2. 相机选型与驱动：面阵相机与线阵相机、分辨率与帧率、GigE Vision与USB3 Vision协议、SDK初始化与图像采集

相机选型，说白了就是给项目配眼睛。眼睛选错了，后面的算法再牛也白搭。我见过太多项目，算法调了三个月发现是相机分辨率不够，或者帧率跟不上产线速度。嗯，咱们今天就把这事聊透。

2.1 面阵相机 vs 线阵相机：怎么选？

先搞清楚一个核心问题：你的被测物体是静止的，还是在高速运动？

面阵相机，就像你手机摄像头，一次拍一张完整的矩形图像。适合拍小件、静止件、或者运动速度不快的场景。比如电子元器件检测、PCB焊点检查、药品泡罩包装检测。

线阵相机，每次只拍一条线，靠物体运动或相机扫描来拼成一张长图。适合拍大幅面、连续运动、圆柱体展开的场景。比如印刷品检测、纺织布匹、锂电池极片、钢管表面。

2.2 分辨率与帧率：别被参数忽悠了

分辨率决定你能看清多小的缺陷，帧率决定你一秒能拍多少张。但这两个参数是互相制约的——分辨率越高，帧率通常越低。

怎么算？我一般按这个流程来：

1. 先定精度：客户要求检测的最小缺陷是0.1mm？那你的像素精度至少得0.05mm/pixel。
2. 再算分辨率：视场宽度100mm ÷ 0.05mm/pixel = 2000像素。所以至少选200万像素的相机。
3. 最后算帧率：产线节拍是每秒5个产品，每个产品拍2张，那帧率至少10fps。留点余量，选15fps以上。

分辨率与帧率的常见搭配，我整理了一张表：

2.3 GigE Vision vs USB3 Vision：协议怎么选？

这两个协议是工业相机的主流接口。选哪个？我个人的习惯是：

• GigE Vision：传输距离远（100米），抗干扰强，适合分布式部署。但CPU占用高，需要优化驱动。
• USB3 Vision：带宽高（5Gbps），延迟低，CPU占用小。但传输距离短（3-5米），线缆贵。

你想想看，如果你的相机离工控机只有1米，那USB3是更好的选择。如果相机分布在产线各处，距离超过10米，那只能走GigE。

协议对比表：

2.4 SDK初始化与图像采集：从零开始跑通第一帧

协议选好了，相机买回来了，接下来就是写代码。我以最常见的GigE相机为例，用C++演示SDK初始化和图像采集的流程。

先看整体流程：

下面是一段完整的SDK初始化代码，我用的是HikRobot的MVS SDK，其他品牌（Basler、Daheng、AVT）流程大同小异：

#include <MvCameraControl.h>
#include <iostream>

int main() {
    // 1. 枚举设备
    MV_CC_DEVICE_INFO_LIST stDeviceList;
    memset(&stDeviceList, 0, sizeof(MV_CC_DEVICE_INFO_LIST));
    int nRet = MV_CC_EnumDevices(MV_GIGE_DEVICE, &stDeviceList);
    if (nRet != MV_OK || stDeviceList.nDeviceNum == 0) {
        std::cerr << "未找到GigE相机" << std::endl;
        return -1;
    }

    // 2. 创建句柄
    void* handle = nullptr;
    nRet = MV_CC_CreateHandle(&handle, stDeviceList.pDeviceInfo[0]);
    if (nRet != MV_OK) {
        std::cerr << "创建句柄失败" << std::endl;
        return -1;
    }

    // 3. 打开设备
    nRet = MV_CC_OpenDevice(handle);
    if (nRet != MV_OK) {
        std::cerr << "打开设备失败" << std::endl;
        MV_CC_DestroyHandle(handle);
        return -1;
    }

    // 4. 设置参数：分辨率、帧率、曝光
    MV_CC_SetEnumValue(handle, "PixelFormat", PixelType_Gvsp_BayerRG8);
    MV_CC_SetFloatValue(handle, "AcquisitionFrameRate", 30.0f);
    MV_CC_SetFloatValue(handle, "ExposureTime", 5000.0f); // 5000us

    // 5. 开始采集
    nRet = MV_CC_StartGrabbing(handle);
    if (nRet != MV_OK) {
        std::cerr << "开始采集失败" << std::endl;
        MV_CC_CloseDevice(handle);
        MV_CC_DestroyHandle(handle);
        return -1;
    }

    // 6. 获取一帧图像
    MV_FRAME_OUT stFrame = {0};
    nRet = MV_CC_GetImageBuffer(handle, &stFrame, 1000);
    if (nRet == MV_OK) {
        std::cout << "采集成功，图像大小: " << stFrame.stFrameInfo.nFrameLen << " bytes" << std::endl;
        // 处理图像...
        MV_CC_FreeImageBuffer(handle, &stFrame);
    } else {
        std::cerr << "采集超时或失败" << std::endl;
    }

    // 7. 停止采集
    MV_CC_StopGrabbing(handle);

    // 8. 关闭设备并销毁句柄
    MV_CC_CloseDevice(handle);
    MV_CC_DestroyHandle(handle);

    return 0;
}

2.5 图像采集的常见坑与优化

代码跑通了，但实际部署时还有一堆坑等着你。我列几个最常见的：

• 丢帧：检查网卡是否开启巨帧，检查CPU是否过载，检查曝光时间是否太长。
• 图像撕裂：线阵相机必须配合编码器，否则行频和运动速度不匹配。
• 缓存溢出：采集线程和处理线程要分离，用环形缓冲区解耦。
• 触发延迟：外触发信号要用差分信号（RS422），别用单端信号。