3、视觉系统基础：相机成像原理、镜头与光源选型、标定板与标定方法
视觉引导拣选系统的精度与稳定性，本质上取决于三大基石：相机如何将三维物理世界映射为二维数字图像（成像原理）、光学链路如何将目标特征清晰传递到传感器（镜头与光源）、以及如何建立像素坐标与世界坐标的数学桥梁（标定）。本章从工程落地视角，系统拆解这三部分的核心机制、选型逻辑与操作规范，帮助学员建立从“看见”到“算准”的完整认知链路。
3.1 相机成像原理：从光子到像素的工程映射
相机成像的本质是光学信号到电信号的量化转换。在机械臂视觉引导场景中，我们关注的是CMOS或CCD传感器如何将目标反射的光子转换为可计算的灰度或彩色值。核心链路为：光源照射目标 → 镜头聚焦 → 传感器光电转换 → ADC量化 → 数字图像输出。其中，传感器靶面尺寸、像素大小和量子效率直接决定了图像的物理分辨率与噪声水平。
对于拣选系统，两个关键参数需要重点理解：视场（FOV）与工作距离（WD）。FOV由传感器靶面尺寸和镜头焦距共同决定，公式为 FOV = (靶面宽度 × WD) / 焦距。例如，使用2/3"靶面（宽8.8mm）、16mm焦距镜头、工作距离500mm时，FOV约为275mm×206mm，可覆盖常见料箱。另一个参数是最小可分辨特征，工程经验要求目标最小特征在图像中至少占据3×3像素，否则边缘检测和定位精度将显著下降。
快门类型也是选型要点。全局快门（Global Shutter）在高速运动抓拍时不会产生果冻效应，适合机械臂运动中的动态取图；卷帘快门（Rolling Shutter）成本较低，但只适用于工件静止或低速场景。在拣选应用中，若机械臂末端带有运动补偿拍照功能，必须选用全局快门相机。
3.2 镜头与光源选型：光学链路的工程匹配
镜头选型的核心是焦距、光圈和畸变控制。焦距决定视场角，短焦（6-12mm）适合大视野粗定位，长焦（25-50mm）适合小视野高精度测量。光圈影响进光量和景深，在料箱深度变化较大的场景中，建议使用F8-F11的小光圈以获得更大景深，同时配合高亮度光源补偿曝光。畸变是镜头固有的光学误差，径向畸变和切向畸变可通过标定进行数学补偿，但过度畸变（>2%）会降低边缘提取精度，因此应优先选择低畸变工业镜头（畸变率<0.5%）。
光源选型是视觉系统中最容易被低估的环节。光源的作用不是“照亮”，而是增强目标特征与背景的对比度。常见类型包括：
- 环形光源（Ring Light）：提供均匀无阴影照明，适合表面字符识别和通用检测。
- 条形光源（Bar Light）：可调角度，适合金属反光表面或产生阴影以突出轮廓。
- 同轴光源（Coaxial Light）：通过半透半反镜实现垂直照明，消除反光，适合高反光平面。
- 背光源（Backlight）：从目标背面照明，形成高对比度轮廓，适合外形尺寸测量。
颜色选择上，红色光（620-750nm）对金属表面有较好适应性，蓝色光（450-495nm）可增强透明或半透明物体边缘，红外光（850nm）可穿透部分包装材料。工程中常用“颜色互补”原则：若目标为红色，使用蓝色光源可显著提高对比度。
| 光源类型 | 适用场景 | 优势 | 局限 |
|---|---|---|---|
| 环形光 | 通用零件、字符识别 | 安装方便、均匀性好 | 对高反光表面易产生光斑 |
| 条形光 | 金属表面、划痕检测 | 角度可调、阴影可控 | 均匀性依赖安装角度 |
| 同轴光 | 晶圆、镜面、薄膜 | 消除反光、图像稳定 | 亮度损失较大、成本高 |
| 背光 | 外形尺寸、边缘定位 | 对比度极高、边缘锐利 | 无法获取表面纹理信息 |
3.3 标定板与标定方法：像素到机器人的坐标桥梁
标定的核心目标是求解相机内参（焦距、主点、畸变系数）和外参（相机相对于机器人基座或工具的位置姿态）。在机械臂引导拣选中，最常用的是棋盘格标定板和圆点阵标定板。棋盘格角点检测精度高，适合内参标定；圆点阵对透视变形更鲁棒，适合大倾角场景。ChArUco板结合了棋盘格与ArUco编码，可在部分遮挡时仍能识别，适合复杂工业环境。
标定流程通常分为四步：
- 采集图像：将标定板放置在视野内不同位置和角度，采集15-20张图像，覆盖视野边缘和中心区域。
- 角点提取：使用OpenCV或Halcon等工具自动检测角点坐标，剔除模糊或反光的无效图像。
- 内参计算：基于多视图几何原理求解焦距、主点和畸变系数，重投影误差应小于0.1像素。
- 手眼标定：求解相机坐标系与机器人坐标系之间的变换矩阵。眼在手上（Eye-in-Hand）时，标定板固定，相机随机械臂运动；眼在手外（Eye-to-Hand）时，相机固定，标定板安装在机械臂末端。
背景与约束：生产线需从深300mm的料箱中抓取金属支架，工件尺寸80-120mm，节拍要求8秒/件。相机安装于机械臂上方600mm处，采用眼在手外布局。初始现象：抓取位置偏差达±8mm，导致频繁夹持失败。
分析过程：首先检查内参标定，重投影误差为0.35像素，偏高。进一步检查发现标定板图像仅采集了10张，且视野边缘覆盖不足。其次，手眼标定使用了单次拍摄的近似值，未考虑机械臂运动学误差。
操作步骤：①重新采集20张标定板图像，确保覆盖视野四角和中心；②使用圆点阵标定板替代棋盘格，减少反光干扰；③执行两次手眼标定，取平均变换矩阵；④在机器人程序中加入TCP补偿值。
结果对比：重投影误差降至0.08像素，抓取位置偏差缩小至±1.2mm，满足工艺要求。风险与代价：标定耗时增加30分钟，但换来了长期稳定性。
复盘经验：标定不是一次性工作，建议每季度或更换镜头后重新标定；同时记录标定时的环境温度和光照条件，作为异常排查的参考。
标定精度直接影响抓取成功率。工程中建议使用高精度陶瓷或玻璃基板标定板，避免纸基板受潮变形。同时，标定板平面度应优于0.01mm，否则会引入系统性误差。对于大视野场景，可采用多位置拼接标定，但需注意各位置之间的重叠区域应大于20%。
最后，标定结果的验证不能只看重投影误差，还需进行全视野精度验证：将标定板放置在视野内多个位置，计算测量值与实际值的偏差。若边缘区域偏差大于中心区域2倍以上，说明镜头畸变补偿不充分或标定板未覆盖边缘，需要重新采集图像。