1. 工业视觉系统概述：多摄像头系统应用场景、同步与融合的核心挑战、课程整体架构

大家好，我是老张。在机器视觉这行摸爬滚打了十几年，从最早的单相机定位，到后来做手机中框检测用上四相机，再到去年给某新能源电池厂部署过一套十二相机联动系统——说实话，每次项目规模往上跳一个台阶，踩的坑就完全不一样。

这一章，我们先不急着写代码。我想先聊聊：多摄像头系统到底用在哪儿？为什么同步和融合这么难？ 把这两个问题想清楚，后面三十章你学起来会顺很多。

1.1 多摄像头系统的典型应用场景

你想想看，一个相机能拍到的视野和角度是有限的。当被测物体变大、变复杂，或者需要同时看多个面，单相机就捉襟见肘了。我归纳了三个最常见的场景：

场景类型	典型应用	相机数量	核心需求
大幅面检测	液晶面板、PCB拼板、光伏电池片	2~8台	视野拼接、亚像素对齐
多面体检测	手机中框、电池外壳、3C结构件	4~12台	多角度同步抓拍、三维重建
立体视觉	机器人抓取、AGV避障、尺寸测量	2~4台	双目/多目立体匹配、深度图生成

1.2 同步与融合的核心挑战

多相机系统听起来简单：多装几个相机不就行了？但实际落地时，有两个坎儿绕不过去——同步和融合。

1.2.1 同步：让所有相机在同一时刻“眨眼”

我刚开始做多相机项目时，犯过一个低级错误：用软件触发。结果四台相机拍到的画面，时间差最大能到50ms。产线速度一快，同一个缺陷在A相机里出现在位置X，在B相机里已经跑到位置Y了。拼出来的图，错位得一塌糊涂。

同步的核心难点有三个：

• 硬件触发延迟不一致——不同相机的传感器响应时间有差异，哪怕同时收到触发信号，曝光开始时刻也可能差几微秒到几十微秒
• 曝光时间差异——如果各相机曝光时间不同，结束时刻的差异会进一步放大
• 传输延迟——图像数据从相机传到工控机，走的路径不同，到达时间也不同

1.2.2 融合：把多张图拼成一张“完整”的图

同步解决了“什么时候拍”的问题，融合解决的是“拍到的数据怎么合在一起”。

融合的挑战更隐蔽：

• 几何畸变——每个镜头都有畸变，边缘区域尤其明显。不校正直接拼，接缝处会出现重影或断裂
• 光照不一致——不同相机对着不同区域，光源角度、亮度很难完全一致。拼出来的图，明一块暗一块，算法根本没法跑
• 重叠区处理——相邻相机之间必须有重叠区域（一般10%~20%），但重叠区的像素怎么融合？直接平均会模糊，加权融合又需要精确的权重图

1.3 课程整体架构

这门课一共30章，我把它分成四个模块。你可以把它想象成盖一栋楼：

每个模块之间是递进关系。你没法跳过标定直接做融合，也没法不解决同步就去搞拼接。我见过太多人上来就调拼接算法，结果发现图像根本对不上——回头一看，标定误差0.5个像素，同步抖动20微秒。嗯，这种弯路，我希望你别走。