1. 课程导入与工程问题定义

在工业现场，3D视觉系统给出的“尺寸”并不是天然可信的数字。它来自相机成像、镜头畸变、结构光或激光三角测量、点云重建、坐标系变换、拟合算法与软件版本等一连串环节。只要其中任一环节的参数、假设或环境条件发生变化，最终测量值就可能出现系统性偏移。所谓标定溯源，就是让每一个测量结果都能沿着一条可验证的链路，追溯到已知基准、标定件或标准器；所谓验收工程，则是用可复现的测试方案证明这套系统在指定工况下满足精度、重复性与稳定性要求。本课程的核心目标，是建立一套从“标定—溯源—测量—验收—复盘”的工程方法，使3D视觉测量结果具备可解释、可复现、可交付的工程可信度。

一、为什么“测出来”不等于“测得准”

3D视觉测量的误差来源具有明显的层级性。第一层是传感器层：相机内参、镜头畸变、激光平面参数、双目极线校正等，决定单帧深度与点云的基本质量。第二层是坐标系层：相机坐标系、机器人法兰坐标系、工件坐标系、世界坐标系之间的手眼矩阵或工装定位关系，决定测量值能否落到正确的物理位置上。第三层是算法层：平面拟合、圆孔拟合、边缘提取、点云配准等，决定特征参数如何从离散点中被估计出来。第四层是环境与工况层：温度、振动、光照、工件表面反光、粉尘与装夹重复性，决定系统在长时间运行中的漂移与鲁棒性。

因此，一个看似简单的“孔径测量”结果，实际上同时受到标定误差、坐标系误差、拟合误差和工况波动的共同影响。若没有溯源链，现场只能看到“今天测出来是 20.03 mm，明天是 20.08 mm”，却无法判断问题出在相机标定、手眼关系、工件装夹还是算法参数。验收工程的价值，正是把这些隐藏环节显性化，用数据把误差分配到具体环节，并给出可执行的修正或放行依据。

二、典型工程场景与交付物

本课程面向的典型场景包括：机器人抓取前的工件位姿测量、焊缝或涂胶轨迹的3D引导、冲压件与注塑件的尺寸抽检、白车身间隙面差测量、以及离线编程中的点云配准验证。这些场景的共同点是：测量结果必须与物理基准一致，并且要在节拍、温度、振动和换型条件下保持稳定。

对应的交付物通常不是一份“标定报告”那么简单，而是一组可追溯的工程文件：

• 标定参数集：相机内参、畸变系数、手眼矩阵、工件坐标系定义及其不确定度估计。
• 溯源链记录：每个参数由哪个标准器、哪次标定、哪组数据、哪个软件版本产生，以及标定残差。
• 验收测试方案：测试点布局、标准件规格、重复测量次数、环境条件与判定阈值。
• 测量结果数据包：原始点云、拟合特征、偏差值、重复性统计与异常记录。
• 放行与复盘结论：系统是否满足验收指标，剩余误差来源及后续维护建议。

三、全流程框架：从基准到放行

为了把上述对象串起来，可以用一条“基准—标定—测量—验收—溯源”的主链来组织工程活动。下面的SVG给出本节的全流程框架，重点表达各环节的输入、输出以及它们之间的依赖关系，而不是简单罗列步骤。

图中左侧的“物理基准与标准器”是整个溯源链的起点。没有经过校准的标准件，后续所有标定都只是内部自洽，无法对外部尺寸负责。中间的“标定与坐标系建立”把传感器数据映射到物理空间，是误差放大的关键环节。右侧的“现场测量与特征提取”和“验收判定”则把标定结果放到真实工况中检验。下方的四个支撑块说明：环境、数据算法、测试验收和记录复盘并不是附属工作，而是决定系统能否长期可信运行的必要条件。

四、一个可操作的验收示例

假设某机器人3D视觉引导系统用于抓取冲压支架，验收指标为：在工件坐标系下，定位孔中心的位置重复性≤0.10 mm，与三坐标测量机基准值的偏差≤0.15 mm。验收时选取标准件上3个定位孔，每个孔在相同工况下重复测量10次，记录每次拟合得到的孔心坐标，计算每个孔的标准差和极差，再与三坐标基准值比较平均偏差。若某孔重复性为0.06 mm、平均偏差为0.12 mm，则满足要求；若某孔重复性为0.18 mm，则需先排查点云质量、装夹重复性或拟合参数，而不是直接调整手眼矩阵。这个示例说明：验收不是“测一次看结果”，而是用统计量把随机误差和系统误差分开，再决定修正方向。