第3章 相机选型与标定面试题
相机选型与标定是工业视觉仿真工程师的核心面试领域。面试官重点考察你对分辨率‑像元‑景深的定量换算、内参/外参/畸变的物理意义，以及手眼标定的数学模型与工程落地能力。下面先用一张参数对照表建立直觉，再通过回答框架图拆解通用回答路径，最后用3个经典问答卡片逐一击破高频考点。
| 参数 | 选型逻辑 | 常见范围 | 面试高频考点 |
|---|---|---|---|
| 分辨率 | 精度要求 → 视野尺寸 → 所需像素数 + 冗余系数 | 30万~5000万像素 | 精度换算、像元尺寸约束 |
| 像元尺寸 | 传感器尺寸 ÷ 分辨率；影响信噪比与景深 | 2µm~10µm | 过小导致噪声 vs 过大牺牲分辨率 |
| 景深 | 光圈、焦距、物距共同决定；与图像清晰度矛盾 | 1mm~100mm（微距/大视野） | 景深公式、小光圈利弊 |
| 内参/外参 | 内参：焦距、主点、畸变；外参：旋转+平移 | 5~9个内参参数 | 畸变模型、标定板位姿数量 |
📌 面试问答卡片
问题1：如何根据项目需求选择工业相机分辨率？
🎯 面试官考察点
是否理解分辨率 = 精度 × 视野 的定量关系；能否结合实际像元尺寸和传感器尺寸进行权衡。
🧩 回答框架
① 确定检测精度要求（如0.05mm/像素）；② 计算视野尺寸（如100×80mm）；③ 得到所需像素数（2000×1600）；④ 加入冗余系数（1.2~1.5）选择传感器分辨率；⑤ 检查像元尺寸是否匹配（避免过小导致噪声）。
✍️ 示例回答
“先明确精度0.05mm/pixel，视野100×80mm，则水平需要2000像素，垂直1600。考虑冗余选500万像素（2592×1944），像元尺寸3.45µm，匹配CMOS靶面1/1.8英寸，信噪比可接受。”
🔍 可能追问
① 像元尺寸过小会有什么影响？（噪声增加、动态范围下降）
② 如果传感器尺寸固定，如何平衡分辨率与像元尺寸？
问题2：相机内参和外参分别是什么？如何标定？
🎯 面试官考察点
对相机成像模型的底层理解；标定流程的实操细节；能否解释畸变矫正。
🧩 回答框架
① 内参：焦距(fx,fy)、主点(cx,cy)、畸变系数(k1,k2,p1,p2)；外参：旋转矩阵R、平移向量t。
② 标定流程：打印棋盘格 → 多角度采集15~20张 → 提取角点 → 计算单应矩阵 → 最小化重投影误差优化内参 → PnP求外参。
✍️ 示例回答
“内参描述光心到像素的映射，外参描述相机相对于世界坐标系的位姿。我用OpenCV calibrateCamera，采集24张不同姿态棋盘格，重投影误差控制在0.25像素。标定后利用内参去畸变，保证测量精度。”
🔍 可能追问
① 畸变矫正的具体步骤？(像素坐标去畸变 → 映射到无畸变图像)
② 标定板为什么需要多角度？(避免退化配置，提高矩阵条件数)
问题3：手眼标定（Eye-to-Hand vs Eye-in-Hand）的方法和步骤？
🎯 面试官考察点
对不同标定结构的区分；AX=XB方程的求解方法；工程中如何保证精度。
🧩 回答框架
① 区分两种安装方式：Eye-in-Hand（相机随臂动，标定板固定）→ 求解 cam2gripper；Eye-to-Hand（相机固定，标定板在末端）→ 求解 cam2base。
② 步骤：记录N组机械臂位姿 + 标定板位姿 → 建立AX=XB → Tsai两步法先解旋转再解平移 → 使用最小二乘或RANSAC剔除异常。
✍️ 示例回答
“项目为Eye-in-Hand，采集15组不同姿态下的机器人tcp与标定板提取坐标，用Tsai法求解cam2gripper。旋转误差<0.5°，平移误差<1mm。若精度不够，增加位姿数量并剔除运动奇异点数据。”
🔍 可能追问
① 为什么需要至少3组非共面姿态？(退化条件导致旋转解不唯一)
② 机械臂定位精度对标定结果的影响？(建议使用重复定位精度高的机器人)
“我在实际项目中还考虑到了镜头畸变对标定精度的影响，先进行单目内参标定去畸变，再进行手眼标定。” —— 展示完整闭环思维。