视觉检测全链路技术汇总
第一阶段：空间坐标系的构建（标定篇）
在测量之前，必须定义"尺子"和"基准"。
-
相机标定（Camera Calibration）：解决像素到光线的映射。通过张氏标定法获取内参 A 和畸变系数，消除透镜"外方内圆"的畸变。
-
激光面标定（Laser Plane Calibration）：确定激光在相机坐标系里的位置。利用拟合算法求解平面方程 Ax+By+Cz+D=0。
-
手眼标定（Hand-Eye Calibration）：解决"看"与"动"的关系。将相机坐标系统一到机械手或滑台的运动坐标系中，实现跨工位的全局测量。
第二阶段：从图像到几何（重构篇）
将 2D 图像中的光条变成 3D 空间中的点。
-
亚像素中心提取（Steger/重心法）：在图像中寻找激光条纹的"灵魂"。Steger 算法通过 Hessian 矩阵在法线方向寻找极值，精度可达 0.1 像素。
-
三角测量与空间计算（Triangulation）：利用相机射线与激光平面的交点，将 (u, v) 像素坐标反求为 (X, Y, Z) 物理坐标。
-
三维重构（Reconstruction）：结合编码器位移，将一行行的激光线累加成一张完整物体表面的点云图。
第三阶段：数字孪生的对齐（配准篇）
将扫描的点云移动到理论模型（CAD）的位置，以便对比。
-
全局初始配准（SAC-IA + FPFH）：
-
FPFH 是点云的"几何指纹"，描述局部形状。
-
SAC-IA 类似 RANSAC，通过特征匹配实现大尺度的位姿找正，解决"端子放歪了"的问题。
-
-
精细配准（Point-to-Plane ICP）：在粗对齐基础上，利用点到面的距离最小化进行微调，压榨出 \\pm 0.05mm 级别的对齐精度。
第四阶段：缺陷与公差判定（检测篇）
这是逻辑输出阶段，决定 OK 或 NG。
-
形变检测（Deviation Analysis）：计算配准后的点云到 CAD 模型表面的最短距离。若 \\text{Max Distance} \> 0.15mm，判定为 NG。
-
3D 高度转换 2D 图像（Height Map）：将 Z 轴高度映射为像素灰度，生成"高度图"。
- 优点：可以利用成熟的 2D 算法（如 OpenCV）处理 3D 问题。
第五阶段：二维辅助与数字化（视觉算法篇）
-
传统算法（Blob/拟合）：在高度图或灰度图上进行孔径测量、毛刺提取、有无检测。
-
深度学习 OCR（CRNN + CTC）：识别零件表面的 SN 码。CNN 提特征，RNN 提序列，CTC 解决对齐，实现身份绑定。
-
二维码识别：通过纠错算法和仿射变换，在金属高反光表面稳健读码。