2026.05.18征图日记16（改回逐项素积分&优化LiDAR与拍照的时序问题）

上午把测量缺陷的方式从取中间1/4深度，改为了拿到深度图，检测到缺陷后，确定缺陷位置在深度图的哪个位置，只拿到这个部分的深度，之后再进行逐项素积分，对于深度图无数据的地方，用靠近这个位置的其他深度进行填平

之后就在看标定法了，发现标定法只是得到了相机的内参+矫正畸变，对于测量物体的真实长度or面积，还是需要一层像素到物理世界的换算，所以还是需要有一个已知长度的物体，拍照之后在App里面进行标定（Leader说这个很low）

并且在工业上的标定，相机镜头是固定不变的，无论是拍摄照片的解析力，还是精度，都无法和专业的工业相机比较

之后又发现有一个同框标定的方案，不用撤标定板，直接把被测物体放在标定板上面。另外如果都用上标定板了，那为什么不直接用工业的成熟方案呢，还要用手机这种精度低的方式，再说，我现在都不知道这个app的缺陷面积检测是用在什么具体场景，对精度的要求怎么样，固定还是不固定。问mentor也是你先做吧，leader一天也忙得很。

还了解到，激光雷达结合X射线或超声波技术，激光雷达可构建物体内部点云模型，辅助判断孔洞位置与大小。在航空航天领域，该技术已用于检测复合材料层间缺陷。

下午在mentor手机上测了一下发现了几个问题：
1、拍照与深度采集不在同一时刻或相近时刻，导致用户点击拍照后裁切之后拿到的深度数据不与RGB图像匹配
2、深度图像素相对于RGB图片的像素太低，RGB图像中16xx16的像素对应同一个深度
3、保证裁切后的图像拿到的深度数据匹配

还和另一个同事（骏哥）聊了一会标定的东西，和骏哥聊天就舒服多了，不仅仅是因为我做的东西他也在做（他是做机械臂的，机械臂上也有摄像头和激光雷达），并且我们的思维方式很相似。

最后我知道了，标定法只是确定内相机内参，但是还是需要LiDAR的深度数据。

每日温度

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
class Solution {
public:
    vector<int> dailyTemperatures(vector<int>& temperatures) {
        int n = temperatures.size();
        // 递减栈，栈顶元素最小
        vector<pair<int, int>> stk; // 下标，数字
        vector<int> ans(n, 0);
        for (int i = 0; i < n; ++i) {
            // 栈不为空，并且当前遍历到的元素大于栈顶元素，就可以更新结果了
            // 但不能直接更新，需要先将栈顶元素pop，维持递减栈
            // 最后将当前元素入栈
            while (!stk.empty() && stk.back().second < temperatures[i]) {
                pair<int, int> back = stk.back();
                stk.pop_back();
                ans[back.first] = i - back.first;
            }
            stk.push_back({i, temperatures[i]});
        }
        return ans;
    }
};

最长公共子序列

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
class Solution {
public:
    int longestCommonSubsequence(string text1, string text2) {
        int n = text1.size(), m = text2.size();
        // dp[i][j] 表示text1的前i个元素和text2的前j个元素的最长公共子序列
        // 注意下标映射
        vector<vector<int>> dp(n + 1, vector<int>(m + 1, 0));
        for (int i = 1; i < n + 1; ++i)
            for (int j = 1; j < m + 1; ++j) {
                if (text1[i - 1] == text2[j - 1])
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                else
                    dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]);
            }
        return dp[n][m];
    }
};

今日工作内容

  1. 将 LiDAR 面积计算从中心深度平均法改为逐像素积分，每个缺陷像素独立查询深度值并累加 Z²/(fx×fy)；
  2. 新增 depthLookupWithFallback 邻近填充；
  3. 实现 DepthCaptureModule 预热机制（prewarmDepthSession），CaptureScreen 挂载时启动深度 session，拍照后直接取缓存帧，延迟从 ~700ms 降至 ~100ms；
  4. 修复预热→采集的线程竞态问题（串行队列同步）
  5. 重写 CaptureScreen：用 VisionCamera 替代系统相机，快门瞬间同步拍照+LiDAR深度采集；
  6. 复用 openCropper 后裁切；添加 LiDAR 状态指示器；修复竞态问题（相册/快门互斥、卸载后回调守卫、取消裁切清理残留数据）

下阶段计划
1、优化App缺陷测量精度
2、优化App交互逻辑