昵称登录后显示

一、项目立项与需求落地
先把场景、目标、精度、速度、环境、成本六要素问清楚再动手，不做 “凭感觉” 的方案。
可行性验证：拍样图、跑 Demo、测极限距离 / 角度 / 光照，避免后期大规模返工。
交付标准必须量化：OK/NG 判定规则、漏检率、误检率、节拍时间、输出格式，白纸黑字确认。
二、成像与硬件
成像决定上限：图像差，算法再强也救不回。优先搞定：光源、镜头、相机、安装位置。
打光原则：让特征更明显、干扰更干净。常用：同轴、环形、条形、背光、线激光、频闪。
镜头选型：焦距、靶面、景深、畸变、工作距离一一匹配，避免 “能拍到但看不清”。
相机优先考虑：分辨率、帧率、全局快门 / 滚动快门、接口（GigE/USB/PoE）、稳定性。
安装固定要刚性：防震动、防抖动、防位移；标定后尽量不动结构，一动就要重标。
环境干扰必处理：反光、抖动、粉尘、温漂、背景杂光、产品色差、来料不稳定。
三、标定与几何精度
标定不是可选项：手眼标定、内外参标定、畸变校正、像素当量必须做。
标定板要干净、平整、无磨损；采集角度全覆盖，避免边缘失真。
重投影误差、重测精度、重复定位要记录，数据异常立刻排查结构或镜头。
四、传统视觉算法（最稳、最快、最可控）
常用流程：采集→预处理→分割→特征提取→匹配 / 测量 / 缺陷→判定→输出。
预处理：降噪、均衡、锐化、顶帽 / 底帽、形态学，目的是 “突出目标”。
分割常用：阈值、边缘 Canny、轮廓 findContours、投影积分、连通域、模板匹配。
测量必做：亚像素、拟合（圆 / 线 / 弧）、距离、角度、面积、直径、同心度、平面度。
定位优先：NCC 模板匹配，稳定可靠；复杂场景再上特征点（SIFT/SURF/ORB）。
五、现场调试与问题排查
现场先看：光、震动、来料、工装、速度、环境，90% 问题不在算法。
排查顺序：图像→硬件→标定→参数→逻辑→通讯，从源头查。
常见坑：反光、抖动、焦距跑、曝光不对、标定漂移、阈值太死。
量产要做：自动适应、自动补偿、报警机制、一键标定 / 一键校准。