1. 工业成像系统总览
工业成像系统并不是“相机加镜头”这么简单。它是一条从被测物出发、经过照明、光学、传感、传输、处理，最终输出判定结果的完整链路。SICK 在这条链路上的定位，不是只提供某一颗相机，而是围绕“稳定获取可判读的图像”这一目标，提供覆盖 2D 视觉、3D 视觉、激光扫描、安全视觉以及配套照明与系统的产品组合。理解这条链路，是后续选型、布光、标定与调试的共同基础。
一、SICK 成像产品线的定位逻辑
SICK 的成像产品大致可以按“获取什么信息”和“用在什么环节”两个维度来理解。按信息维度，可分为二维灰度/彩色成像、三维轮廓与深度成像、激光扫描测距，以及面向安全防护的安全视觉。按环节维度，则可分为检测识别、测量定位、引导与安全监控。
- 2D 视觉：以面阵相机为核心，输出灰度或彩色图像，适合字符识别（OCR/OCV）、条码读取、表面缺陷检测、颜色与形状判别。典型代表是 Inspector 系列智能相机与基于视觉的读码器。
- 3D 视觉：以激光三角测量或飞行时间（ToF）为原理，输出点云或深度图，适合高度测量、体积计算、机器人引导、无序抓取。典型代表是 Ranger 系列 3D 相机。
- 激光扫描：以 LMS 系列为代表，通过旋转激光束获取二维轮廓，常用于区域监控、轮廓测量与 AGV 导航。
- 安全视觉：如 safeVisionary 系列，用于危险区域防护，强调安全等级与响应时间，而非图像质量本身。
这些产品共享同一套工程逻辑：先明确被测特征，再决定用哪种成像方式，最后才谈分辨率、帧率与接口。选型顺序颠倒，往往导致“相机很好但图像不可用”。
二、典型应用场景与成像需求差异
不同场景对成像链路的要求差异很大。以三个常见场景为例：
| 场景 | 核心任务 | 关键成像需求 |
|---|---|---|
| 电子元件字符识别 | 读取微小字符 | 高分辨率、均匀照明、低运动模糊 |
| 包装箱体积测量 | 获取长宽高 | 3D 点云密度、测量精度、抗环境光 |
| 机器人无序抓取 | 定位工件位姿 | 3D 精度、点云完整性、实时性 |
可以看到，2D 场景更关注对比度与清晰度，3D 场景更关注点云质量与标定精度。照明在 2D 场景中直接决定对比度，在 3D 场景中则影响信噪比与点云完整性。因此，照明不是“配件”，而是成像链路中的主动环节。
三、照明在成像链路中的角色
成像链路可以抽象为：被测物 → 照明 → 光学系统 → 传感器 → 图像处理 → 判定输出。照明的作用是主动改变被测物与背景之间的光强分布，使目标特征在传感器上形成可区分的信号。没有合适的照明，再高的分辨率也无法弥补对比度不足。
照明设计通常围绕三个问题展开：
- 照什么：是照亮表面纹理、边缘轮廓，还是内部缺陷？不同目标需要不同的入射角与波长。
- 怎么照：明场、暗场、背光、同轴、条形、环形、穹顶、点光源，每种方式对应不同的反射特性。
- 照到什么程度：亮度是否均匀、是否过曝、是否产生热漂移、是否与相机曝光时间匹配。
例如，检测金属表面划痕时，暗场照明能让划痕散射光进入镜头，而平整表面反射光不进入，从而形成高对比度。若改用明场，划痕反而可能被强反射淹没。这说明照明方式的选择，直接决定了“能不能看到”。
四、从链路视角看系统集成
在实际项目中，成像链路的每个环节都会引入误差。镜头畸变、景深不足、照明不均、运动模糊、环境光干扰、传输丢帧、算法阈值不当，都会导致最终判定不稳定。因此，系统集成不是把部件拼在一起，而是让各环节的参数相互匹配。
一个实用的匹配原则是：先根据最小可检特征确定所需像素分辨率，再根据视野计算镜头焦距与工作距离，然后根据曝光时间与运动速度确定照明亮度与频闪方式，最后根据接口带宽与处理能力确定帧率与传输方案。这个顺序保证了“先看得见，再看得清，最后看得稳”。
五、本节要点回顾
SICK 成像产品线覆盖 2D、3D、激光扫描与安全视觉，选型应从被测特征出发，而非从相机参数出发。典型场景对成像链路的要求差异明显，照明在 2D 中决定对比度，在 3D 中影响点云质量。照明是成像链路的主动环节，其方式、角度与波长选择直接决定“能不能看到”。系统集成应遵循“先看得见、再看得清、最后看得稳”的匹配顺序，让各环节参数相互支撑，而不是孤立地追求单项指标。