机器视觉提高了批量生产的机器人工作单元的质量

在任何一天，我走出办公室，都能看到几十个(如果不是数百个的话)机器人整齐地排成一排，等待着为集成做好准备。它们看起来都一模一样，但事实并非如此。每一块金属，每一个伺服关节，都与下一个有细微的不同。让这些机器人工作，根据工作单元的温度，机器人的物理尺寸会随着金属膨胀(或收缩)和电力效率的变化而再次发生变化。

这些机械和电气的变化(或错误)一个接一个地叠加在一起，决定了机器人的整体精度。机器人的精度被定义为在太空中到达预定地点的能力。客户经常尝试使用具有0.1毫米重复精度的机器人来定位0.1毫米精度内的零件，因为他们忽略了机器人的真正精度——根据需要返回空间中给定位置的能力。

视觉引导机器人(VGR)，或使用连接到运行图像处理软件的计算机的工业摄像机来确定机器人控制的偏移量，通过提供一种客观的方法来确定机器人在3D空间中的位置和方向，而不是它应该在的位置，来对抗这些影响。但机器视觉也有一个堆栈错误，这取决于许多因素，从照明和传感器响应的内在变化，到由于材料处理系统而导致的表面光泽度和零件外观的外在变化。

不幸的是，大多数终端用户不了解精度和可重复性的来源，也不了解如何解释机器人和视觉系统中的堆栈错误，以创建有效的VGR解决方案。需要有机器视觉和机器人编程的经验，才能根据真正的机器人堆栈误差与正确的机器视觉系统匹配，定义一个完整的应用程序规范。

拥抱独特

每个VGR应用程序都是不同的。它是不同的，因为每个机器人、环境、制造部件和工艺都是不同的。因此，有许多方法可以剥开众所周知的洋葱，但最终的目标是设计一个系统，以最少的成本，根据已知参数，以特定的速率完成特定的任务。

这一切都始于对应用程序需求的完整和透彻的理解。是什么角色?它是如何根据实际生产(而不仅仅是CAD文件)对机器人的大小、纹理和方向进行变化的?从温度到光线的变化，工作单元的环境条件是什么?机器人需要对零件做什么，这将如何影响你对机器人的选择，包括速度、力，以及零件质量和动量对机器人位置的影响?(参见惯性测量的相关文章。)

有了这些信息(以及更多信息)，大多数客户将根据其工厂车间已经安装的机器人，对特定的机器人原始设备制造商(OEM)有偏好。根据零件的变化和零件位置的要求，有经验的设计师可以帮助选择特定的机器人模型应用。每个机器人都是独一无二的运动学模型，由独特的机械部分和独特的电气(或液压)控制组成。大多数机器人原始设备制造商提供绝对精度服务，该服务将确定单个机器人的绝对精度，这对于机器人和视觉堆栈误差非常接近应用程序的材料处理精度和可重复性要求的应用程序非常有用。

在确定应用需求并选择合适的机器人之后，设计师必须弄清楚如何对机器人进行编程以完成其工作。机器人将需要帮助来寻找进入的部件，要么通过固定装置以给定的3D位置和方向一致地将部件呈现给机器人，要么通过使用视觉系统来提供标准机器人路径的偏移量，以适应部件位置和方向的变化。

如今，越来越多的制造商正在使用视觉而不是固定装置，因为固定装置是一项定制费用，通常不能在不增加额外成本的情况下灵活地处理同一条生产线上的不同部件，或者提供在工厂其他部分重用机器人工作单元的机会。机器视觉系统可以重新编程，假设系统及其组件满足新应用程序的特定需求(一个很大的如果)，可以像任何其他资产一样部署在工厂周围。

把视野放入VGR

一旦明确定义了应用程序，下一步就是确定机器人需要从视觉系统中获得什么样的信息来执行必要的规范。在平坦的输送带上，零件是否相对平坦，因此2D视觉系统就足够了?除了X和Y信息之外，应用程序是否需要方向和相对高度信息-因此，2.5D视觉解决方案?或者除了提供零件上凸耳或挑点的偏移量外，您是否需要用于孔检查的绝对3D信息?

