3. 光学子系统测试：镜头参数测试、光圈与景深验证、畸变与像差测量

光学子系统，说白了就是仿生眼的「角膜」和「晶状体」。它要是出了问题，后面的图像传感器再牛也白搭。我这些年经手过不少仿生眼项目，光学部分往往是整个系统里最容易被低估、也最容易翻车的环节。今天咱们就把它掰开揉碎了聊清楚。

3.1 镜头参数测试：别被标称值骗了

拿到一颗镜头，第一件事不是装上去就跑，而是测它的基本参数。我习惯先过一遍这几个硬指标：

• 焦距：用平行光管配合分辨率板来测。把镜头对准无限远目标，调整像距直到成像最清晰，这时候的像距就是实际焦距。标称8mm的镜头，我测出来7.85mm到8.15mm都算正常。超出这个范围？嗯，直接退货。
• 视场角（FOV）：用测角仪或者直接拍一张已知尺寸的标定板，根据像高和焦距反算。公式很简单：FOV = 2 × arctan(像高 / (2 × 焦距))。注意，仿生眼通常需要大视场，我见过有人用120°的镜头，结果边缘画质惨不忍睹。
• 相对照度：这个很多人忽略。把镜头对准均匀光源，拍一张白场图，看中心到边缘的亮度衰减。衰减超过30%就要小心了——仿生眼在低光照环境下会非常吃力。

3.2 光圈与景深验证：别让仿生眼「近视」

光圈控制进光量，也控制景深。仿生眼的应用场景千差万别——有的需要大景深（比如导航避障），有的需要浅景深（比如目标识别聚焦）。所以这一步必须验证到位。

我通常的做法是：

1. 把镜头固定好，对准一个带有前后距离标记的测试靶（比如一排LED灯珠，从0.5米排到5米）。
2. 从最大光圈开始，逐级缩小光圈（F/1.4 → F/2.0 → F/2.8 → F/4.0 → F/5.6 → F/8.0）。
3. 每一级拍一张照片，记录清晰成像的前后距离范围。

举个例子，我曾经测过一颗F/1.4的镜头：

3.3 畸变与像差测量：仿生眼不能「看歪」

畸变和像差是光学系统的「原罪」。没有完美的镜头，只有能不能接受的误差。仿生眼对畸变尤其敏感——你想，如果机器人看到的世界是扭曲的，它怎么准确抓取物体？

3.3.1 畸变测量

我常用的方法是拍一张棋盘格标定板，然后用OpenCV或者Halcon提取角点，计算实际坐标和理想坐标的偏差。畸变分为两种：

• 桶形畸变：画面向外膨胀，常见于广角镜头。仿生眼如果用大视场镜头，这个几乎跑不掉。
• 枕形畸变：画面向内收缩，常见于长焦镜头。

测量结果通常用畸变率表示：

畸变率 = (实际像高 - 理想像高) / 理想像高 × 100%

我个人习惯把畸变率控制在±2%以内。超过这个范围，后续的图像校正算法会吃掉不少有效像素，而且边缘分辨率会下降得很厉害。

3.3.2 像差测量

像差种类很多，但仿生眼最需要关注的是这几种：

• 球差：边缘光线和中心光线聚焦不到同一个点。表现为画面整体发「雾」。
• 色差：不同颜色的光聚焦位置不同。拍一张黑白条纹图，边缘出现红蓝紫边，那就是色差。
• 彗差：点光源成像变成彗星状拖尾。这个在仿生眼快速转动时特别明显。

测量像差需要用到干涉仪或者专用的像差测试仪。但如果你手头没有这些设备，有个土办法：拍一张星点图（或者用针孔光源），然后放大看光斑的形状。圆形光斑说明像差小，不对称或者有拖尾就说明有问题。

3.4 知识体系总览

下面这张图是我自己整理的光学子系统测试逻辑，你可以把它当作一个检查清单：

你看，整个光学子系统测试其实就围绕这三个核心展开。每个环节都有对应的工具和判定标准。我个人建议，在项目初期就把这些测试流程固化下来，做成标准作业程序（SOP）。这样不管是新人接手还是批量生产，都能保证一致性。

好了，光学子系统测试就聊到这儿。记住一句话：仿生眼的「眼睛」好不好使，全看光学测试做得到不到位。别偷懒，每一项都老老实实测过去，后面你会感谢自己的。