一、视觉测量概述
1.1 什么是视觉测量
视觉测量，说白了就是用相机代替人的眼睛，用算法代替人的大脑，来完成尺寸、位置、形状的精确测量。
我刚开始接触这个领域时，也觉得挺玄乎的。但实际用起来，原理并不复杂：
- 第一步：相机拍下物体的图像
- 第二步：算法从图像中提取边缘、角点等特征
- 第三步：根据像素坐标换算成物理尺寸
举个例子。你手机屏幕上的一个螺丝孔，人眼看去就是一个小圆。但在视觉测量系统里，这个圆会被放大到几千个像素，每个像素对应多少毫米，是提前标定好的。系统能算出这个圆的直径，精度能达到微米级。
核心公式：物理尺寸 = 像素尺寸 × 像素当量
像素当量，就是每个像素代表多少毫米。这个值需要通过标定得到。
我在项目中遇到过一件事。有个客户说他们的产品尺寸总超差，但用千分尺量又没问题。后来发现，是视觉系统的像素当量没校准好，差了0.02mm。你想想看，0.02mm在精密制造里，可能就是废品和良品的区别。
1.2 视觉测量的应用领域
视觉测量现在几乎覆盖了所有制造行业。我挑几个典型的说说：
| 行业 | 典型应用 | 测量精度要求 |
|---|---|---|
| 3C电子 | 手机中框尺寸、PCB焊盘位置 | ±0.01mm ~ ±0.05mm |
| 汽车制造 | 发动机缸体孔径、车身间隙 | ±0.05mm ~ ±0.1mm |
| 半导体 | 晶圆划片道宽度、芯片引脚间距 | ±0.001mm ~ ±0.005mm |
| 医疗器械 | 注射器针尖角度、导管外径 | ±0.02mm ~ ±0.1mm |
| 食品包装 | 瓶盖密封面高度、标签位置 | ±0.1mm ~ ±0.5mm |
嗯，这里要注意。不同行业的测量要求差别很大。做半导体的人，0.005mm的误差就是天大的事。但做食品包装的，0.5mm的偏差完全能接受。所以搭建视觉测量系统时，先搞清楚精度需求，这是第一步。
我记得有一次去一个汽车零部件厂。他们想用视觉测量替代人工卡尺，但要求测量节拍不能超过2秒。我建议他们用远心镜头加高分辨率相机，配合亚像素边缘检测算法。最后做到了1.5秒一个零件，精度±0.03mm。客户很满意。
1.3 视觉测量与机器视觉的区别
这个问题，我经常被问到。很多人觉得视觉测量就是机器视觉，其实不完全一样。
我画了一张图，帮你理清关系：
从这张图能看出来：
- 机器视觉是更大的概念，包含检测、识别、定位、测量等
- 视觉测量是机器视觉的一个子集，专注于定量的尺寸和位置信息
两者的核心区别在于：
机器视觉：回答「有没有」「是什么」「在哪里」
视觉测量：回答「有多大」「差多少」「合不合格」
举个例子你就明白了。一个手机外壳放在相机下面：
- 机器视觉系统会判断：这是手机壳吗？有没有划痕？摄像头孔在哪？
- 视觉测量系统会计算：这个手机壳长度是150.23mm，宽度是75.11mm，摄像头孔中心偏差0.05mm
我的经验：很多项目其实是视觉测量和机器视觉的结合。比如先定位（机器视觉），再测量尺寸（视觉测量），最后判断是否合格。别把两者割裂开，实际工程中它们经常一起用。
为什么会有人混淆这两个概念？我分析了一下，可能是因为很多视觉测量系统也用了机器视觉的算法，比如边缘检测、模板匹配。但本质目标不同：机器视觉追求「识别率」，视觉测量追求「精度和重复性」。
避坑指南：我曾经在一个项目中，用机器视觉的定位算法直接做测量，结果精度一直上不去。后来才意识到，测量需要亚像素处理、畸变校正、温度补偿等一系列手段。如果你只是把机器视觉的算法拿来就用，测量精度很难保证。
总结一下：
- 视觉测量是机器视觉的一个分支，但要求更高
- 视觉测量关注的是「定量」数据，不是「定性」判断
- 搭建视觉测量系统，需要从标定、算法、硬件三个维度下功夫
嗯，这一章的内容就到这里。视觉测量不是什么高深莫测的东西，说白了就是用相机当尺子。但要把这把「尺子」用好，后面的章节我们会一步步拆解。