2. 测量需求定义与指标分解

在3D视觉测量项目中，选型失败最常见的原因不是相机不够好，而是需求没有定义清楚。很多团队直接跳到“选什么相机、什么镜头、什么算法”，却忽略了最根本的问题：到底要测什么、测到什么程度、在什么条件下测、多久测一次。测量需求定义与指标分解，就是把模糊的现场诉求翻译成可量化、可验证、可采购的系统需求规格书的过程。

一、从被测对象出发：先定义“测什么”

被测对象是需求定义的起点。需要明确记录以下信息：

• 几何特征：是测平面度、孔位、装配间隙、焊缝轮廓，还是自由曲面偏差？不同特征对传感器类型和算法路径的要求差异极大。
• 材料与表面特性：金属高反光、黑色橡胶吸光、透明玻璃折射、复合材料多纹理，这些都会直接影响点云质量和测量策略。
• 尺寸与形状：对象的最大外形尺寸决定了测量范围（FOV/工作距离），最小特征尺寸决定了分辨率需求。
• 刚性/稳定性：被测对象在测量过程中是否静止、是否受夹持力变形、是否处于运动状态，决定了是否需要动态测量或多次曝光。

例如，某汽车零部件检测项目需要测量一个约300mm×200mm的钣金件上的12个安装孔位置度，孔径约8mm，孔位公差±0.15mm。这里“被测对象”就明确了：钣金件、孔位、位置度、公差带。

二、测量范围与分辨率：一对必须同时确定的参数

测量范围（FOV）和分辨率是相互制约的。在固定相机分辨率下，FOV越大，单像素代表的物理尺寸越大，空间分辨率越低。因此不能单独说“我要高分辨率”，而必须说“在多大的测量范围内达到多高的分辨率”。

以示例项目为例：需要覆盖300mm×200mm的测量区域，要求孔位测量精度±0.15mm。按照3D视觉测量的经验法则，要稳定达到±0.15mm的测量精度，传感器的空间分辨率通常需要优于精度的1/3～1/5，即单像素对应物理尺寸约0.03～0.05mm。若选用500万像素（2448×2048）相机，在300mm宽度下，单像素对应约0.12mm，明显不足；若选用1200万像素（4096×3000）相机，单像素对应约0.073mm，仍偏大。此时需要考虑缩小FOV、采用多相机拼接或选用更高分辨率传感器。

三、节拍：决定系统架构的硬约束

节拍（Cycle Time）是生产线上最刚性的约束之一。它决定了：

• 单次测量允许的时间窗口（包括曝光、采集、传输、处理、判定）；
• 是否需要多工位并行、多相机同步或在线/离线混合方案；
• 算法复杂度上限——如果节拍只有2秒，就不能用迭代优化类算法。

假设示例项目要求节拍为5秒/件，其中上下料占2秒，留给测量的时间约3秒。若单次3D扫描+处理需要4秒，则必须考虑双工位交替测量或降低点云密度。节拍分析要写成明确的时间预算表，而不是一句“要快”。

四、精度与分辨率：区分“能看见”和“测得准”

分辨率是“能看见多小的东西”，精度是“测得有多准”。两者不能混为一谈。精度指标通常包括：

• 重复性：同一对象多次测量结果的一致性；
• 准确度：测量值与真值的偏差；
• 测量不确定度：在给定置信水平下的误差范围。

在需求规格书中，应明确精度指标的类型和验证条件。例如：“在23±2℃、无强环境光干扰条件下，对标准球进行20次重复测量，球心距重复性≤0.05mm（2σ）”。这样的描述才是可验证的。

五、环境条件：容易被忽视的“隐形杀手”

环境条件包括温度、湿度、振动、环境光、粉尘、电磁干扰等。它们对3D视觉测量的影响往往被低估：

• 温度：材料热胀冷缩，1米钢件在10℃变化下长度变化约0.12mm，直接吃掉精度余量；
• 振动：导致点云模糊、匹配失败，尤其对激光三角测量影响显著；
• 环境光：强日光或高频LED会干扰结构光或激光条纹提取；
• 粉尘/油污：污染镜头和被测表面，造成点云缺失或噪声。

需求规格书中应写明环境条件的实测范围或控制要求，并评估是否需要在防护、遮光、温控、减振等方面增加投入。

六、从需求到规格书：指标分解与可执行化

将上述要素整合，形成一份可执行的需求规格书。核心结构包括：被测对象描述、测量特征清单、测量范围与分辨率、精度指标及验证方法、节拍与时间预算、环境条件与防护要求、接口与数据输出要求。每一项都应是可量化、可验证的，避免“高精度”“快速”“稳定”等模糊表述。

七、需求规格书示例片段

以下为示例项目（钣金件孔位检测）的需求规格书核心字段，供参考：

这份规格书的价值在于：它让传感器选型、镜头计算、算法设计和验收测试都有了统一的依据。当供应商说“我们的相机精度很高”时，你可以直接问：“在350mm×250mm范围内，单像素对应多少毫米？在23±2℃下重复性是多少？”——需求规格书就是你的技术谈判底牌。