近年来, 随着机器视觉的迅速发展, 机器视觉技术的快速性、精确性、智能化特性已广泛应用到现代工业的各行各业中?；魇泳跸低呈且恢址墙哟ナ降墓庋Т邢低? 其同时集成软硬件, 能够自动地从所采集到的图像中获取信息或产生控制动作。简言之, 就是用计算机模拟人眼的视觉功能, 从图像或图像序列中提取信息, 进行处理并加以理解, 最终用于检测、测量和控制。典型的工业机器视觉系统使用摄像机采集被测目标的图像信息, 然后将模拟图像信息转换为数字图像信号传送给上位机的数字图像处理系统, 处理系统中会根据图片的像素分布、亮度、标志点和颜色等信息, 运算出被测目标的位姿和形态等信息, 最后根据测试得到的信息控制驱动执行器进行响应的操作。
机器视觉在工业领域中的应用广泛, 主要有三个功能:视觉测量、视觉引导和视觉检测。视觉测量针对的是精度要求较高的一些零部件, 精度要求为毫米级甚至为微米级，使用人的肉眼无法完成必须使用机器完成, 如对高精度螺纹螺孔的尺寸需要通过机器视觉的方式进行测量, 保证连接的间隙和精度；视觉引导是要求机器视觉能够快速准确的找到被测零件, 并确认其位置, 引导机器人机械臂准确抓取，如视觉引导随机抓件, 通过扫描工具箱内随机分布的零件得到三维图像, 采用模式识别的方式, 在三维图像中获取机械臂抓取工件的最佳点, 引导抓取实现自动化生产; 视觉检测是使用机器视觉系统检测生产线上的产品有无质量问题, 对其美观度、舒适度和使用性能进行检测，是取代人工最多的环节?；魇泳跫蟮奶岣吡斯ひ瞪械娜嵝院妥远潭?，并且能够在危险作业环境中完成一些人工难以完成的工作, 在大批量的生产中极大地减少了人工的使用, 并提高和保证了生产的质量。
值得指出的是, 机器视觉技术在现代工业典型代表的汽车工业中的应用已十分广泛, 本文也将以汽车制造业为例, 重点讲述机器视觉技术在现代汽车制造中的典型应用?；魇泳跫际踉谄抵圃煲抵械挠τ? 极大地提高了工艺的操作质量和效率, 降低了劳动强度。其已成功地应用于国内外许多汽车主机厂, 包括车辆及零部件自动检测、零件三维定位、车身组装/加工, 零件追溯等?；魇泳跫际醯挠τ靡压岽┝苏銎党瞪碇圃旃? 包括从初始原料质量检测发展到汽车零部件100%在线测量, 再对制造过程中的焊接、涂胶、冲孔等工艺过程进行把控, 最后对车身总成、出厂的整车质量进行把关。
视觉测量
随着视觉非接触测量技术引入至车身质量监控环节, 逐渐发展了固定式在线测量站与机器人柔性在线测量站等在线测量系统, 可严格监控车身尺寸波动, 为生产工艺改进提供数据支持, 车身测量实现了离线测量至100%在线测量的转变; 除传统三坐标测量、激光在线测量之外, 蓝光扫描测量、表面缺陷测量等视觉测量方法也逐渐成为汽车质量把控的重要手段, 这些测量方式可进行更加精细的测量, 可对车身基本特征尺寸、车体的装配效果、缺陷等问题提供高效高精度的监控。目前, 多种监控测量手段互相结合, 可以实现车身从零件、部件, 以及整车的全程监控测量, 确保生产零件零缺陷、整车制造质量得到保障, 同时机器视觉的引入使得汽车生产更加智能, 不仅实现了车身尺寸的测量, 而且基于测量数据可以对汽车进行细致多样的分析并自动产生报告, 实现实时报警。
激光在线测量
汽车白车身是轿车所有零部件的基本载体, 白车身的制造尺寸精度直接影响汽车车身外形、气动性能, 以及制造成本等, 因此, 对尺寸控制机构的制造是提高车身质量的必要条件之一, 车身尺寸的先进检测方法是控制汽车制造尺寸精度的关键手段。激光在线测量技术基于三角测量原理, 其利用线状激光构造被测特征, 结合有效的照明, 获得被测特征的表面信息, 相机拍摄特征图像, 通过图像处理技术得到被测特征在图像上的二维(2D)坐标, 再通过三角测量模型将2D坐标转换为传感器坐标系下的三维(3D)空间坐标。在线测量技术根据不同的应用场景可分为固定式在线测量系统与机器人柔性在线测量系统，固定式在线测量系统包含多个测量传感器, 每个传感器的位置固定, 传感器在各自的坐标系(传感器坐标系)中进行测量, 得到被测点在传感器坐标系下的坐标, 最后通过坐标系统一将被测点的测量结果系转换至车身坐标系下, 从而完成测量?；魅巳嵝栽谙卟饬肯低秤啥嘧杂啥鹊墓ひ祷魅擞氚沧霸诨魅四┒斯亟诘娜嵝源衅髯槌伞５被魅私邮盏讲饬啃藕诺目际? 根据预先计划的测量路径驱动视觉传感器的运动, 并将测量点依次进入传感器的测量区域, 由视觉传感器和测量主机完成测量?；魅巳嵝栽谙卟饬肯低辰衔榛? 可以测量车身上机器人可以到达的特征, 固定式在线测量系统只能测量固定有限范围, 适用于测量机器人无法到达的特征(如底板上的特征)。
