应用领域：3D,机器视觉,机器人,汽车行业,运动控制
在2015年年初美国举办的A3（自动化推进协会）商务论坛上，来自福特汽车公司和通用汽车公司的工程师们分享了各自关于机器视觉技术的发展愿景，他们认为目前广泛应用于汽车工业的机器视觉系统仍然存在着机遇和挑战。A3代表着自动化推进协会，它包括了如下组织：机器人工业协会（RIA）、运动控制协会（MCA）以及自动化图像处理协会（AIA）。
福特公司动力传动部门先进生产工程组的技术专家Frank Maslar，分析了汽车行业对于机器视觉参数及其性能的特殊需求。汽车组装过程的特性包括：在所有方位（重复和相似的部件、表面的差异）误差小于5mm，部件在工作站停留20到30秒，生产线24/7运行。因为在汽车组装生产线，每分钟的停机会导致上万美元的损失，所以易于从机器视觉故障中恢复对生产商来说十分重要。视觉被定义为标准生产线的一部分。如果机器视觉故障，生产线就会停止。任何视觉系统都应遵循六西格玛质量管理标准，即每百万最多有3个不合格产品。
机器视觉的光源设计
来自通用汽车公司动力传动生产工程的首席工程师、认证高级视觉专家Stephen Jones认为，艺术和科学不是一回事。实施机器视觉系统需要科学，也应该按照科学的、而不是艺术的态度来对待。应提前制定规则，量化结果。
有时，机器视觉应用的开发是一个迭代的过程，但并不是所有的情况都是这样。必须做足准备，充分理解部件设计性能和实际性能之间的变动。此外，也需要具有足够专业知识的应用专家和更好的工具来应对，Jones说。例如，如果一个部件是潮湿的，那在视觉表现上可能就有非常大的差距。
当采用LED光条用于机器视觉时，如果可以以文件的形式提供波长、光强、在整个现场区域光源的一致性以及由于距离而导致的衰减等信息，无疑是非常有帮助的。Jones说，最近检查的产品中，半数没有量化光源输出。没有这样的规格书，就没有办法非常确定地回答是否可以使用某种特定的光源作为替代。
“如果生产线的配置改变，照相机将不得不向后移动8英寸，这将会有哪些影响？” Jones说道，“如果没有光源强度信息，我们无从知道。”
被检测物品的表面差异对于金属表面，其反射特性对机器视觉质量的影响非常大。随着切削工具路径和深度的不同而有很大的变化。根据不同的表面状况，当同样的部件旋转45度时，在照相机中采集的结果可能是完美的，也可以是糟糕透顶。
问题是，“给定差异，我们如何给出解决方案？” Jones问道。
Jones展示了不同的图片，一张发灰，一张发亮，放在同样的传送台上，但是曝光时间增长，并问道，“如果第一张的质量较差，那第二张是否可以接受？利用多个部件，是否可以将多个图片整合起来？这些选项并不是那么容易配置的。”
对于集成了处理器、镜头的智能相机，在光线不是最佳的情况下，需要在软件上下足功夫，以便从6个图片中获得最佳的图片，Jones建议道。
当采购相机时，也许能够获得或猜测目前应用或将来应用的光线特性。一旦选定智能相机，可能很难去适应未来的变化。
更优的资源分配
汽车工业的时间周期与很多其它工业的不同。更长的时间周期意味着过程资源经常是空闲的。将来， 150 GigE相机可以连接在多个网络，利用可编程逻辑控制器（PLC）来触发需求。计算能力可以分布在位于一个软件开发环境下的多核处理器中，每个工作站都有可用的工具。
表：视觉传感器的数据融合
利用视觉传感器的数据融合，而以前每种数据类型一般情况下只在其原始环境中使用专门为这种环境而开发的工具进行处理。
3D机器视觉
Maslar展望了3D数据的可视化进展。目前，我们通常采用2D图像来显示3D数据。系统需要在3D空间内工作，利用数据展示实体模型，实现缩放或旋转功能。3D视觉数据尚不能提供这些功能；还需要3D边缘处理工具,以及3D环境下所需的其它复杂的视觉工具。
目前，有一种3D点云数据（Point Cloud），它是将扫描资料以点的形式记录，每一个点包含有三维坐标，有些可能含有颜色信息（RGB）或反射强度信息（Intensity）。点云数据除了具有几何位置以外，有的还有颜色信息。颜色信息通常是通过相机获取彩色影像，然后将对应位置的像素的颜色信息（RGB）赋予点云中对应的点。它可以将部件的材质和颜色等一对一的展示在统一的工作空间内。它更直观、易用，可以对各种数据进行操作。
离线编程和虚拟化
3D机器人导航系统已经出现10年了，但是仍然复杂得难以应用。在机器视觉系统和机器人控制器之间应该有一种标准——即插即用，Maslar建议。
3D机器人导航应充分利用视觉系统的离线编程优势。视觉系统的应用程序编程应利用可视化工具。部件的实体模型应包括表面材质以及提供机器图像展现的形式。
视觉系统离线编程应该将在任何部件连接起来之前，通过虚拟的方式完成，Maslar说道。机器人工作单元的故障恢复，应利用嵌入式故障恢复提示来图形化显示故障，从而充分利用仿真环境。
“今天，大多数与机器人的交互，都是通过基于文本的交互装置完成。我们应该将仿真装置引入到工厂车间，充分利用虚拟工具。故障恢复可以采用虚拟化的方式执行，以便降低机器人动作中的风险。” Maslar补充道。
|
