企业官网建设流程全解析

大幅面与卷材表面检测：多相机拼接、畸变校正与线扫同步

一、当幅宽超过一个相机：一次真实的判级事故

前年冬天，我在一家锂电隔膜厂做表面检测项目的复盘。产线幅宽 1600mm，检测精度要求 0.05mm/pixel，客户用一台 8K 线扫相机硬扛，结果两种缺陷反复被投诉：宽度 0.3mm、长度 800mm 的纵向划伤，在系统里被报成两条各 300~400mm 的短划伤，判级直接从"废品"掉到"让步接收"；另一种更糟，接缝位置上什么都没报——缺陷恰好落在两个相机视场的交界盲区里，等于这一段幅面根本没有被检测。

这两个事故的本质都不是算法问题，而是几何与同步问题：多相机系统的"拼"没拼对，"同步"没同步准。算法工程师习惯把注意力放在分割网络和阈值上，但大幅面卷材检测里，真正决定项目成败的是三件事——相机怎么摆、图像怎么接、行怎么对齐。这篇文章把这三件事从公式到代码完整走一遍，全部基于卷材（薄膜、隔膜、铜箔、纸张、无纺布）这一类连续运动 + 近似平面 + 高反光的场景。

先说清楚这类场景和普通面阵检测的本质区别：

二、核心原理：先把几何算清楚，再谈算法

2.1 相机数量由三个公式决定

任何多相机方案的第一张图都应该是幅面分配图。设卷材幅宽WWW，单相机横向视场FOVx\mathrm{FOV}_xFOVx​，相邻相机重叠率η\etaη（一般取 5%~15%），需要的相机数量NNN满足：

N≥⌈W−η⋅FOVxFOVx⋅(1−η)⌉ N \ge \left\lceil \frac{W - \eta \cdot \mathrm{FOV}_x}{\mathrm{FOV}_x \cdot (1 - \eta)} \right\rceilN≥⌈FOVx​⋅(1−η)W−η⋅FOVx​​⌉

而单相机的横向视场由像素当量ε\varepsilonε（每像素代表的实际宽度，mm/pixel）反推：

FOVx=ε⋅Nx,ε≤dmin⁡k \mathrm{FOV}_x = \varepsilon \cdot N_x, \qquad \varepsilon \le \frac{d_{\min}}{k}FOVx​=ε⋅Nx​,ε≤kdmin​​

其中NxN_xNx​是相机横向分辨率（像素），dmin⁡d_{\min}dmin​是最小缺陷特征尺寸（mm），kkk是每特征所需像素数——工程上取 3~5，缺陷边界模糊、对比度低的场合要取 5~8。以开头那个 1600mm / 0.05mm 的产线为例，ε=0.05\varepsilon=0.05ε=0.05、k=4k=4k=4意味着dmin⁡=0.2d_{\min}=0.2dmin​=0.2mm；8K（8192 像素）相机的单机视场是8192×0.05=409.68192 \times 0.05 = 409.68192×0.05=409.6mm，算上 10% 重叠后有效覆盖约 369mm，1600/369≈4.341600 / 369 \approx 4.341600/369≈4.34，所以至少要 5 台。客户用 1 台，缺口不是"精度差一点"，而是有效检测区域只有 25%。

重叠率不是随便给的余量，它承担三个功能：给拼接算法留配准搜索空间、给缝的渐晕与亮度不连续留羽化带、给机械装配公差留容错。重叠率过小的典型症状是缝处亮度出现一条暗带或亮带；过大则浪费有效像素、增加带宽压力。

2.2 为什么必须先做畸变校正再拼接

镜头的实际成像不满足理想针孔模型。Brown-Conrady 模型把畸变分成径向与切向两部分：

xd=xu(1+k1r2+k2r4+k3r6)+2p1xuyu+p2(r2+2xu2)yd=yu(1+k1r2+k2r4+k3r6)+p1(r2+2yu2)+2p2xuyu \begin{aligned} x_d &= x_u (1 + k_1 r^2 + k_2 r^4 + k_3 r^6) + 2p_1 x_u y_u + p_2 (r^2 + 2x_u^2) \\ y_d &= y_u (1 + k_1 r^2 + k_2 r^4 + k_3 r^6) + p_1 (r^2 + 2y_u^2) + 2p_2 x_u y_u \end{aligned}xd​yd​​=xu​(1+k1​r2+k2​r4+k3​r