2D和2.5D的解决方案相对简单，通常只需一台摄像机就可以解决，前提是在必要的视野范围内，每个像素都可以获得最小的空间分辨率。而在3D视觉方面，设计师有多种选择，即单摄像机3D、单或多摄像机3D结构光三角测量，以及多摄像机立体视觉。这些方法各有优缺点。例如，单相机3D解决方案可以在相对狭窄的视场中非常精确，但可能需要多个图像来创建3D点集。对于大面积的视场，立体成像是高度精确的，并且可以通过使用结构光源(如光栅投影仪、LED或激光线发生器)进一步提高，但需要更多的硬件。所有这些系统都依赖于频繁的校准程序，以确保颠簸、热膨胀和其他因素不会产生不准确的3D数据。

机器视觉系统中最不为人所知的因素之一涉及照明。照明，更重要的是，照明的变化将极大地影响机器视觉系统，无论视觉解决方案的维度方面如何。照明通常被认为是视觉解决方案的最后一部分，但应该在设计的早期就考虑到，因为相机感知到的光与部分的相互作用是成功的机器视觉解决方案的基础。

例如，如果你的工作单元是在一个有窗户的房间里，红外光可能不是最好的选择，因为太阳的光在可见光谱的红色和红外端最强。要确定光的最佳“颜色”(白色、蓝色、琥珀色、红色等)，需要了解光的物理和光学。VGR工作单元是否需要感知部件上非常相似的颜色，例如，需要彩色摄像机和灯光?或者颜色的差异是否足够大，以至于带通滤光片和互补色光的灰度相机可以提供更便宜的解决方案和更少的数据处理?

关于配色照明的艺术有很多可说的，但一个基本的经验法则是:不要使用与房间中环境光相似的光源，也不要使用与部分颜色相反的光，因为它会吸收光线(除非你考虑的是逆光或暗场照明)。

简单的事就是简单的事

一个成功的VGR解决方案需要仔细考虑机器人和视觉系统的应用和特定性能要求，以及组合VGR解决方案在应用和相关生产设备方面的总体性能。解决方案通常很复杂。虽然对你的VGR设计师来说，拥有机器人编程和视觉系统设计专业知识是很有用的，但很少有公司同时提供这两种技能。如果您找不到这样的集成商来帮助指导您的系统开发，一定要向您的视觉或机器人集成商询问设计方程另一边的合作伙伴。他们的经历是什么?他们能证明什么?

平心而论，VGR解决方案并不一定是机器视觉能够帮助解决的最复杂的自动化问题。许多机器人供应商提供可选的机器视觉系统，这些系统很好地集成到他们的机器人控制系统中。然而，视觉系统并不是视觉解决方案。光是优化光、相机和光学部分的物理就需要相当多的知识和专业知识。不要害怕询问供应商过去的经验和客户推荐情况。此外，协会[如自动成像协会(AIA)，北美机器视觉行业贸易协会和控制系统集成商协会(CSIA)]有通过认证视觉专业和认证系统集成商课程的公司名单。这些公司已经在广泛的应用程序和设计环境中证明了他们的系统设计知识。与合适的供应商合作，VGR解决方案可以将竞争优势重新纳入运营。

Nick Tebeau是Leoni公司愿景解决方案事业部工业解决方案经理。由CFE Media内容经理马克·t·霍斯克编辑，控制工程而且设备工程，mhoske@cfemedia.com．

在线

在www.globalelove.com/archive，八月，看这篇文章的链接，更多信息。

www.leonivisionsolutions.com

关键概念

• 使用来自机器视觉的反馈来更精确地定位机器人，以获得更高的质量。
• 将技术与应用相匹配。
• 适当的照明有助于机器视觉的准确性。

考虑一下这个

如果视觉能引导机器人，那么它还能增强哪些运动控制应用呢?

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。