第4章 工业视觉系统架构理解：相机、镜头、光源、控制器选型与配置

面试问题：请描述一个场景，你如何为高精度定位系统选择相机和镜头？

考察点：系统思维（精度→像元尺寸→镜头分辨率）、参数计算能力、场景化权衡。

回答框架：需求指标（物距、视场、精度要求）→ 计算最小像元尺寸 → 反推所需分辨率 → 匹配镜头MTF与像面尺寸 → 确认接口与成本。

简短示例回答：“以手机中框定位为例，要求定位精度0.01mm，视场40x30mm。先取物距200mm，计算像元尺寸0.01/0.1≈0.1mm（若光学放大倍率0.1），选用5μm像元相机，分辨率需≥4096×3072。镜头选用12mm定焦，MTF@160lp/mm＞0.3，确保像素级清晰。”

可能追问：为什么不用更大像元？工作距离变化时如何保证精度？镜头畸变补偿方案？

避坑提醒：避免只谈理论公式而不提实际误差源（如镜头中心偏差、温度影响）；勿忽略光源对镜头分辨率的影响。

公司侧重点与面试官画像：
- 消费电子（苹果链）：强推光学仿真验证，追问公差分析。
- 半导体设备：关注镜头数值孔径与景深匹配，面试官多为光学工程师出身。
- 自动驾驶感知：更关心高速相机帧率与卷帘快门影响，面试官偏算法背景。

面试问题：在高速流水线上，如何选择光源和控制器以确保成像稳定？

考察点：频闪同步、曝光窗口抖动、光源均匀性控制。

回答框架：确定触发时序（编码器/软件）→ 光源频闪频率需覆盖相机曝光窗口（留有余量）→ 选择恒流控制避免频闪漂移 → 评估环境光干扰（加偏振或遮光罩）。

简短示例回答：“以30pcs/s的电池分拣线为例，曝光时间需≤33ms，实际留10%余量设为30ms。选用高亮环形LED，频闪频率100Hz，恒流驱动精度±1%。控制器采用硬件触发，曝光上升沿与光源同步下降沿，消除机械抖动。再叠加BPF滤除环境光。”

可能追问：如果光源亮度不够怎么办？频闪频率超过相机极限会怎样？控制器软件触发和硬件触发的区别？

避坑提醒：不要只提亮度参数，遗漏光源寿命和温度漂移；控制器选型时需计算IO响应延迟。

公司侧重点与面试官画像：
- 3C组装线：强调光源均匀性及多工位共用控制器的同步方案，面试官偏好项目总工。
- 智能物流：关注抗干扰与维护成本，面试官会追问实际故障场景。
- 医疗视觉：要求光源光谱安全，控制器认证合规，面试官偏品质体系背景。

面试问题：当客户要求小体积、低成本、高精度时，你如何平衡四部件选型？

考察点：系统级权衡、成本-性能曲线、风险预判。

回答框架：先明确不可妥协的指标（精度下限）→ 用算法补偿降低光学硬件要求（例如超分辨率重建）→ 牺牲帧率换取分辨率（改用全局快门）→ 光源与控制器用成熟方案降本。

简短示例回答：“某PCB检测项目，客户要求0.02mm精度且整机成本≤2万。我首选低分辨率全局相机（2M）拼接扫描，搭配国产低畸变镜头（成本＜2000），光源使用背光条（150元），控制器用NVIDIA Jetson系列。精度通过多帧融合达到0.015mm，成本控制在1.8万。”

可能追问：拼接导致的运动误差如何处理？国产镜头一致性如何保证？为什么不用FPGA控制？

避坑提醒：避免只谈降本不提性能验证；分阶段策略比一次性选型更受认可。

公司侧重点与面试官画像：
- 大厂B2B业务（如华为制造）：看重方案可复制性与鲁棒性，面试官多来自系统架构组。
- 创业公司（AI视觉集成）：强调快速试点、迭代速度，面试官关注硬件与算法的耦合深度。
- 传统自动化巨头：偏好成熟供应链与长周期验证，面试官提问会涉及MTBF。