Third Assignment lightning vision

[棱光智构-lightning visio]

“棱光智构”机器视觉项目作业博客

目录

• “棱光智构”机器视觉项目作业博客
• 一、项目概述
• 二、项目关键点与挑战分析
• （一）核心关键点
• （二）潜在挑战
• 三、团队分工及贡献占比
• 四、团队协作方式
• 五、附件链接

一、项目概述

“棱光智构”是EE308课程的工业级的全栈机器视觉软件原型开发项目。项目以光度立体算法为核心，融合C++/QT、OpenCV、CMake三大核心技术，构建“前端界面-接口层-算法层”解耦架构，本项目聚焦三大核心应用场景：

• PCB焊盘缺陷在线检测
• 金属手机外壳微划痕出厂质检
• 博物馆青铜文物3D数字化存档

项目旨在降低工业视觉检测技术门槛与硬件成本，同时还可以提供开源、可二次开发的完整解决方案，兼具教学与产业价值。

二、项目关键点与挑战分析

（一）核心关键点

1. 技术精度与稳定性：需保障光度立体算法核心性能，如金属外壳划痕检出长度≥0.05mm、PCB缺陷检测高度精度达0.01mm级；同时实现QT前端与算法动态库的稳定对接，避免界面卡顿或数据传输异常。
2. 场景化功能落地：针对三类场景开发定制化功能，如文物场景的非接触式处理（符合文保要求）、PCB场景的实时触发与PLC联动，需确保功能与场景硬件（工业相机、LED灯组、分拣臂）的兼容性。

（二）潜在挑战

1. 算法优化难度高：光度立体算法对光照条件、图像噪声敏感，可能出现“算法精度不达标”（如误差率超5%），需反复调试参数（如光强、法向量计算逻辑），且工业场景中复杂工件（如PCB密集线路）可能导致算法适配性不足。
2. 工程规范执行偏差：学生团队可能因经验不足，出现“前后端解耦不彻底”（如界面直接调用算法核心代码）、Git提交不规范（无清晰注释、版本混乱）、测试覆盖不全（仅验证功能，未测边界场景），导致项目后期维护困难。

三、团队分工及贡献占比

成员id	工作内容	贡献占比
Gao Weixiang	统筹项目整体进度，协调前后端协作，解决跨模块技术冲突；制定绩效评估规则，把控项目交付质量和演示效果，负责项目最终审核与整合	8.33%
Linge Huang	基于 QT 实现软件 GUI 界面开发，包括控件布局、中文美化、交互逻辑设计（如参数输入、结果展示窗口）	8.33%
Jieming Gao	负责光度立体算法原理落地、OpenCV 接口调用、法向量求解逻辑实现，以及算法精度优化	8.33%
Yining Guo	承担CMake工程配置、核心算法动态库封装与调试，处理后端模块依赖管理	8.33%
Ningning Zheng	处理界面兼容性、响应速度优化，以及软件使用说明文档撰写	8.33%
Yang Lihao	负责光度立体算法原理落地、OpenCV 接口调用、法向量求解逻辑实现，以及算法精度优化	8.33%
Zheng Yijie	负责光度立体算法原理落地、OpenCV 接口调用、法向量求解逻辑实现，以及算法精度优化	8.33%
Huang Yihao	设计算法测试用例（如标准数据集、自制缺陷样本），验证算法稳定性和缺陷检测准确率，输出测试报告	8.33%
Xiong Liukun	承担CMake工程配置、核心算法动态库封装与调试，处理后端模块依赖管理	8.33%
Lin Canran	基于 QT 实现软件 GUI 界面开发，包括控件布局、中文美化、交互逻辑设计（如参数输入、结果展示窗口）	8.33%
Xu Yihan	负责 QT 多线程适配（确保算法运行不阻塞界面）、UI 与后端接口对接，实现数据传输和结果可视化	8.33%
Zhang Xiaohan	负责 QT 多线程适配（确保算法运行不阻塞界面）、UI 与后端接口对接，实现数据传输和结果可视化	8.33%

四、团队协作方式

1. 进度与版本管理：通过Git仓库同步代码（要求提交含清晰注释），使用飞书OKR跟踪任务进度；每周召开1次线上协调会，解决跨模块问题（如前端调用后端动态库报错）。
2. 文档共享机制：在腾讯文档中实时更新需求规格说明书、接口定义手册；测试报告需同步至所有成员，确保算法缺陷或功能问题及时暴露。

五、附件链接

1. 软件需求规格说明书：
   
   软件需求规格说明书.pdf 4.35M

2. 需求分析报告PPT：
   
   分析报告.pdf 11.96M

3. 团队成员贡献表：
   
   贡献表.md 2.09K