新手入门2D定位引导，先搞懂这几个基础概念

新手为什么会卡住

刚接触 2D 定位引导的工程师，往往会被一堆术语包围：分辨率、视野、焦距、标定、模板、ROI、匹配得分、手眼标定、重复精度……这些词在项目文档和设备调试界面里反复出现，但每一个背后都对应着一个具体的物理含义或工程选择。如果概念理解不到位，就容易出现"相机买回来了不知道怎么选镜头""模板建好了匹配得分忽高忽低""标定完坐标还是对不上"之类的问题。

这篇文章面向刚入门的读者，把工程现场常见的基础概念按"图像相关、标定相关、算法相关、坐标相关、工程相关、方案选型"六组梳理一遍，帮助建立一套可以套用在项目上的词汇框架。

第一组：图像相关概念

像素（Pixel）

像素是相机传感器上的基本成像单元。一张 1280×1024 的相机图像，就是横向 1280 个像素、纵向 1024 个像素组成的点阵。算法识别工件时，本质上是在这个点阵上找特征。像素数量越多，画面细节越丰富，相同视野下定位也越精细。

分辨率（Resolution）

分辨率指相机输出图像的像素总量，例如 500 万像素、1200 万像素。它和"精度"不能直接划等号：分辨率高但视野也大时，单个像素对应的实际物理尺寸可能反而更粗。判断精度时要结合视野一起看。

视野（FOV）

视野是指相机在当前安装高度下，能够拍到的实际物理区域大小。例如镜头和工件平面距离固定时，画面横向覆盖 200 mm、纵向覆盖 150 mm，这就是视野。视野需要覆盖所有可能出现的工件位置，并留出适当余量。

工作距离（WD）

工作距离是镜头前端到被测工件表面的物理距离。安装空间紧张时，工作距离会限制镜头选型；工作距离变化时，视野和焦距也会跟着变。

焦距（Focal Length）

焦距决定了镜头的"放大能力"。同样的相机靶面，焦距越长，视野越小、放大倍数越高；焦距越短，视野越大、画面越广。远距离拍小工件选长焦距，近距离拍大工件选短焦距。

畸变（Distortion）

镜头不可能完美成像，画面边缘的直线在照片上可能变成轻微的弧线，这就是畸变。畸变会让边缘位置的坐标产生偏差，需要通过标定进行校正。便宜的广角镜头畸变通常更明显。

第二组：标定相关概念

像素当量（Pixel Size / 物理分辨率）

像素当量指图像中一个像素对应实际工件表面多少毫米。例如视野横向 200 mm、相机横向 1600 像素，那么单个像素约对应 0.125 mm。这个数值决定了理论定位下限，是新手评估"这套方案能做到多准"的起点。

标定板

标定板是一块印有规则图案的标准板，常见的有棋盘格、圆点阵列、十字靶标等。它的特征点位置精度很高，用来告诉相机"这些点在物理世界中距离是多少"。标定板本身的平面度和清洁度会影响标定结果。

相机标定

相机标定是指通过拍摄标定板，求解镜头畸变参数和像素当量的过程。完成之后，软件才能把像素坐标换算成毫米坐标。这是视觉系统从"拍照片"走向"测尺寸"的关键一步。

手眼标定（Hand-Eye Calibration）

当相机安装在机械臂末端（眼在手上），或者相机固定而机械臂在视野内运动（眼在外手上）时，还需要求解相机坐标系与机械臂坐标系之间的变换关系，这一步称为手眼标定。没有手眼标定，视觉算出的工件坐标机械臂就看不懂。

重投影误差

标定完成后，软件会用标定参数反推标定板上特征点的位置，再和实际识别位置比较，差值的均方根就是重投影误差。这个数值越小，标定越可信。新手看到这个指标时，可以把它理解为"标定做得好不好"的体检报告。

第三组：算法相关概念

模板（Model / Template）

模板是工程师在软件里框选的一张标准工件图像，记录了工件的边缘、形状或灰度特征。运行时算法拿实时图像和模板做比对。模板通常要选特征清晰、有辨识度的角度和状态来建，不能选反光严重或遮挡明显的样本。

ROI（Region of Interest）

ROI 是"感兴趣区域"的缩写，指在整幅图像中圈出一块真正需要算法处理的区域。圈定 ROI 之后，算法只在这个小区域内搜索，既加快速度，又避免背景中的干扰物误触发。新手常犯的错误是不在 ROI 上做限制，导致算法在整个画面里乱找。

匹配得分（Score）

匹配得分是算法给出的"像不像模板"的量化分数，通常从 0 到 1000 或者 0 到 100%。得分越高，说明实时图像中的工件和模板越接近。但得分高不等于坐标准，还要看标定、畸变和工件状态。

