3. 图像采集与相机标定
视觉对位贴合系统的精度上限，往往在图像采集与标定阶段就已经被决定。本章围绕“如何稳定获取高质量图像”和“如何建立像素坐标与世界坐标的精确映射”两条主线展开，覆盖相机、光源、镜头的选型逻辑，图像采集的标准流程，以及标定板与Halcon标定操作的核心原理。理解本章内容，是后续进行对位算法开发与贴合精度调试的前提。
3.1 相机选型：分辨率、帧率与接口的权衡
相机是视觉系统的“眼睛”，其选型直接决定系统能够分辨的最小物理尺寸和采集速度。在Halcon对位贴合项目中，我们通常关注以下四个核心参数：
- 分辨率：根据视野（FOV）和所需检测精度计算。公式为：分辨率（像素）= 视野尺寸（mm） / 检测精度（mm/pixel）。例如，视野为50mm×40mm，要求精度为0.02mm/pixel，则横向至少需要2500像素，纵向至少2000像素，可选用500万像素相机。
- 像素尺寸与靶面大小：像素尺寸决定感光灵敏度，靶面大小影响镜头适配。1/1.8英寸、2/3英寸是工业相机常见靶面，需与镜头像面尺寸匹配，避免边缘暗角。
- 帧率（FPS）：对于静态对位贴合，帧率要求不高（15-30fps足够）；但对于流水线动态抓拍，需根据传送带速度计算：帧率 ≥ 运动速度 / 视野长度。
- 接口类型：GigE Vision（千兆网）适合远距离传输，PoE供电方便；USB3.0接口带宽高、CPU占用低；Camera Link适合超高分辨率高速场景，但成本高。Halcon通过接口算子（如
open_framegrabber）统一支持这些协议。
3.2 光源与镜头：决定图像质量的物理基础
光源和镜头决定了图像的对比度、均匀性和畸变程度，是图像采集环节中最容易被忽视却影响最大的部分。
3.2.1 光源类型与打光方式
| 光源类型 | 适用场景 | 注意事项 |
|---|---|---|
| 环形光源（低角度/高角度） | PCB板、金属表面字符、定位Mark点 | 高角度环形光适合平面反光物体，低角度适合突出表面划痕 |
| 条形光源 | 大尺寸平面、液晶屏边缘检测 | 需调整照射角度避免反光斑 |
| 同轴光源 | 高反光表面（晶圆、镜面、玻璃） | 消除眩光，但亮度损失较大 |
| 背光源（面光源） | 轮廓测量、透明物体定位 | 形成高对比度剪影，适合边缘提取 |
对于对位贴合系统，Mark点定位通常采用红色或蓝色同轴光或低角度环形光，以增强Mark点与背景的灰度差异。光源控制器需支持频闪模式，以配合相机触发采集，减少环境光干扰。
3.2.2 镜头选型与畸变控制
镜头选型主要考虑焦距、光圈、畸变率和工作距离。焦距计算公式为：焦距 f = 工作距离 WD × 靶面高度 / 视野高度。定焦镜头（如8mm、12mm、16mm、25mm）是工业对位的主流选择，变焦镜头因重复精度差，不建议用于精密对位。
畸变是镜头固有的光学缺陷，分为桶形畸变和枕形畸变。Halcon中通过calibrate_cameras算子可计算畸变系数，并在后续测量中通过change_radial_distortion_image进行校正。但需注意：标定只能校正镜头畸变，无法校正因安装倾斜引起的透视畸变，因此相机安装时需尽量保证光轴垂直于被测平面。
3.3 图像采集流程：从触发到内存的完整链路
一个稳定可靠的图像采集流程，远不止“拍照”那么简单。它涉及硬件触发、曝光控制、数据搬运和格式转换等多个环节。以下是对位贴合系统中标准的采集流程：
- 硬件触发：使用PLC或运动控制卡输出脉冲信号，接入相机Trigger接口，确保相机在工件到达指定位置时精确曝光。避免使用软件触发，以减少抖动和延迟。
- 曝光控制：根据光源亮度和运动速度设置曝光时间。若工件在运动中拍摄，需满足“运动模糊 ≤ 1/2 像素”的原则，即曝光时间 ≤ 精度 / 运动速度。
- 图像传输：相机通过GigE或USB3.0将图像数据传入PC内存。Halcon中通过
grab_image_start异步开始采集，grab_image_async获取图像，实现“采集与处理并行”，提高节拍。 - 格式转换：工业相机通常输出Mono8、BayerRG8或YUV格式。Halcon中需使用
image_to_world_plane或crop_domain等算子进行预处理，将原始数据转换为可用的灰度图或RGB图。 - 图像缓存与预处理：将采集到的图像存入环形缓冲区，避免因处理速度波动导致丢帧。预处理包括降噪（
median_image）、增强对比度（scale_image）等，但需注意预处理不应改变图像几何特征。
