📚 课程目录第2章视觉测量基础

2、视觉测量基础：成像原理、相机模型（针孔模型、畸变模型）、坐标系（世界、相机、图像、像素）及转换关系

视觉测量工具链的搭建，其底层逻辑始于对“相机如何将三维世界映射为二维图像”这一物理过程的数学抽象。无论是高精度的尺寸测量、缺陷检测，还是机器人引导中的空间定位，所有上层算法（如标定、立体匹配、点云重建）都建立在成像模型与坐标系转换的精确理解之上。若基础模型理解偏差，后续的标定参数、测量结果将产生系统性误差。本章将深入拆解针孔成像与畸变模型的数学本质，梳理四大坐标系的定义与转换链路，并通过一个实际案例演示如何将像素坐标还原为物理世界坐标。

2.1 针孔成像模型：从三维空间到二维像面的数学映射

针孔模型是视觉测量的理想化基础。它假设光线沿直线传播，穿过一个无限小的“针孔”（即光心），在后方像平面上形成倒立的实像。在实际工程中，我们常将像平面虚拟到光心前方，形成正立虚像，以便于数学表达。该模型的核心是相似三角形原理：设空间点 P(Xc, Yc, Zc) 在相机坐标系下，其像点 p(x, y) 满足：

x = f * Xc / Zc
y = f * Yc / Zc

其中 f 为焦距（单位：mm）。该公式揭示了深度 Zc 对成像尺度的决定性影响——物体距离相机越远，像面尺寸越小。在视觉测量中，这意味着单目相机无法直接获取尺度，必须借助已知尺寸的标定板或立体视觉来恢复深度信息。

  核心要点：针孔模型是线性映射，它建立了相机坐标系到图像坐标系的理想化关系。实际镜头因加工与装配误差，会产生畸变，因此需要在针孔模型基础上叠加畸变校正环节。

2.2 畸变模型：镜头非理想性的数学补偿

真实镜头并非完美针孔，光线通过透镜时会发生折射偏移，导致像点位置偏离理想坐标。畸变主要分为两类：

径向畸变：由透镜表面曲率引起，光线越远离光轴，弯曲越严重。表现为图像边缘的“桶形”（负畸变）或“枕形”（正畸变）。用多项式系数 k1, k2, k3 描述。
切向畸变：由透镜与成像传感器不平行（装配误差）引起，导致像点在切线方向偏移。用系数 p1, p2 描述。

畸变校正公式（以归一化坐标 x, y 表示）如下：

r² = x² + y²
x_corr = x * (1 + k1*r² + k2*r⁴ + k3*r⁶) + 2*p1*x*y + p2*(r² + 2*x²)
y_corr = y * (1 + k1*r² + k2*r⁴ + k3*r⁶) + p1*(r² + 2*y²) + 2*p2*x*y

在工具链搭建中，畸变系数通过标定获得（如张正友标定法）。测量软件在像素坐标提取前，必须先对原始图像进行畸变校正，否则边缘检测、特征点定位会产生亚像素级偏差，直接影响测量精度。

畸变类型	产生原因	数学模型	对测量的影响
径向畸变	透镜球面曲率	k1, k2, k3 多项式	边缘尺寸放大/缩小
切向畸变	镜头与传感器不平行	p1, p2	特征点位置偏移
薄棱镜畸变	镜头设计缺陷	s1, s2（高阶）	高精度测量需考虑

2.3 四大坐标系定义与转换关系

视觉测量涉及四个关键坐标系，它们构成了从三维世界到二维像素的完整链路：

世界坐标系 (Xw, Yw, Zw)：用户自定义的参考系，用于描述被测物体在物理空间中的位置。通常以标定板角点或测量平台基准点为原点。
相机坐标系 (Xc, Yc, Zc)：以相机光心为原点，Zc 轴沿光轴方向，Xc、Yc 轴平行于成像平面。世界坐标系到相机坐标系的变换为刚体变换（旋转 R + 平移 T）。
图像坐标系 (x, y)：以光轴与像平面的交点（主点）为原点，单位 mm，描述像点的物理位置。
像素坐标系 (u, v)：以图像左上角为原点，单位 pixel，是传感器离散化的结果。