蓝光扫描测量
在汽车生产中, 形貌测量是产品质量控制中的重要部分。汽车车身外覆盖件的形貌精度直接影响了汽车部件可装配性和气密性, 及时发现车身外覆盖件的尺寸与形貌异?？梢源蟠蠼档统龀Р返娜毕萋? 对车身外覆盖件的精密获取还能反映冲压工序中模具的工作状态和寿命。
蓝光扫描技术可获得高密度的测量数据应对复杂曲面多变的形貌特征与曲率变化, 有效实现复杂曲面的精细化测量, 其扫描测量精度可以达到±0.02 mm, 在单幅0.5 m范围内可以获得上千万个高密度点云数据。通过采用高精度拼接技术, 蓝光扫描测量可以有效统一局部测量数据至全局坐标系下, 满足大型构件测量范围的要求, 与此同时, 通过结合机器人运动平台, 可以提高测量效率与自动化水平, 实现无人干预工作, 基于这些特点, 可以对车身零部件及整车进行非常细致的质量评价, 包括表面形貌评价和局部特征评价。
表面质量检测
汽车涂装是汽车生产制造过程中一个重要的环节, 车身喷涂不仅可以提供外观装饰, 而且可以对车身表面进行?；?。然而, 在实际的涂装生产中, 由于涂装车间环境的影响, 油漆的质量和涂装工艺的不同, 使得涂膜的车体很容易产生不同类型的缺陷，比如杂质、喷涂污染等典型表面瑕疵, 如何准确地实现汽车表面涂装质量自动化测量极其关键。
为提升效率、减少人工, 基于机器视觉的汽车表面质量测量已开始应用在汽车涂装检测领域。与传统人工目视测量相比, 视觉表面质量测量采用全自动检测, 具有极高的敏感度和大视野, 可高效、高精度、全方位的对汽车涂装质量进行检测, 最大限度的避免整车返工。
视觉引导
视觉引导技术结合了多种视觉检测技术与机器人运动学原理, 旨在为工业现场的每台机器人安装“眼睛”。视觉引导系统将突破机器人只能单纯地重复示教轨迹的限制, 使其能根据被操作工件的变化实时调整工作轨迹, 提升机器人智能水平, 促进生产效率, 提高生产质量, 比如通过引导机器人自动上下料和引导物流及输送设备定位等。后来, 视觉引导技术逐渐渗透到汽车制造的全过程, 比如引导机器人进行最佳匹配安装、精确制孔、焊缝引导及跟踪、喷涂引导、风挡玻璃装载引导等, 目前, 视觉引导技术在汽车制造过程中的应用越来越广泛, 对汽车制造往智能化方向发展发挥着越来越重要的作用。
视觉引导抓取
汽车制造中的焊装工艺主要是将各类零部件通过焊接、胶粘等连接工艺组装成各类分总成, 再将各分总成装配成一个白车身总成。车身车间的上件模式主要分为人工上件, 超高精度料箱上件, 视觉引导抓取上件。视觉引导抓取方法将机器人与视觉测量相结合, 突破机器人只能单纯地重复示教轨迹的限制, 使其能根据被操作工件的位置变化实时调整其工作轨迹, 准确抓取工件, 直接提升整个车身制造过程的自动化效率。
视觉引导抓取方法中, 需要在机器人上分别集成测距传感器与视觉传感器并标定, 抓取时首先读取测距仪数值实时感知零件与机器人相对位置, 引导机器人接近料箱; 其次通过视觉传感器对料箱内配件拍照, 结合零件自身特征(例如孔、角点等)的三维信息, 实现零件相对于初始状态的6自由度(3方向位置及3方向旋转角度)精确定位, 继而计算工件位置及角度的偏移, 反馈修正取件机器人的抓取轨迹。
视觉引导装配
基于视觉引导的机器人自动装配已成为车身装配的主流发展方向, 其将机器视觉技术与工业机器人结合起来, 通过视觉引导机器人, 实现汽车配件高精度安装, 极大地提高了环境适应能力以及智能化程度。在机器人装配过程中, 只有考虑到视觉导引和定位技术的装配要求, 才能充分发挥技术优势, 提高机器人抓取和放置的精度。
