Halcon三维测量(2):基于视差图的工业缺陷检测

1. 从深度图到视差图：三维测量的降维艺术

第一次接触Halcon三维测量时，我被它处理深度图的方式惊艳到了。想象一下，你手里有一块金属板，表面有些肉眼几乎看不见的微小凹坑。传统的二维图像处理可能束手无策，但Halcon通过将深度图拆分为X、Y、Z三个视差图，把三维问题转化成了我们熟悉的二维图像处理问题。

深度图本质上是一个三维数据集合，每个像素点除了有X、Y坐标外，还包含Z轴的高度信息。Halcon的魔法在于，它能将这个三维数据拆分成三张二维图：X视差图显示左右方向的深度变化，Y视差图显示上下方向的深度变化，而Z视差图则直接反映高度信息。在实际工业检测中，Z视差图往往是最有用的——因为它直接告诉我们工件表面哪里凸起、哪里凹陷。

我曾在塑料件检测项目中做过对比：直接处理原始深度图需要复杂的点云算法，而使用Z视差图后，只需要简单的图像阈值分割就能定位缺陷区域。这种"降维打击"式的处理方式，让三维测量变得像处理普通图片一样简单。

2. Z视差图的缺陷检测实战

2.1 准备工作：获取优质视差图

想要准确检测缺陷，首先得获得清晰的Z视差图。这里有个容易踩的坑：很多新手会直接使用相机输出的原始深度图。实际上，工业场景中的金属表面反光、环境光照变化都会影响深度图质量。我的经验是，在生成视差图前一定要做预处理：

python复制* 中值滤波去除噪声
median_image(DepthImage, FilteredImage, 'circle', 3, 'mirrored')

* 高斯平滑处理
gauss_filter(FilteredImage, SmoothedImage, 5)

* 视差图生成
disparity_to_xyz(SmoothedImage, XImage, YImage, ZImage)

记得有次检测铝合金工件时，由于没做滤波处理，表面纹理被误判为凹陷。后来加了预处理步骤，检测准确率直接从70%提升到了95%。

2.2 缺陷区域分割技巧

拿到Z视差图后，下一步是分割出可能存在缺陷的区域。这里推荐三种我常用的方法：

1. 阈值分割法：适合有明显高度差的缺陷

python复制threshold(ZImage, Region, MinHeight, MaxHeight)

2. 动态阈值法：处理高度变化平缓的表面

python复制dyn_threshold(ZImage, SmoothedImage, Region, Offset, 'light')

3. 边缘检测法：适用于划痕类缺陷

python复制edges_sub_pix(ZImage, Edges, 'canny', 1, 20, 40)

在金属件检测中，我发现动态阈值法效果最好。比如检测0.1mm深的凹坑时，设置Offset为5就能稳定识别，而固定阈值会因为工件摆放角度变化导致误检。

3. 高度分析与缺陷判定

3.1 高度差计算的核心参数

分割出可疑区域后，需要量化分析高度特征。Halcon提供了多种计算方式：

python复制* 计算区域平均高度
region_features(DefectRegion, ZImage, 'mean', MeanHeight)

* 获取区域高度分布
height_histogram(DefectRegion, ZImage, Histogram)

* 计算相对于背景的高度差
region_features(BackgroundRegion, ZImage, 'mean', BgHeight)
DefectDepth := BgHeight - MeanHeight

这里有个实用技巧：计算高度差时，最好选取缺陷周围的正常区域作为背景参考，而不是整个图像的平均高度。我曾遇到一个案例，由于工件本身有弧度，使用全局背景导致边缘区域总是误报。

3.2 缺陷分类的实战经验

根据高度特征，我们可以进一步分类缺陷类型：

• 凹坑类缺陷：平均高度低于背景，高度分布集中
• 凸起类缺陷：平均高度高于背景，顶部区域高度变化剧烈
• 划痕类缺陷：面积细长，沿某一方向的高度变化连续

在塑料盖板检测项目中，我通过组合高度均值和分布特征，成功区分了注塑不良（凸起）和运输损伤（凹坑），误判率低于2%。

4. 完整检测流程优化建议

4.1 参数调优的实用技巧

经过多个项目实践，我总结出几个关键参数调优经验：

1. 视差图生成阶段：

   • 平滑滤波核大小：金属件用5×5，塑料件用3×3
   • 深度量程设置：根据工件厚度调整，留出20%余量

2. 缺陷检测阶段：

   • 动态阈值的Offset值：一般为允许缺陷深度的2倍
   • 最小缺陷面积：设置为理论最小缺陷的1.5倍，避免噪声干扰

3. 高度分析阶段：

   • 背景区域大小：约等于缺陷区域的5-10倍
   • 高度差阈值：根据材料特性决定，金属件通常比塑料件更严格

4.2 常见问题排查指南

遇到检测不准时，可以按照这个顺序排查：

1. 检查原始深度图质量：是否有大面积缺失或噪声
2. 确认视差图转换参数：量程是否覆盖工件高度范围
3. 验证分割效果：手动测量几个点的高度值，与算法结果对比
4. 分析高度特征：看缺陷区域的特征是否符合预期

有次夜班生产时，检测系统突然频繁误报。后来发现是车间空调直吹导致工件表面温度变化，影响了深度相机精度。加装隔热罩后问题立即解决。这个经历让我明白，工业检测不仅要考虑算法本身，环境因素同样关键。