1. 卡尺测量到底是个啥先搞懂原理再动手做机器视觉的人几乎没人能绕过HALCON的卡尺模型metrology model。这套工具说白了就是帮你在图像里快速找到一条直线、一个圆、一段圆弧的精确边缘位置然后换算成工件的实际尺寸。你只要告诉软件“我要测哪个位置、方向是什么、边缘长什么样”它就能在毫秒级给出亚像素精度的结果。我最早用HALCON卡尺模型是在一条3C装配线上做手机中框的尺寸检测。当时需要测量中框某个槽位的宽度公差只有正负0.02毫米。一开始手动写边缘检测再拟合直线代码又长又容易翻车后来换成计量模型那一组算子代码量直接砍掉一大半稳定性反而上去了。从那以后凡是涉及直线、圆、圆弧尺寸测量的项目我基本都是这一套打法。这条思路的原理可以简单拆成两步先沿着你指定的测量方向在感兴趣区域ROI内生成一系列“卡尺”也就是一个个小测量窗口每个卡尺里做一维边缘提取拿到边缘点的精确坐标然后再用这些边缘点去拟合直线或圆输出位置、尺寸、角度这些结果。整个过程里测量容器的最大直径、卡尺数量、边缘阈值、边缘极性这些参数决定了最终精度和稳定性。这个工具最适合谁来用我觉得是已经知道HALCON基础操作、但还没把measure工具用熟练的视觉工程师尤其是刚接触尺寸测量项目的人。它上手快调试直观而且代码结构高度模板化只要理解了核心算子换一个工件改参数就行。我这次就以一个矩形工件的外形尺寸测量为例跑一遍从图像采集、标定到边缘检测、尺寸计算的完整流程。每一步都会给出能直接跑的HALCON代码并解释参数为什么这么设。2. 环境准备与工具选型想做尺寸测量先别急着写代码2.1 HALCON版本和开发方式的选择先聊版本。当前市面上主流的HALCON版本是19.11、20.11、21.11这些还有更新的23.05。我的经验是计量模型相关的算子create_metrology_model、add_metrology_object_line_measure等等在17.12之后就很稳定了没必要追求最新版。如果你只是做尺寸测量用19.11或20.11的Steady版本完全够用而且网上资料多踩坑也少。开发方式方面我强烈建议先在HALCON自带的HDevelop里把算法跑通再导出成C#或C代码。HDevelop的变量窗口可以实时查看中间结果比如边缘点长什么样、拟合出来的直线有没有偏调试效率比直接在Visual Studio里盲写高太多了。有同事喜欢一上来就在VS里用C#直接调用HALCON也不是不行但新手很容易被类型转换、内存释放、异常处理这些工程问题绕晕。先把HDevelop的脚本调通再导出再封装是我觉得最稳的节奏。2.2 相机与镜头的选型思路尺寸测量的精度一半靠算法一半靠成像。HALCON再厉害图像如果模糊、反光、有噪声边缘点是提不准的。以测手机中框为例我当时的经验是分辨率想测0.02毫米的尺寸单个像素对应的物理尺寸最好在0.005毫米左右也就是一个尺寸公差范围内至少要覆盖4个像素以上。按这个算视场50毫米宽的话相机分辨率至少得5000像素以上通常500万到1000万像素的工业相机比较稳妥。镜头用远心镜头最重要。普通工业镜头有透视畸变物体高度稍有变化测出来尺寸就会漂。远心镜头在一定景深范围内放大倍率不变对高度差敏感的工件特别友好。光源优先考虑同轴光或低角度环形光。金属工件表面容易反光漫反射光源能把表面纹理照亮同时避免过曝。这些成像问题如果没解决后面算法调得再好也是白费。这也算是我做视觉项目最深的体会之一算法工程师不能只盯算子还得关心图像本身。2.3 像素当量标定把像素变成毫米尺寸测量不是直接在像素坐标上读数而是要先把像素坐标换算成物理坐标。这一步的关键是标定也就是求出一个“像素当量”——每个像素代表多少毫米。在HALCON里最简单的标定方法是用已知尺寸的标定板。比如你用一块棋盘格标定板每个格子边长是1毫米在图像里测得格子占200个像素那像素当量就是1/2000.005毫米/像素。直接在代码里写死这个比例就行。如果项目要求高或者相机有畸变那建议用HALCON的标定助手拍一系列不同姿态的标定板图像算出一个完整的相机内参和畸变系数。但对大多数平板类工件的尺寸测量来说“像素当量畸变校正”两步走就够用了。我在很多项目里会在代码里把像素当量做成一个可配置参数换线换相机时直接改配置不用改算法。3. 核心算子拆解计量模型那点事儿一次讲明白3.1 从生成测量对象到获取结果的完整流程HALCON的计量模型用起来核心就是五个步骤每一步对应一组算子。我先把整个流程串一遍再逐个解释参数。