4、图像采集与标定基础：相机选型、镜头与光源选择、图像采集流程及Halcon图像数据格式

在2D视觉对位系统中，图像采集与标定是整个精度的基石。如果采集到的图像质量不佳或标定参数不准确，后续的算法处理、特征定位和坐标转换都将失去意义。本章将围绕相机、镜头、光源三大硬件选型，梳理标准化的图像采集流程，并深入解析Halcon中图像数据的底层格式与内存管理机制，帮助工程师建立从物理世界到数字图像的完整映射认知。

4.1 相机选型：从精度需求反推硬件参数

核心原理：相机选型的本质是建立“物理精度需求”与“像素分辨率”之间的数学映射。在2D对位系统中，我们通常关注的是重复定位精度和定位精度。根据采样定理（Nyquist），要可靠地检测一个特征边缘，至少需要2-3个像素覆盖该特征；而要实现亚像素级别的对位精度，实际工程中往往要求像素当量（即每个像素代表的物理尺寸）小于系统要求精度的1/3至1/5。

判断方法或操作流程：相机选型应遵循以下步骤：

1. 确定视场（FOV）：测量目标物体可能出现的最大范围，并预留10%-20%的余量。
2. 计算像素当量：像素当量 = FOV宽度 / 相机水平分辨率。例如FOV为50mm，相机分辨率为2448×2048，则水平像素当量约为0.0204mm/pixel。
3. 验证精度匹配：若系统要求定位精度为±0.02mm，则像素当量应≤0.0067mm/pixel，此时需要更高分辨率或缩小FOV。
4. 考虑帧率与运动：若目标在运动中采集，需计算最大运动速度下的曝光时间限制，避免运动模糊。
5. 接口选择：GigE Vision适合远距离传输（100m），USB3.0适合短距离高速传输，Camera Link适合极高带宽需求。

4.2 镜头与光源选择：成像质量的工程保障

核心原理：镜头决定了图像的清晰度、畸变程度和景深范围；光源则决定了图像的对比度和信噪比。在2D对位系统中，镜头的畸变会直接影响标定精度，而光源的角度和波长则决定了特征边缘的锐利程度。镜头选型的核心参数包括焦距、光圈、靶面尺寸、接口类型和畸变率；光源选型则需考虑颜色、角度、形状和驱动方式。

判断方法或操作流程：

• 镜头焦距计算：f = (工作距离 × 靶面高度) / FOV高度。例如靶面高度为6mm（1/2.5"传感器），工作距离200mm，FOV高度40mm，则f = 200×6/40 = 30mm，可选用25mm或35mm镜头。
• 光圈与景深：对位系统通常需要较大景深以容忍工件高度差异，建议光圈设置在F5.6-F8之间，兼顾进光量与景深。
• 畸变控制：普通工业镜头畸变在0.5%-1%之间，远心镜头可控制在0.1%以下。对于高精度对位，建议使用远心镜头或进行畸变标定补偿。
• 光源角度选择：低角度照明（<30°）适合突出轮廓和表面划痕；高角度照明（>60°）适合检测平面特征和反光表面；同轴光源适合镜面反射表面。
• 光源颜色：互补色增强对比度。例如检测红色PCB上的黑色标记，使用蓝色光源可增强对比度。

4.3 图像采集流程：从触发到内存的完整链路

核心原理：图像采集流程涉及硬件触发、数据传输、格式转换和内存管理四个环节。在2D对位系统中，采集的实时性和稳定性直接影响生产节拍。Halcon通过HImage对象封装图像数据，支持从不同接口（GigE、USB3、Camera Link）采集图像，并提供统一的图像访问接口。