阈值（Threshold）

阈值是工程师设定的一个分数门槛。高于阈值的结果被判为"找到工件"，低于阈值的被判为"未找到"。阈值设得太高，正常工件也可能被漏掉；设得太低，背景干扰也可能被误识别。现场需要反复调整。

亚像素（Sub-pixel）

算法通过边缘拟合和插值，可以在像素之间进一步估算出更精细的位置，精度小于一个像素，这就是亚像素。亚像素是工程上突破"像素当量限制"的常用手段，但它受噪声、光照和镜头质量约束，不是无限放大。

第四组：坐标相关概念

图像坐标系

图像坐标系以像素为单位，原点通常在画面左上角，横向为 X、纵向为 Y。这是算法直接输出的坐标系，机械臂并不认识。

机器人坐标系 / 机械坐标系

机械坐标系以机械臂基座或机床原点为参考，单位是毫米。视觉引导的目标，就是把图像坐标翻译成这个坐标系下的坐标。

基准点 / 原点（Reference Point）

每个工件模板里都需要指定一个参考点，比如工件中心、某个孔位或者夹爪夹持点。算法输出的位置就是这个参考点在图像中的坐标。参考点选得不一样，后续机械臂到达的位置也不一样。

平移与旋转

2D 定位引导输出的典型结果是三个量：X 方向平移、Y 方向平移、绕平面法线的旋转角度 θ。夹爪或刀具根据这三个量修正动作。如果工件需要俯仰或侧翻才能被抓取，那已经超出 2D 的能力范围。

第五组：工程相关概念

硬触发与软触发

硬触发指由外部传感器（光电开关、接近开关）通过电信号直接通知相机拍照，时序精准、延迟低。软触发指由 PLC 或视觉软件主动发指令拍照，灵活但依赖通讯周期。高速流水线通常选硬触发。

节拍（Cycle Time）

节拍指工位完成一次完整动作所需的时间。视觉环节要吃掉其中一部分：拍照耗时、图像处理耗时、通讯耗时叠加起来，不能超出留给视觉的预算，否则整条线都会被拖慢。

重复定位精度

重复定位精度指机械臂或视觉系统对同一个位置多次测量的一致性。它和"真值精度"是两个概念：重复精度好但标定有系统偏差时，每次都偏同一个方向；这时靠标定去修正。

通讯协议

视觉控制器和 PLC 之间通过工业总线交换数据，常见协议包括 Profinet、EtherNet/IP、Modbus TCP、CC-Link 等。项目前期就要确认两边支持的协议是否一致，否则后期需要加网关。

第六组：方案相关概念

2D 视觉引导

处理图像平面内的 X、Y、θ 三个自由度，适用于扁平工件、来料姿态变化有限的场景。成本低、速度快、算法成熟。

2.5D 视觉引导

在 2D 基础上引入少量高度信息，例如通过双相机、结构光或激光测距获取一个粗略的 Z 值或倾斜角，用于解决简单堆叠、轻微翘曲等问题。它介于 2D 和 3D 之间，工程中常作为过渡方案。

3D 视觉引导

通过双目、结构光、激光线扫描或 ToF 获取点云，求解六个自由度的位姿。适合立体工件、无序堆叠抓取、正反面区分等场景，但硬件成本、算力要求和调试复杂度都更高。

新手入门的建议路径

对刚接触这一领域的工程师，可以按以下顺序逐步建立认知：

1.     先理解图像是怎么来的：相机、镜头、光源各自的作用。

2.     再理解标定为什么做：像素当量、手眼标定解决的是"像素怎么变毫米"的问题。

3.     然后动手做一次模板匹配：建模板、圈 ROI、调阈值，观察得分变化。

4.     接着做一次完整联调：让机械臂根据视觉坐标去抓一个偏移工件。

5.     再去研究精度影响因素：畸变、光照、振动、标定漂移分别如何影响结果。

概念不是背下来的，而是在一次次调机中反复遇到、反复修正才真正理解的。把上面这些术语对应到自己项目里的具体器件和参数上，后续看方案文档、读软件手册、和供应商沟通时，效率都会明显提升。

小结

2D 定位引导入门阶段要打的基础，可以归纳为三组关键词：图像怎么拍（像素、视野、焦距、光源）、坐标怎么算（标定、像素当量、手眼标定）、结果怎么用（模板、ROI、匹配得分、通讯协议）。把这些概念各自的物理含义和在工程现场的取值逻辑弄清楚，再去看具体行业的应用案例，就不会再被术语挡住视线。