真實使用中建議通過 OpenCV 標定獲得準確的相機參數，否則坐標軸可能會顯示錯誤。

---

🧪 ArUco 碼識別與坐標系繪制代碼

import cv2
import cv2.aruco as aruco
import numpy as np# 讀取圖像
image = cv2.imread('your_image.jpg')  # 替換為你的圖像路徑
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 加載 ArUco 字典和檢測參數
aruco_dict = aruco.Dictionary_get(aruco.DICT_6X6_250)
parameters = aruco.DetectorParameters_create()# 檢測 ArUco 標記
corners, ids, rejected = aruco.detectMarkers(gray, aruco_dict, parameters=parameters)# 相機參數（需根據你自己相機情況修改）
camera_matrix = np.array([[800, 0, 320],[0, 800, 240],[0,   0,   1]
], dtype=np.float32)dist_coeffs = np.zeros((5, 1))  # 簡化處理，假設無畸變# 設置坐標軸長度（單位視實際情況而定）
axis_length = 0.05if ids is not None:# 繪制檢測到的 ArUco 邊框與 IDaruco.drawDetectedMarkers(image, corners, ids)# 遍歷每個檢測到的 ArUco 碼，估計姿態并繪制坐標軸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.")# 顯示結果圖像
cv2.imshow("Aruco Marker with Axes", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

🔍 運行效果

運行后你會看到每個 ArUco 碼不僅被識別并繪制出邊框，還會有一個三維坐標軸覆蓋在上面：

• 紅色：X 軸
• 綠色：Y 軸
• 藍色：Z 軸（垂直于平面）

這對于調試機器人視覺系統或驗證相機姿態估計非常有用。

---

🧠 常見問題

? 沒有檢測到 ArUco 碼？

• 檢查圖像中是否清晰可見 ArUco 碼。
• 確保使用了正確的字典（如：DICT_6X6_250）。
• 嘗試增加圖像對比度或使用高分辨率圖像。

? 坐標軸顯示不對？

• 檢查相機內參是否正確。
• 確保 ArUco 實際尺寸與你設置的一致（代碼中 0.05 代表碼的邊長是 5cm）。

---

📘 總結

通過本文你已經學會了：

• 如何使用 OpenCV 檢測 ArUco 碼
• 如何繪制檢測結果和每個碼的姿態坐標軸
• 如何利用相機內參進行精確的三維可視化

---