open_framegrabber('GigEVision', 0, 0, 0, 0, 0, 0, 'default', -1, 'default', -1, 'false', 'Camera1', 'default', -1, -1, AcqHandle)
grab_image_start(AcqHandle, -1)
while (true)
grab_image_async(Image, AcqHandle, -1)
* 此处进行图像处理与对位计算
* 处理完成后，等待下一次触发
endwhile
close_framegrabber(AcqHandle)3.4 标定板与相机标定原理：从像素到物理坐标的桥梁
相机标定的核心目的是求解相机内参（焦距、主点、畸变系数）和外参（相机相对于世界坐标系的旋转和平移）。对于对位贴合系统，标定的最终目标是建立像素坐标 → 机器人/运动平台坐标的映射关系。
3.4.1 标定板的选择
Halcon支持多种标定板，最常用的是圆点阵列标定板（如Halcon自带的calplate.cpd描述文件）和棋盘格标定板。圆点标定板在Halcon中通过find_calib_object算子自动检测，鲁棒性高，且支持非对称排列以确定方向。标定板尺寸需根据视野大小选择：标定板在图像中应占据视野的1/3到2/3面积，且至少拍摄10-15张不同姿态的图像。
3.4.2 标定原理：针孔模型与畸变模型
Halcon采用针孔相机模型，将三维世界点投影到二维图像平面。其数学表达式为：
s * [u, v, 1]^T = K * [R | t] * [X, Y, Z, 1]^T其中，K为内参矩阵（包含焦距f、主点cx, cy），[R | t]为外参矩阵（旋转和平移），s为尺度因子。畸变模型通常采用Brown模型，包含径向畸变（k1, k2, k3）和切向畸变（p1, p2）。标定过程即是通过多张不同角度的标定板图像，非线性优化求解这些参数。
3.4.3 Halcon标定操作流程
- 生成标定板描述文件：使用
gen_caltab算子生成标定板并保存为.caltab文件，或直接使用Halcon安装目录下预置的caltab_30mm.descr等文件。 - 采集标定图像：将标定板放置于视野内不同位置、不同倾斜角度，拍摄10-15张图像。注意标定板不能超出视野，且每张图像中圆点应清晰可辨。
- 检测标定板：使用
find_calib_object算子自动定位标定板中的圆点中心，并提取亚像素坐标。 - 执行标定：调用
calibrate_cameras算子，输入所有图像的检测结果和标定板描述文件，输出相机内参和每张图像对应的外参。 - 验证标定精度：使用
calibration_errors查看重投影误差，通常要求平均误差小于0.1像素。若误差过大，需剔除异常图像或重新采集。
calibrate_hand_eye）结合，才能实现精准的引导对位。此外，标定板必须保持平整，任何弯曲或污渍都会导致标定精度下降。
3.5 案例复盘：一个典型的贴合对位项目标定流程
以某手机摄像头模组贴合项目为例，视野范围为30mm×20mm，要求贴合精度±0.01mm。我们选用500万像素黑白相机（2448×2048），配12mm定焦镜头，工作距离约100mm，采用红色同轴光源照明。
标定过程如下：
- 使用Halcon标准标定板（30mm×30mm，圆点间距1.5mm），采集12张不同姿态的图像。
- 通过
find_calib_object提取所有圆点中心，调用calibrate_cameras得到内参：焦距约12.5mm，主点位于图像中心附近，径向畸变系数k1约为-0.15。 - 重投影误差为0.08像素，满足要求。
- 随后进行手眼标定（九点法），建立像素坐标到XY运动平台坐标的变换矩阵。
- 最终验证：将标定板固定在平台上，移动平台至多个已知位置，通过视觉定位计算坐标，与平台实际坐标比对，最大偏差为0.008mm，满足±0.01mm的精度要求。
该案例表明，标定精度不仅取决于算法，更取决于图像采集质量。若光源不均匀导致圆点边缘模糊，或镜头畸变过大导致边缘圆点变形，即使标定算法再优化，也无法获得高精度结果。因此，在实际项目中，应优先保证图像质量，再进行标定操作。
本章内容为后续的Mark点识别、位置补偿和贴合控制奠定了坚实基础。掌握相机、光源、镜头的选型逻辑，理解图像采集的完整链路，并熟练运用Halcon的标定工具，是每一位视觉工程师必须具备的核心技能。