3. 被测对象与场景建模

在3D视觉测量系统选型中，被测对象与场景建模不是简单记录“测什么”，而是把对象的几何尺度、表面光学特性、环境状态和测量任务一起转化为对传感器、镜头、光源、算法与工装的约束。很多项目失败并非算法能力不足，而是对象表面在特定波段下“看不见”或“测不准”。因此，本节从对象分类出发，逐层分析尺寸、形貌、装配、缺陷四类任务，以及反光、透明、深色、高温等表面与环境特性如何改变测量方案。

一、先按测量任务建立对象模型

对象建模的第一步是明确测量目标属于哪一类。尺寸测量关注长度、孔径、间距、位置度等几何量，通常要求高重复性和明确的基准；形貌测量关注平面度、轮廓度、阶差、翘曲，需要足够密集的点云或高分辨率轮廓数据；装配测量关注零件之间的相对位姿、间隙、面差、同轴度，往往涉及多视角拼接和坐标系对齐；缺陷检测关注划痕、凹坑、气泡、裂纹、异物，要求对微小高度变化或反射异常敏感。四类任务对系统的要求差异很大，例如尺寸测量可接受较低点密度但要求高精度标定，而形貌测量则要求高横向分辨率和低噪声。

以某金属壳体为例，若任务为“测量安装孔位置度”，则对象模型应记录孔的数量、直径、深度、孔口倒角、基准面位置，以及孔所在面的表面状态。若任务为“检测壳体表面凹坑”，则需记录凹坑的最小可接受尺寸、深度阈值、所在区域曲率，以及表面是拉丝、喷砂还是镜面。对象模型越具体，后续选型越有依据。

二、表面材质与光学特性：决定“能不能测”

表面特性是3D视觉测量中最容易被低估的变量。反光表面（如抛光金属、电镀件、玻璃）会产生镜面反射，使结构光条纹或激光线在相机中过曝或偏移，导致点云缺失或跳变。透明对象（如玻璃、亚克力、透明薄膜）会让光穿透或多次折射，常规三角测量几乎无法获得稳定表面点。深色或吸光表面（如黑色橡胶、碳纤维、消光涂层）会吸收大部分投射光，导致信噪比下降。高温对象（如热锻件、焊接熔池附近）不仅自身辐射强，还会使周围空气产生热对流，干扰光路。

针对这些特性，方案调整通常从波段、光源模式和采集策略入手。例如，对高反光金属，可选用蓝色或紫外短波长结构光，配合偏振片抑制镜面反射；对透明件，可喷涂可剥离显影剂或采用共焦/干涉式传感器；对深色表面，需提高曝光时间或使用高功率激光，但要注意运动模糊；对高温件，应选择抗环境光强的激光轮廓仪，并加装风冷或水冷防护，同时避开热辐射波段。下表给出常见表面特性与可选方案方向的对应关系，供选型时快速筛查。

三、尺寸与形貌：从“测得到”到“测得准”

尺寸测量通常依赖明确的基准。若对象是钣金件，基准可能是两个定位孔和一个平面；若对象是轴类零件，基准可能是中心轴线。建模时要记录基准的可达性，因为遮挡会导致基准无法被同一视角采集。对于大尺寸对象，如车身覆盖件，单视角无法覆盖全尺寸，需要多传感器或机器人携带传感器进行拼接。此时对象模型应包含拼接特征，如公共标记点、孔位或边缘，并评估拼接误差是否在公差带内。

形貌测量对点密度和噪声更敏感。以平面度测量为例，若平面度公差为0.1 mm，传感器噪声应至少低于公差的三分之一，即约0.03 mm，并保证采样点覆盖整个平面。若对象表面有曲率变化，还需考虑传感器景深是否足够。例如，某曲面件曲率半径约200 mm，测量区域跨度100 mm，则高度变化约6 mm，传感器景深需覆盖该范围，否则边缘会失焦。实际选型时，可用以下简化计算估算景深需求：

高度变化 h ≈ R - sqrt(R² - (L/2)²)
其中 R 为曲率半径，L 为测量跨度。
示例：R=200 mm，L=100 mm
h ≈ 200 - sqrt(200² - 50²) ≈ 200 - 193.6 = 6.4 mm
因此景深应大于 6.4 mm，并留 20% 余量，约 8 mm。

该计算为示例估算，实际还需结合传感器安装角度和表面倾斜角修正。

四、装配与缺陷：关注相对关系与微小变化

装配测量中，对象不是单个零件，而是零件之间的配合关系。例如，两个零件之间的面差和间隙，需要同时采集两个表面并建立统一坐标系。若两个表面材质不同，一个反光一个深色，则同一组曝光参数可能无法同时满足，需要分区曝光或多次采集。装配测量还要考虑装配应力导致的变形，因此对象模型应记录装配状态，如螺栓拧紧顺序、是否夹紧等。

缺陷检测则更关注局部异常。划痕通常表现为深度很浅但横向延伸的凹槽，凹坑表现为局部高度下降，气泡在透明件中表现为折射异常。对于这类任务，对象模型应包含缺陷的最小尺寸、深度、对比度要求，以及允许的误检率。例如，要求检测0.05 mm深的凹坑，传感器Z向分辨率应优于0.01 mm，且光源方向应使凹坑产生明显阴影或高度突变。若表面同时存在反光，则需先解决反光问题，否则缺陷信号会被噪声淹没。

五、场景建模：把环境与运动一起纳入

场景建模不仅包括对象，还包括环境光、温度、振动、粉尘和运动方式。环境光中的频闪灯、太阳光中的红外成分，都会干扰结构光或激光。高温场景中，空气热对流会使激光线抖动，导致点云噪声增大。运动方式决定曝光时间：若对象在传送带上以200 mm/s运动，曝光时间1 ms，则运动模糊约0.2 mm，对于0.05 mm的缺陷检测显然不可接受，需缩短曝光或采用频闪光源。

下图把对象特性、测量任务与方案调整之间的关系组织为一张关系图，便于在选型时快速定位关键约束。

六、建模输出：一份可执行的选型约束清单

完成对象与场景建模后，应输出一份可执行的约束清单，而不是停留在描述。清单至少包含：对象名称与任务类型、关键几何尺寸与公差、表面材质与光学特性、环境条件、运动速度、基准与拼接方式、最小可检测缺陷、允许的误检率、以及必须验证的指标。以下给出一个示例片段，供实际项目参考。

对象：铝合金壳体
任务：安装孔位置度 + 表面凹坑检测
关键尺寸：孔位公差 ±0.05 mm，凹坑最小深度 0.05 mm
表面：阳极氧化，局部镜面反光
环境：车间环境光，温度 20~30 ℃
运动：机器人携带传感器，速度 50 mm/s
基准：两个定位孔 + 大平面
拼接：公共标记点，拼接误差 ≤ 0.03 mm
验证指标：孔位重复性 ≤ 0.02 mm，凹坑检出率 ≥ 99%，误检率 ≤ 1%

这份清单可以直接用于传感器选型、光源测试和工装设计。例如，根据“凹坑最小深度0.05 mm”，可初步要求传感器Z向分辨率优于0.01 mm；根据“镜面反光”，需安排偏振和蓝光测试；根据“机器人速度50 mm/s”，曝光时间应控制在0.5 ms以内以避免明显运动模糊。最终方案是否成立，仍需通过实际采集点云、重复性测试和缺陷样本验证，不能仅凭参数表判断。