第三章 激光三角法原理
做三维测量这些年，我接触过不少光学方案。结构光、双目视觉、共聚焦……各有各的看家本领。但要说工业现场用得最多、最皮实的，还得是激光三角法。
说白了，这玩意儿就是用一个激光器打出一条线，再用相机从侧面拍。激光照到物体表面，线就变形了。变形量里藏着高度信息。嗯，就这么简单。
但简单归简单，真要把它做稳定、做精准，里面门道不少。今天我就把激光三角法的核心原理、光条提取算法和标定板设计，掰开了跟你聊聊。
核心要点：激光三角法的本质是利用几何相似三角形，将图像中的光条偏移量换算成实际高度值。精度取决于光条提取的亚像素精度和系统标定的准确性。
3.1 激光发射器与相机的几何关系
先看最基础的配置。激光器垂直向下打光，相机从侧面斜着拍。激光照到基准面上是一条直线，照到凸起的物体上，光条就会偏移。
为什么会这样？你想想看，物体表面比基准面高，激光打上去的位置自然就变了。相机从侧面看过去，这个位置变化在图像上就是一个像素位移。
我习惯把这种配置叫「直射式三角法」。它的几何关系很清晰：
- 激光光轴与相机光轴之间的夹角，我一般取30°到45°之间
- 夹角太小，灵敏度不够；夹角太大，遮挡严重
- 相机镜头的光轴要尽量与激光平面共面
这里有个公式你得记住：
ΔZ = Δx / (M × sinθ)其中：
- ΔZ 是实际高度变化
- Δx 是图像上的光条偏移量（像素）
- M 是光学放大倍率
- θ 是激光与相机光轴的夹角
我在项目中遇到过一个问题：夹角选大了，灵敏度确实高，但物体侧面陡峭的地方，激光直接打不到相机视野里。后来我学乖了，一般先做个仿真，看看最大测量范围下会不会出现遮挡。
我的经验：实际安装时，激光器和相机都要用精密调节架。别指望手拧螺丝就能对准。我曾经为了省一个调节架，结果调试花了三天——得不偿失。
3.2 光条中心提取算法
激光打在物体上，图像里是一条亮带。但这条亮带是有宽度的，可能几个像素到十几个像素不等。我们需要找到它的「中心」位置——这才是激光真正打到的地方。
提取光条中心的方法很多，我挑三个最常用的讲：极值法、灰度重心法、Steger算法。
3.2.1 极值法
这是最朴素的方法。对每一列像素，找到灰度值最大的那个点，就认为是光条中心。
// 伪代码：极值法
for each column in image:
max_gray = 0
center_row = 0
for each row in column:
if gray(row, col) > max_gray:
max_gray = gray(row, col)
center_row = row
save_center(column, center_row)优点：快，真的快。缺点：精度只有像素级，而且对噪声敏感。
我一般只在快速预览或者粗定位时用极值法。真要出数据，还得看下面两种。
3.2.2 灰度重心法
这个方法比极值法聪明一点。它不找最亮的点，而是找光条的「重心」。就像找一根不均匀木棍的平衡点一样。
// 伪代码：灰度重心法
for each column in image:
sum_gray = 0
sum_weighted = 0
for each row in column:
g = gray(row, col)
sum_gray += g
sum_weighted += row * g
center_row = sum_weighted / sum_gray
save_center(column, center_row)灰度重心法能达到亚像素精度。我实测过，在光条质量好的情况下，重复精度能做到0.1像素以内。
注意：灰度重心法对光条的对称性有要求。如果激光打在镜面或者透明物体上，光条会变形，重心法就会偏。我曾经在测玻璃面板时吃过这个亏。
3.2.3 Steger算法
Steger算法是目前工业界公认的「天花板」。它基于Hessian矩阵，把光条看成一条曲线，然后找到曲线的脊线。
说白了，它不光看灰度值，还看灰度变化的趋势。就像爬山，极值法只看山顶，重心法看整座山的重心，Steger算法则分析山的坡度变化，找到真正的山脊线。
// 伪代码：Steger算法核心步骤
1. 对图像做高斯平滑，计算一阶和二阶偏导数
2. 构建Hessian矩阵：H = [Ixx, Ixy; Ixy, Iyy]
3. 计算Hessian矩阵的特征值和特征向量
4. 在法线方向上，用泰勒展开求极值点
5. 亚像素精度定位Steger算法的精度很高，通常能做到0.05像素级别。但代价是计算量大。我建议在离线标定或者高精度检测场景下使用。在线实时检测的话，得用GPU加速。
| 算法 | 精度 | 速度 | 抗噪能力 | 适用场景 |
|---|---|---|---|---|
| 极值法 | 像素级 | 极快 | 弱 | 粗定位、预览 |
| 灰度重心法 | 亚像素（~0.1px） | 快 | 中等 | 常规检测 |
| Steger算法 | 高精度（~0.05px） | 较慢 | 强 | 高精度标定、离线检测 |
3.3 标定板设计
有了算法，还得有标定板。没有标定，你测出来的数据就是「像素偏移」，不是「毫米高度」。
标定板的作用，说白了就是建立像素坐标和世界坐标之间的映射关系。
我常用的标定板有两种：
- 台阶式标定板：几个已知高度的台阶，激光打上去形成几条平行线。通过线间距反算像素-高度比例。
- 斜面式标定板：一个已知角度的斜面，激光打上去是一条斜线。通过斜线的斜率计算映射关系。
我个人更偏爱台阶式。为什么？因为台阶的边界清晰，不容易引入拟合误差。斜面标定板对安装角度要求太高，稍微偏一点，标定结果就漂了。
避坑指南：标定板的表面处理很重要。我曾经用了一块磨砂不锈钢板，结果激光打上去有散斑，光条提取精度直接掉了一个数量级。后来换成黑色阳极氧化处理的铝板，效果就好多了。
标定步骤大致如下：
- 将标定板放在测量范围内多个已知位置
- 采集每个位置的光条图像
- 提取光条中心（建议用Steger算法）
- 建立像素偏移量与实际高度的映射表
- 用多项式拟合或插值法生成标定曲线
嗯，这里要注意：标定不是一次性的。温度变化、机械振动、镜头松动都会导致标定参数漂移。我建议每次开机后先跑一遍标定验证流程，确认偏差在允许范围内再开始测量。
总结一下：激光三角法的核心就三件事——几何关系要算对，光条中心要提准，标定要做扎实。这三件事做好了，剩下的就是工程细节了。
公众号:蓝海资料掘金营，微信deep3321