转换公式（齐次坐标形式）如下：

Zc * [u, v, 1]ᵀ = K * [R | T] * [Xw, Yw, Zw, 1]ᵀ

其中内参矩阵 K 为：

K = [[fx, 0, cx],
     [0, fy, cy],
     [0,  0,  1]]

fx = f/dx，fy = f/dy，dx、dy 为单个像素的物理尺寸（mm/pixel），cx、cy 为主点像素坐标。

工程经验：在搭建测量工具链时，务必确认 dx 与 dy 是否相等。若不等（像素非正方形），则 fx ≠ fy，需分别标定。此外，主点 (cx, cy) 并非总在图像中心，其偏移量是镜头装配误差的直接体现。

2.4 案例拆解：像素坐标到世界坐标的还原

场景：某产线使用 500 万像素工业相机（分辨率 2448×2048，像素尺寸 3.45μm）测量 PCB 板上焊盘间距，要求精度 ±0.02mm。相机固定于 Z 轴运动模组上，工作距离 200mm。

初始现象：直接使用像素距离乘以像素尺寸（3.45μm）计算，测量结果与三坐标测量机（CMM）比对偏差达 0.15mm，超出公差。

分析过程：

检查发现镜头焦距 12mm，存在明显径向畸变（边缘区域桶形畸变约 2 像素）。
相机光轴与 PCB 表面存在约 0.5° 倾斜，导致透视变形。
未进行畸变校正与坐标系转换，直接按等比例换算。

解决步骤：

使用 12×9 棋盘格标定板（格宽 5mm）拍摄 15 张不同位姿图像，通过 OpenCV 标定获取内参 fx=3482.3, fy=3481.9, cx=1223.5, cy=1024.1，畸变系数 k1=-0.112, k2=0.083, p1=-0.0002, p2=0.0001。
对测量图像进行畸变校正（remap 操作）。
利用标定板建立世界坐标系（以板面为 Z=0 平面），求解外参 R、T。
将焊盘中心像素坐标 (u,v) 通过逆变换映射到世界坐标 (Xw, Yw)。

结果对比：校正后测量值与 CMM 偏差降至 0.008mm，满足精度要求。同时发现，若仅做畸变校正而不做透视校正，边缘区域误差仍达 0.05mm，证明完整坐标系转换的必要性。

风险提示：标定板平面度需优于 0.005mm，且拍摄时标定板应覆盖视场 1/3 以上区域。若标定板翘曲或光照不均，将导致内参估计偏差，进而影响所有后续测量。

2.5 常见误区与总结复盘

误区一：忽略主点偏移。部分工程师将图像中心直接作为主点，导致测量结果在视场边缘产生系统性偏移。正确做法是通过标定获取实际主点坐标。

误区二：畸变校正与图像缩放顺序颠倒。应先校正畸变，再进行缩放或裁剪，否则会引入新的几何误差。

误区三：混淆图像坐标系与像素坐标系。图像坐标系的单位是 mm，像素坐标系的单位是 pixel，两者转换需乘以像素尺寸，且 y 轴方向相反（图像坐标系 y 轴向上，像素坐标系 y 轴向下）。

误区四：外参的时变性。相机与工件相对位置变化后，必须重新求解外参。在运动模组上，每次移动后需通过视觉伺服或编码器反馈更新外参。

环节	关键参数	验证方法	常见错误
内参标定	fx, fy, cx, cy, k1, k2, p1, p2	重投影误差 < 0.05 pixel	标定板不平整
外参标定	R, T	已知距离点反算误差	标定板位姿单一
畸变校正	校正后图像直线度	边缘直线拟合残差	校正顺序错误
坐标转换	逆变换矩阵	标准件测量比对	忽略 Z 方向高度

总结：视觉测量的精度上限由成像模型与标定精度共同决定。针孔模型提供了线性框架，畸变模型补偿了镜头缺陷，而四大坐标系的严格转换确保了从像素到物理世界的可追溯性。在工具链搭建中，建议将标定模块作为独立组件，输出标准化的内参、外参与畸变系数，供测量、定位、检测等下游模块调用。同时，建立定期复标机制（如每 500 小时或温度变化超过 ±5℃ 时），以抑制温漂与机械振动带来的参数漂移。