第一步创建一个计量模型create_metrology_model (MetrologyHandle)这一步会返回一个句柄后面所有操作都靠这个句柄关联。第二步设置图像的尺寸。为什么要设置因为计量模型内部要判断测量区域是否超出图像边界提前告诉它图像宽高可以减少一些不必要的计算和误报。set_metrology_model_image_size (MetrologyHandle, Width, Height)第三步往模型里添加测量对象。添加直线就是add_metrology_object_line_measure添加圆就是add_metrology_object_circle_measure。每个对象都可以单独设置参数互不干扰。add_metrology_object_line_measure (MetrologyHandle, Row1, Column1, Row2, Column2, MeasureLength1, MeasureLength2, MeasureSigma, MeasureThreshold, GenParamName, GenParamValue, Index)第四步执行测量apply_metrology_model (MetrologyHandle, Image)这一步会遍历所有测量对象在每个对象对应的ROI里提取边缘点然后拟合直线或圆。第五步获取结果get_metrology_object_result (MetrologyHandle, Index, all, result_type, all_param, Parameter)到这里直线的起点、终点、方向、长度或者圆的圆心坐标、半径就都拿到手了。3.2 直线测量对象的参数到底该怎么设直线测量这一块参数看着多其实核心就几个。我挨个说。Row1, Column1, Row2, Column2是直线的大致位置和方向。计量模型会以这条线为中心线在两边各扩展出一定宽度的测量带。这条“指导线”不需要特别精确大概位置对就行模型会自动在附近搜索真实边缘。MeasureLength1和MeasureLength2分别是指导线两侧的测量带半宽度。它决定了每个卡尺沿着测量方向能扫多远。设得越长搜索范围越大但引入干扰的概率也越高设得太短边缘如果偏离指导线较多就找不到了。我的经验是先设一个比较大的值比如20像素跑通后再逐渐缩小到刚好能稳定锁住边缘的程度。MeasureSigma是高斯平滑系数。它控制边缘提取前对图像做的平滑程度。数值越大对噪声越不敏感但边缘定位精度也会稍微下降。对清晰锐利的工件边缘设1.0就够了图像有轻微噪声可以提到2.0左右。MeasureThreshold是边缘点判定阈值代表边缘幅度必须达到多大才算边缘。这个值越大提取到的边缘点越少但也越干净。GenParamName和GenParamValue是用来设置一些扩展参数的。常用的有measure_transition边缘极性positive、negative、uniform、measure_select选择哪个边缘first、last、all、measure_distance_threshold边缘点距离指导线的最大允许距离、measure_interpolation插值方式影响亚像素精度。这几个参数我后面结合案例具体讲。3.3 圆和圆弧测量有什么不一样圆测量和直线测量的逻辑完全一致只是把add_metrology_object_line_measure换成了add_metrology_object_circle_measure。你只需要给一个初始圆心坐标和半径模型会在圆周附近生成一圈卡尺。圆测量里有个参数很有意思就是measure_select设为first或last时是选择从外往内碰到的第一条边缘还是从内往外碰到的最后一条边缘。比如测一个圆孔的直径如果孔壁内表面是暗的边缘极性是negative那从中心往外扫的时候第一条强边缘通常是孔壁靠近中心的那一侧最后一条是远离中心的那一侧。测量目标是直径你就得想清楚到底选哪条边。我在测轴承内圈直径时因为圆孔内有倒角图像上会出现两条很接近的边缘线。这时候单靠阈值选不准是哪条我就会把measure_distance_threshold拉大一点或者用measure_interpolation配合亚像素插值把两条边分开。