视觉引导装配与视觉引导抓取不同, 其需要高精度保证配件与车身相对位姿的一致性, 故视觉引导装配系统需要配置多个激光视觉传感器。
视觉引导加工
视觉引导加工是指利用视觉测量技术测量每台车的特定区域尺寸信息, 并根据其实际状态引导机器人进行精确切割、制孔、打磨等。激光加工技术具有先进、快速、灵活, 以及准确的特点, 如激光焊接、激光切割等技术在汽车制造中应用越来越广泛, 将机器人、激光加工技术, 以及机器视觉技术结合在一起可以充分利用各自的优势, 实现自动化的高精度加工。
视觉检测
如今的产品生产、检测与机器视觉紧密相关，通过机器视觉检测还可以对产品进行制造工艺检测、自动化跟踪、追溯与控制等。其中具体包括通过光学字符识别(OCR)技术获取车身零件编码以保证零件在整个制造过程中的可追溯性, 通过识别零件的存在或缺失以保证部件装配的完整性, 以及通过视觉技术识别产品表面缺陷或加工工具是否存在缺陷以保证生产质量。
制造工艺检测
车身制造过程中大量使用了焊接、胶粘等连接工艺, 胶粘工艺可以起到增强结构、紧固隔振、密封?；さ茸饔?。涂胶环节由于其工作环境恶劣、工作强度高、运动精度高, 以及稳定性好, 涂胶工艺逐渐由手工涂胶改为机器人涂胶, 涂胶自动化已逐渐成为一种趋势。
当前基于机器视觉实现自动化检测的涂胶检测工艺, 已经可以实现边涂边检。涂胶检测时, 提前将胶枪与视觉传感器等检测装备同时固定在机器人上, 视觉传感器工作视场调整至涂胶区域处, 视觉传感器跟随胶枪一起完成涂胶动作, 在此过程中, 视觉传感器实时采集涂胶图像供后续处理分析使用。之后, 通过图像处理方法对采集到的胶条照片进行检测与分析, 保证涂胶质量与涂胶的连续性。
焊接在结构件成形中扮演了非常重要的角色, 对焊后的焊缝进行抛磨是消除焊接材料内部应力, 生成光滑的焊接表面的关键技术。然而, 工业现场主要依靠人工通过肉眼观察焊缝外观, 劳动效率低且检测会引入人眼误差。视觉检测的出现有助于实现机器人自主抛磨焊缝质量的评价, 其良好的稳定性、高效率等特性必将取代传统的人工视觉探测方法。
焊缝余高以及熔宽是评价焊接质量的关键要素, 目前应用最广泛的是线结构光视觉与工业机器人的组合, 线结构光视觉传感器安装在机器人上, 通过示教后的机器人跟踪整条焊缝并用视觉传感器拍摄焊缝信息。但由于焊接过程中的飞溅、弧光、甚至高温等干扰因素的存在, 焊缝引导及焊缝跟踪对视觉系统的防护功能提出很高的要求, 通过图像处理算法对拍摄的图片进行特征分析提取, 准确获取焊缝余高以及熔宽。
在焊缝检测过程中, 首先为机器人自动抛磨焊缝提供有关参数, 规划机器人磨抛路径, 带动焊枪与视觉传感器协同运动, 与此同时通过线结构光传感器基于三角测量法计算得到相应位置的焊缝余高以及熔宽信息, 高速处理拍摄的图像, 提取焊缝余高以及熔宽信息, 对焊接质量进行评价, 实现焊接过程的智能化和柔性化。但由于焊接过程中的外界干扰问题, 视觉传感器需要增加防护功能, 满足一定防护等级, 并能够防飞溅和自我冷却。
存在/缺失检测
机器视觉同样可应用于汽车零部件质量检测、相关标志识别等, 其有助于提高生产效率、增强自动化程度以及提高作业过程的可靠性与可追溯性。具体应用包括类型识别与防错, 例如顶盖类型识别、横梁、前盖类型防错; 存在/缺失检测以保证零件的完整性, 例如螺柱完整性检测; 视觉读码以保证零件在整个制造过程中或整个生命周期内的可追溯性。
在汽车制造中, 视觉读码可以实现零件缺失追踪、缺陷行为追踪、装配错误行为证明等多种功能。例如轮胎企业对每个轮胎做追溯管理都需要使用硫化标签, 并且进行全面的跟踪, 主要的方法是在轮胎半径内的任意范围内粘贴一维标签条形码, 轮胎的可追溯性是企业内部制造执行系统(MES)的重要组成部分, 客户要求产品能在运动过程中以任意角度准确地读取条码，而基于高性能的一维视觉传感器可以高速采集标签条码, 并配合图像处理算法进行标签码的识别。
