视场角（FOV）与镜头畸变基础

Key Takeaways

  • 视场角（FOV）定义了相机可观测的空间范围，主要由图像传感器尺寸和镜头焦距决定。
  • 镜头畸变会影响图像的几何准确性，在大视场角条件下尤为明显，需要进行标定与校正。
  • 合理的FOV与畸变控制对于测量精度、感知可靠性和系统集成至关重要。

What is it?

视场角（Field of View, FOV）是指相机能够覆盖的空间角度范围，通常以角度（如60°、90°、120°）表示，可分为水平、垂直或对角视场角。FOV由镜头焦距与图像传感器尺寸共同决定。
镜头畸变是指实际成像偏离理想小孔成像模型的现象，表现为现实中的直线在图像中呈现弯曲。常见类型包括：
  • 桶形畸变（广角镜头）：直线向外弯曲
  • 枕形畸变（长焦镜头）：直线向内弯曲
  • 复杂畸变：实际系统中存在的高阶混合畸变
FOV与畸变密切相关。随着视场角增大（尤其超过90°），畸变通常会显著增强。

How does it work?

FOV的形成基于几何光学原理。在相同传感器尺寸下，焦距越短，视场角越大；焦距越长，视场角越小。这一关系是镜头选型和系统设计的基础。
镜头畸变源于光学系统的非理想特性。实际镜头由多组透镜组成，不同位置入射的光线在折射过程中存在差异，从而导致成像的空间变形。
在工程实践中，畸变通常通过相机内参模型进行描述，包括径向畸变和切向畸变系数。在标定过程中：
  • 使用标准标定板（如棋盘格）进行图像采集
  • 估计相机内参及畸变参数
  • 在软件或ISP中执行去畸变处理（undistortion）
对于视觉系统而言，标定是恢复几何一致性的关键步骤。

Why does it matter?

FOV直接影响场景覆盖范围。较大的视场角可以减少相机数量，提高系统覆盖效率，但会降低单位区域的分辨率，并引入更明显的畸变。
畸变会影响测量精度和算法性能。在三维重建、SLAM、目标检测等应用中：
  • 未校正畸变会引入空间误差
  • 特征匹配稳定性下降
  • 深度估计精度降低
因此，在系统设计中需要在以下因素之间进行权衡：
  • 视场角（覆盖范围）
  • 分辨率（细节能力）
  • 畸变（几何精度）
  • 计算成本（校正与处理开销）

Applications

不同应用场景对FOV和畸变的要求差异明显：
  • 机器人：需要大视场角用于导航与避障，同时通过标定保证空间一致性
  • 工业检测：通常采用较小或中等FOV，优先保证低畸变和高测量精度
  • 智能零售与安防：采用大视场角实现区域覆盖，并通过算法进行畸变校正
  • AR/VR与智能眼镜：超大视场角结合实时畸变校正与高性能处理
  • 物流与条码识别：根据工作距离与目标尺寸优化视场角设计
每类应用都需要在光学设计与算法补偿之间进行系统性平衡。

SGI Solution

SGI将FOV与畸变问题视为整体视觉系统设计的一部分，而非单一器件选择问题。
在硬件层面，SGI支持从窄视场高精度镜头到超广角镜头（>120°）的多种光学方案，并结合不同尺寸的图像传感器，实现视场覆盖与像素密度的匹配。
在系统层面，SGI提供：
  • 相机标定流程（内参与外参）
  • 畸变校正算法（实时或离线）
  • ISP调优以保证图像一致性
  • USB与MIPI接口优化，以平衡带宽与延迟
对于多相机或3D视觉系统，还会考虑跨相机的一致性标定与畸变统一，这对于深度融合与空间感知至关重要。
最终形成的是面向具体应用优化的视觉系统，其中FOV与畸变是可控的工程参数。
广角相机 超广角设计，适合大范围监控和导航应用。 全局快门相机 配合低畸变镜头，适合工业检测和精密测量。 MIPI相机模组 低功耗嵌入式方案，支持定制化FOV设计。 智能眼镜应用场景 了解超大视场角在可穿戴设备中的应用需求。

Related Topics