3.4 常用参数速查表参数名作用推荐初始值说明MeasureLength1/2测量带半宽度20沿测量方向搜索边缘的最大距离MeasureSigma高斯平滑系数1.0~2.0越大越平滑但精度略降MeasureThreshold边缘幅度阈值20~40边缘点判定的灵敏度measure_transition边缘极性uniformpositive/negative/uniformmeasure_select选择第几条边缘firstfirst/last/allmeasure_distance_threshold偏离指导线的最大距离10超出则丢弃该点measure_interpolation亚像素插值方式least_squares还有bilinear等可选4. 实战案例手机中框槽位宽度测量4.1 测量需求与思路分析直接上个具体的。假设我要测一个手机中框零件上某个矩形槽位的宽度槽位两侧是两条平行的直线边缘公差要求是10.00正负0.02毫米。相机分辨率2448乘2048像素当量标定好后是0.005毫米/像素。也就是说10毫米的宽度在图像里大概是2000像素0.02毫米的公差对应4像素。这个精度在视觉测量里算是有点挑战但并非不能做到。我当时的测量思路是在槽位两侧各放一条直线测量对象分别测出左边缘和右边缘的精确位置两个位置相减就得到宽度。这个方案比一次性测两条边再算距离要稳因为两条边的测量参数可以单独调互不影响。4.2 图像采集与标定图像采集中最容易翻车的是曝光。金属中框反光强烈如果过曝边缘变成一片白阈值再低也提不出边缘。我的做法是先用自动曝光拍一张看灰度直方图保证工件表面灰度在100到180之间边缘两侧的对比度最好能拉开到50个灰度级以上。标定这一步我直接用的标定板。拍一张棋盘格图像让HALCON自动检测角点算像素当量。代码很简单* 读入标定板图像 read_image (ImageCalib, calib_board.png) * 自动检测棋盘格角点 find_calib_object (ImageCalib, CalibHandle, 0, 0, 0, [], [], []) * 获取相邻角点距离计算像素当量 get_calib_data (CalibHandle, camera, 0, killed, CameraParam) get_calib_data (CalibHandle, calib_obj, 0, killed, CalibObjParam)实际项目中我更喜欢直接用g_input或者手动测量两个已知距离的定位孔算像素当量。比如知道两个孔中心距是50毫米图像里量出来是10000像素那像素当量就是0.005毫米/像素。这个方法不用额外的标定板在产线调试时更快。注意像素当量不是永远不变的。更换相机、镜头、工作距离甚至镜头略微松动都会导致它变化。我的习惯是每次换线或重新安装相机后都要做一次快速标定别偷懒。4.3 核心代码实现复制就能跑下面这段是完整的测量代码我加了详细注释并在HDevelop里跑通过。* 读取图像 read_image (Image, middle_frame.png) get_image_size (Image, Width, Height) * 创建一个计量模型 create_metrology_model (MetrologyHandle) * 设置模型图像尺寸 set_metrology_model_image_size (MetrologyHandle, Width, Height) * 设置像素当量单位毫米/像素 * 实际项目中用标定数据替代 PixelCalib : 0.005 * 绘制两条直线测量对象 * 第一条左侧边缘指导线大致在槽位左壁附近 Row1_Left : 800 Column1_Left : 600 Row2_Left : 1200 Column2_Left : 600 MeasureLength1 : 30 MeasureLength2 : 30 MeasureSigma : 1.5 MeasureThreshold : 25 add_metrology_object_line_measure (MetrologyHandle, Row1_Left, Column1_Left, Row2_Left, Column2_Left, MeasureLength1, MeasureLength2, MeasureSigma, MeasureThreshold, [], [], Index_Left) * 第二条右侧边缘指导线大致在槽位右壁附近 Row1_Right : 800 Column1_Right : 800 Row2_Right : 1200 Column2_Right : 800 add_metrology_object_line_measure (MetrologyHandle, Row1_Right, Column1_Right, Row2_Right, Column2_Right, MeasureLength1, MeasureLength2, MeasureSigma, MeasureThreshold, [], [], Index_Right) * 执行测量 apply_metrology_model (MetrologyHandle, Image) * 获取直线测量结果row_begin, column_begin, row_end, column_end get_metrology_object_result (MetrologyHandle, Index_Left, all, result_type, all_param, ResultLeft) get_metrology_object_result (MetrologyHandle, Index_Right, all, result_type, all_param, ResultRight) * 计算左侧直线在图像中的列坐标 ColumnLeft : (ResultLeft[1] ResultLeft[3]) / 2.0 * 计算右侧直线在图像中的列坐标 ColumnRight : (ResultRight[1] ResultRight[3]) / 2.0 * 宽度像素值 WidthPixels : ColumnRight - ColumnLeft * 宽度毫米值 WidthMm : WidthPixels * PixelCalib * 结果显示 disp_message (WindowHandle, Width: WidthMm$.3f mm, window, 12, 12, black, true)这段代码的核心思路就是让HALCON自己去找两条竖直方向的直线然后把列坐标相减。注意我这里求直线位置时用了begin和end的平均值因为边缘点的拟合结果是一条有方向的线段取平均可以消除线段角度带来的偏差。如果你要测的不是平行线宽度而是圆的直径只需要把add_metrology_object_line_measure换成add_metrology_object_circle_measure并传入大致圆心和半径即可后面的逻辑几乎一样。4.4 边缘极性正向、反向还是不区分边缘极性measure_transition是最容易被忽略、但影响巨大的参数。positive找从暗到亮的边缘。适合测量黑色工件在亮背景上的轮廓。negative找从亮到暗的边缘。适合测量亮工件在暗背景上的轮廓。uniform不区分极性同时找两种边缘。如果图像里没有其他干扰边缘用uniform最省心。在手机中框这个案例里金属表面是亮的背景可能是暗色载具所以边缘大多是从亮到暗用negative会更准。如果用了positive那找出来的边缘点坐标就会偏向另一侧导致测量结果系统性偏移。我踩过最深的坑是用统一参数测量不同方向的边缘结果一侧偏正、一侧偏负宽度忽大忽小查了半天才发现是边缘极性在捣鬼。4.5 亚像素精度是怎么来的HALCON的卡尺模型精度高不只是因为它能找边缘还因为它做了亚像素插值。每个卡尺窗口内HALCON会沿着测量方向获取灰度剖面然后用高斯一阶导数算出边缘位置。这个过程不是只取整像素而是会根据灰度变化的分布用插值估算出边缘的精确位置通常能达到0.1像素甚至更高的重复精度。在0.005毫米/像素的条件下0.1像素就是0.0005毫米也就是0.5微米。这个量级的重复性已经能覆盖0.02毫米公差的需求。这里要记住亚像素精度依赖图像质量。如果图像有运动模糊、失焦、噪声插值算出来的小数位就不可靠。我常在项目里加一道检查连续采集50张图像用同一套参数测量看标准差。如果标准差超过0.3个像素就得先找成像问题而不是继续调算法。5. 参数调试的几个关键技巧和常见问题5.1 用HDevelop的图形窗口快速验证边缘点有时候测量结果偏了但代码看起来没问题。这时候别急着改参数先用HDevelop的显示功能把测量结果可视化看看边缘点到底落在哪。* 清空窗口 dev_clear_window () * 显示图像 dev_display (Image) * 显示测量对象的指导线 get_metrology_object_image (MetrologyHandle, contour, lines, Contours) dev_set_color (green) dev_display (Contours) * 显示实际提取到的边缘点 get_metrology_object_result (MetrologyHandle, Index_Left, all, result_type, all_param, ResultLeft) * 这里可以用gen_cross_contour_xld在边缘点位置画十字丝如果十字丝都压在边缘线上说明参数没问题如果十字丝跑偏甚至飞了那就是ROI位置、极性或者阈值设置有问题。