1. 课程导论

1.1 应用背景：为什么需要四相机3D线扫？

在工业视觉检测领域，传统的单相机或双相机3D线扫系统在面对高反光、深孔、陡峭斜面及复杂异形工件时，往往因遮挡、镜面反射或信噪比不足而产生数据空洞。四相机3D线扫系统通过多视角同步采集与数据融合，显著提升了点云完整性与测量精度，已成为半导体封装、锂电极片、精密连接器及汽车零部件在线检测的核心方案。

1.2 技术挑战：四相机系统面临的核心难题

四相机3D线扫并非简单地将四个相机“拼在一起”，其工程落地面临以下五大技术挑战：

1. 多传感器空间对齐： 四个相机与激光器分布在三维空间不同位置，需建立统一的世界坐标系，且标定精度直接影响最终测量结果。
2. 激光线提取与匹配： 各相机捕获的激光条纹需在亚像素级别提取中心线，并在多视角间建立同名点对应关系。
3. 系统畸变与非线性补偿： 广角镜头、倾斜安装及温漂引入的畸变需通过数学模型精确校正。
4. 数据融合与冗余处理： 重叠视场区域存在冗余点云，需设计融合策略消除重影并保留细节。
5. 实时性与同步触发： 四相机需硬件级同步（通常＜1μs），且点云重建速率需匹配产线节拍（≥10kHz线扫频率）。

1.3 课程目标：从数学模型到工程落地

本课程旨在帮助学员系统掌握四相机3D线扫系统的数学建模与坐标体系构建方法，具体目标如下：

• 理解核心模型： 掌握针孔相机模型、激光三角法原理、多视角几何约束及全局优化策略。
• 构建坐标体系： 学会从像素坐标→相机坐标→激光平面坐标→世界坐标的完整变换链路。
• 掌握标定流程： 涵盖单相机内参标定、多相机外参标定、激光平面标定及系统联合标定。
• 实现数据融合： 设计重叠区域点云融合算法，输出高完整性、低噪声的3D点云。
• 工程化验证： 通过仿真与实测数据对比，评估系统精度与鲁棒性。

1.4 课程知识体系总览

本课程共分为30章，按逻辑递进关系组织为四大模块：

1.5 预备知识要求

为获得最佳学习效果，建议学员具备以下基础：

• 数学基础： 线性代数（矩阵运算、特征值）、三维几何（刚体变换、欧拉角）、微积分基础。
• 编程能力： 至少熟悉 Python 或 C++，了解 OpenCV 基本用法。
• 光学常识： 了解激光三角法原理、镜头畸变类型（径向/切向）。