操作流程：标准采集流程如下：

// Halcon图像采集核心代码示例
* 打开采集设备
open_framegrabber ('GigEVision', 0, 0, 0, 0, 0, 0, 'default', -1, 
                   'default', -1, 'false', 'Camera1', 'default', -1, -1, AcqHandle)
* 设置采集参数
set_framegrabber_param (AcqHandle, 'ExposureTime', 2000)  // 曝光时间2ms
set_framegrabber_param (AcqHandle, 'Gain', 1.0)            // 增益
* 触发模式设置
set_framegrabber_param (AcqHandle, 'TriggerMode', 'On')
set_framegrabber_param (AcqHandle, 'TriggerSource', 'Line1')
* 循环采集
for i := 1 to 100 by 1
    grab_image_start (AcqHandle, -1)
    grab_image_async (Image, AcqHandle, -1)
    * 此处进行图像处理
endfor
close_framegrabber (AcqHandle)

案例拆解：某贴合机项目，需要在外触发信号到达后5ms内完成图像采集并输出对位结果。初始方案使用软件触发，发现抖动达到±2ms，无法满足要求。改为硬件触发后，将相机设置为Line1上升沿触发，同时将曝光时间设定为1ms，采集稳定性提升至±0.1ms以内。关键优化点包括：

• 使用硬件触发而非软件触发，消除操作系统调度延迟。
• 将曝光时间与运动速度匹配，避免运动模糊。
• 启用相机的帧突发模式（Burst Mode），减少连续采集时的帧间隔。

4.4 Halcon图像数据格式：HImage的底层逻辑

核心原理：Halcon中的HImage对象是一个复合数据结构，包含图像矩阵、通道信息、域（Region of Interest）和元数据。理解HImage的内存布局对于高效处理图像至关重要。Halcon支持多种像素格式，包括byte（8位）、int1（8位有符号）、int2（16位）、uint2（16位无符号）、int4（32位）、real（32位浮点）等。

判断方法或操作流程：在Halcon中处理图像格式时，需注意以下要点：

• 通道顺序：彩色图像默认通道顺序为RGB，但某些相机输出BGR或YUV格式，需通过convert_image_type进行转换。
• 位深选择：8位灰度（byte）是2D对位最常用的格式，处理速度快且内存占用小。若需更高精度（如测量光斑强度），可使用16位格式。
• 图像域（Domain）：HImage可以包含一个域（Region），表示图像中感兴趣的区域。处理时只对域内像素进行计算，可大幅提升速度。
• 内存管理：Halcon使用引用计数管理图像内存。当图像对象被复制时，仅增加引用计数，不复制像素数据。使用copy_image可强制深拷贝。

// 获取Halcon图像指针
Hlong pointer;
Hlong type;
Hlong width, height;
get_image_pointer1 (Image, &pointer, &type, &width, &height);
// 转换为OpenCV Mat（仅灰度图）
cv::Mat img(height, width, CV_8UC1, (void*)pointer);

4.5 标定基础：从像素到物理坐标的桥梁

核心原理：标定的目的是建立图像像素坐标与物理世界坐标之间的映射关系。在2D对位系统中，主要涉及两种标定：相机内参标定（焦距、主点、畸变系数）和手眼标定（相机坐标系与机器人/运动平台坐标系的关系）。Halcon提供calibrate_cameras和calibrate_hand_eye等算子完成标定。

操作流程：标准标定流程如下：

1. 采集标定板图像：使用Halcon标准标定板（如30mm×30mm，7×7圆点），在不同位姿下采集15-20张图像。
2. 提取标定板特征：使用find_calib_object算子自动检测标定板上的圆点中心。
3. 执行标定：调用calibrate_cameras计算内参和畸变系数。
4. 畸变校正：使用change_radial_distortion_image对图像进行校正。
5. 手眼标定：若相机安装在运动轴上，需采集不同位置下的标定板图像，计算相机与运动平台的变换矩阵。

总结复盘：图像采集与标定是2D视觉对位系统中最基础也最关键的环节。硬件选型决定了系统的理论精度上限，而标定质量决定了实际能达到的精度水平。在实际项目中，建议先进行硬件选型评估，再搭建采集环境，最后执行标定和验证。整个过程中，应保持详细的参数记录，包括相机型号、镜头焦距、光源类型、曝光时间、标定板规格等，以便在系统出现精度问题时快速排查。记住一个原则：图像质量是算法的上限，标定精度是系统的下限。只有采集到高质量图像并完成精确标定，后续的视觉对位算法才能发挥应有的性能。