2026.05.06征图日记8（调app&&像素面积向真实物理面积的转换）

上午来了依旧先接水+上厕所+摸🐟

过了一会mentor叫我配置ssl证书，现在是自签的，如果用户要用这个App还需要安装我们的自签证书。很不方便

后来leader说先跑通给大老板看过没问题后再考虑这些问题

之后就在写界面，leader和我说了要修改的地方

  1. 添加app图标为公司图标
  2. 参数默认隐藏到高级选项里面
  3. 用户拍照后再参数配置界面可以框选特定区域
  4. 在结果查看界面支持用户缩放图片

接下来基本就是围绕app的交互和界面进行优化

bug：app主界面的最近检测栏不显示历史记录，点击查看全部却可以看到

今日工作内容：

1、调通app前后端
2、优化app交互与界面：

  • 添加app图标为公司图标
  • 结果查看界面支持用户缩放图片
  • 参数配置界面，参数默认隐藏到高级选项
  • 用户拍照或者从相册选择后在参数配置界面可以框选照片特定区域
    3、fixbug：app主界面的最近检测栏不显示历史记录，点击查看全部却可以看到
    4、fixbug：剪裁标定的图像和实际上传的图像位置不统一（坐标计算出错）

下阶段计划：
1、继续优化app交互逻辑
2、优化app稳定性
3、国际化，支持中英转换（默认英文）
4、添加模型介绍
5、新增功能：结果可显示物理面积与长宽（这个需要拿到相机数据和像素个数）

项目名称（可以这样写）

基于 iOS + OpenCV 的移动端工业缺陷检测与物理尺寸测量系统

或者：

基于 ARKit / OpenCV 的手机部件缺陷检测与面积测量系统

STAR 法则版本（推荐简历写法）

S（Situation｜项目背景）

在手机部件工业检测场景中，需要通过 iOS App 对零部件缺陷进行检测，并将后端 AI 返回的缺陷像素区域进一步转换为真实物理面积（mm²），用于划痕、缺口、瑕疵等缺陷量化分析。

项目初期存在的核心问题：

  • 手机拍摄距离不固定
  • 拍摄角度存在倾斜
  • 不同设备焦距存在差异
  • 单纯依赖像素面积无法准确恢复真实物理尺寸

导致缺陷测量结果稳定性较差，无法满足工业检测场景对精度与一致性的要求。

T（Task｜任务目标）

负责调研并设计移动端缺陷面积测量方案，实现：

  • iOS 端相机数据采集
  • 缺陷像素面积与真实物理面积转换
  • 动态恢复 mm/pixel 尺度关系
  • 提高自由拍摄场景下的测量稳定性与精度
  • 支撑后续工业检测 App 的落地

A（Action｜具体行动）

1. 调研移动端空间测量与工业视觉方案

对比分析了：

  • 纯相机参数测量
  • ARKit 空间测距
  • OpenCV 标定方案
  • 深度估计方案

重点分析：

  • 距离变化对 mm/pixel 的影响
  • 自动对焦与广角畸变问题
  • 透视变形导致的面积误差

2. 选择“OpenCV + 标定板”作为核心方案

最终采用：

id
1
OpenCV + ArUco Marker + Homography

作为主要测量方案，而非单纯依赖 ARKit。

核心原因：

  • 标定板可提供稳定的绝对物理尺度
  • 相比 ARKit 的空间估计，误差更可控
  • 可动态恢复不同距离下的 mm/pixel
  • 更适合工业检测场景对稳定性与一致性的要求

3. 设计动态尺度恢复流程

实现流程：

id
1
2
3
4
5
6
7
8
9
10
11
iOS拍照
  ↓
OpenCV识别 ArUco Marker
  ↓
透视矫正（Homography）
  ↓
动态计算 mm/pixel
  ↓
后端返回缺陷 mask
  ↓
换算真实物理面积

4. 研究 iOS 空间能力

调研：

  • ARKit
  • ARPlaneAnchor
  • ARCamera
  • Depth API

分析其：

  • 空间定位能力
  • 平面检测能力
  • 深度恢复能力

并评估其在工业测量场景下的适用性与精度边界。

5. 解决工业测量关键问题

重点解决：

  • 拍摄距离变化导致比例失真
  • 手机倾斜导致透视误差
  • 广角镜头畸变问题
  • 自动对焦导致焦距变化问题

并通过：

  • Marker 标定
  • Perspective Transform
  • 相机标定

提升测量稳定性。

R（Result｜结果成果）

  • 完成移动端工业视觉测量方案设计
  • 实现缺陷像素面积向真实物理面积（mm²）转换
  • 构建动态 mm/pixel 恢复流程
  • 提高自由拍摄场景下的面积测量稳定性
  • 输出移动端工业检测 MVP 技术方案
  • 为后续 AI 缺陷检测与工业测量系统落地提供基础能力

面试增强版（更技术）

你还可以补一句：

在方案选型过程中，没有直接采用纯 ARKit 测距方案，而是基于工业检测场景对稳定性和精度的要求，选择了“标定板 + OpenCV”的经典工业视觉方案，以降低 SLAM 漂移、深度估计误差及设备差异对测量结果的影响。

简历精简版（一段）

iOS 工业缺陷检测系统（实习项目）

负责移动端工业缺陷检测方案设计，基于 iOS + OpenCV 实现缺陷像素面积向真实物理面积（mm²）的转换；调研 ARKit、深度估计与相机标定方案，最终采用 ArUco Marker + Homography 的工业视觉方案动态恢复 mm/pixel，解决自由拍摄场景下因距离变化、透视变形、镜头畸变导致的测量误差问题，提升工业检测场景下的面积测量稳定性与精度。