这一步能省下一大半的调试时间。5.2 卡尺数量多了会慢少了会飘计量模型里每个测量对象内含的卡尺数量由模型计算决定大多数情况下默认就好。但有些场景需要手动干预比如边缘比较短或者边缘上有缺口默认的卡尺分布可能不够。我遇到过一个问题槽位边缘有一个磕碰缺口缺口附近的边缘点全部拟合异常导致整条线被拉歪。解决方案是添加一个测量距离上限或者把ROI范围缩小让缺口区域落在测量带之外。另一个技巧是在add_metrology_object的时候可以通过GenParamName额外指定measure_num_caliper参数控制卡尺数量。数量太少边缘点不足拟合不稳定数量太多处理慢而且可能把噪声也当成边缘点。5.3 多边缘干扰同时出现两条边怎么办很多工件边缘不是只有一条线而是有倒角、台阶、过渡带灰度剖面上会出现多个峰值。金属件的倒角最常见边缘还没到真正的轮廓先出现了一条过渡边缘。对付这种问题我有三个办法第一调大MeasureThreshold只保留灰度跳变最剧烈的边缘。倒角的灰度变化通常比较缓阈值一提高它就消失了。第二用measure_select明确告诉模型取第几条边缘。如果真正的轮廓边缘是第二条那就设为last。第三缩小MeasureLength。卡尺搜索范围越小碰到干扰边缘的概率就越低。但这要求指导线位置给得准确。5.4 照明变化导致测量不稳的排查产线的环境光变化是个隐形杀手。上午测得好好的下午阳光照进来图像整体变亮边缘对比度下降测量结果就开始飘。我的应对方案是在算法前加一道预处理用灰度拉伸或直方图均衡把图像调整到稳定范围。但注意任何改变灰度的操作都可能影响亚像素精度所以预处理参数也要固定不能每次都自适应变化。另一个更可靠的办法是改善硬件环境。加遮光罩、用主动光源并锁定曝光时间让图像的灰度分布尽量不受外界干扰。视觉测量项目里硬件稳定永远比软件补偿优先级高。5.5 常见问题速查表问题现象可能原因处理办法边缘点找偏极性设反切换positive/negative/uniform测试边缘点缺失阈值太高调低MeasureThreshold边缘点噪声多阈值太低或平滑不足提高MeasureThreshold或增大Sigma测量结果抖动图像有振动或曝光不稳检查光源和相机固定边缘点飞到远处指导线位置偏移过大增大MeasureLength或修正指导线坐标圆测量结果异常初始半径偏差太大先粗测圆心和半径再带入模型两条相近边缘互相干扰阈值过低或测量带过宽提高阈值、缩小测量带、明确选择第几条边缘6. 我做卡尺测量项目几年下来的一些体会卡尺模型确实好用但想做到产线上稳定运行光靠把代码跑通是不够的。我总结几条比较实际的经验一是测量项目一定要先确认公差需求再定相机。很多项目一开始要求精度很高但实际公差并不紧导致相机成本翻倍。先算清楚公差带对应多少个像素再来定分辨率才能避免过度设计。二是代码结构尽量模板化。我把创建计量模型、设置参数、执行测量、获取结果封装成了一个通用方法输入是图像和期望的ROI配置输出是尺寸结果。换工件只需要在配置里改几个参数不用重写算法。三是结果展示要配套数据统计。一套稳定的视觉系统不能只看单次测量值还要能统计CPK、CP、趋势。HALCON测量结果输出之后我会在C#里算这些指标这样生产线上的人一眼就能看出过程稳不稳。四是预留异常处理机制。测量不是每次都能成功的。边缘点数量太少、拟合结果明显偏差、超出公差这些情况都需要在软件层面返回足够明确的错误信息。我在实际项目里会把测量结果和测量状态一起传给上位机遇到异常时自动触发报警。五是别忘了定期标定。像素当量漂移是视觉系统最大的慢性病。我见过一个项目用了半年之后测量结果整体偏移了0.03毫米排查了很久最后发现是镜头固定螺丝松动导致工作距离变了。从那以后我都在系统里做了一个定期标定提醒功能每天早班时用标准件跑一遍数据自动记录发现偏差立刻提示校准。回到这篇的开头。卡尺模型上手真的不复杂5分钟把基础流程跑通完全做得到但要做到产线上稳定、可靠、可维护还是需要你在成像、标定、参数调试、异常处理这些方面下功夫。希望这篇文章能帮你减少一些弯路。如果你在实际调试中遇到什么奇怪的边缘情况欢迎拿图像代码跟我交流一起把这套工具玩得更透。