车门侧面围度引导测量:硬件参数+四步算法详解

车门侧面围度引导测量:硬件参数+四步算法详解

一、方案概述

针对汽车焊装末端的车门侧面围度测量场景,基于VRD彩色双目3D相机 + TridiVision视觉平台 + 工业机器人搭建无示教自动测量系统。

适用场景:

  • 车门安装后围度检测(铰链孔、锁孔、门缝)
  • 间隙 / 面差在线测量
  • NG 自动判定 + 数据归档推送 MES

二、硬件选型

设备关键参数
VRD 彩色双目 3D 相机500 万像素 / RGB 全彩 / 3D HDR 多重曝光 / 工作距离 1.2m / 重量 870g
工业机器人六轴(支持众多品牌)
视觉平台TridiVision(自研软件平台)
通讯千兆网 / GenICam 协议

核心选型理由:

  • 500 万像素 + RGB 全彩 → 单帧点云 + 彩色纹理
  • 3D HDR 多重曝光 → 解决金属反光、深色吸光
  • 870g → 可装在机械臂末端(Eye-in-Hand)也可固定工位(Eye-to-Hand)
  • 24μm Z 轴重复精度 → 微米级测量稳定

三、工作流(6 步)

Step 1 部署标定 → Tsai-Lenz 手眼标定,30+ 标定点,误差 ≤0.2mm Step 2 场景成像 → 结构光投射 + HDR 多重曝光 + 双目立体匹配 Step 3 位姿估计 → 点云预处理 + 实例分割 + 6D 位姿估计 Step 4 路径规划 → 抓取点定义 + 防碰撞 + 三层轨迹 Step 5 在线检测 → 逐点拍照 + 公差判定 + HMI 实时渲染 Step 6 闭环验证 → 数据归档 + NG 推送 MES

四、核心算法拆解

4.1 物料识别

输入:原始 RGB-D 点云 ↓ [预处理] 统计离群点滤波 → 体素下采样 → ROI 裁剪 ↓ [分割] PointNet++ 实例分割(处理紧密接触、部分堆叠) ↓ [位姿估计] - 传统:PPF/FPFH 粗匹配 + ICP 精对齐 - 深度学习:DenseFusion 端到端(散乱堆叠、严重遮挡) ↓ 输出:6D 位姿 (X, Y, Z, Rx, Ry, Rz)

4.2 抓取点定义

[几何约束] CAD 投影 → 拓扑解析 → 剔除锐边/薄壁 → 标记可抓取面 ↓ [力闭合计算] - 吸盘抓取:曲率评估 → PCA 拟合最优法向量 - 夹爪抓取:摩擦力锥 ∩ 外力锥 → 力闭合稳定性 ↓ [防碰撞过滤] 剔除与料框/邻件距离 < 安全阈值的候选点 ↓ 输出:最优抓取点 + 接近方向

4.3 路径规划

[手眼标定] Tsai-Lenz AX=XB,L-M 联合优化,误差 ≤0.2mm ↓ [八叉树建模] 场景占据栅格(料框、相邻工件、工装) ↓ [三层轨迹] - 接近:S 形加减速直线插补,安全距离 50-100mm - 最终接近:垂直下探,10-20% 额定速度 + 力控 - 撤离:抬升至安全高度 ↓ [碰撞检测] 实时检测组合包围盒,冲突时调 RRT 搜索备用路径

4.4 执行

[轨迹插补] 4-8ms 周期 ↓ [视觉伺服] 到位后二次拍照,差分 >0.1mm 自动微调 ↓ [在线测量] 绿点 OK / 红点 NG,HMI 实时显示 ↓ [数据归档] 抓取成功率、路径耗时、逐点偏差、原始点云 ↓ [NG 推送] 自动告警 + MES / QMS 数据回写

五、关键性能指标

指标实测值
单件测量时间≤30s
铰链孔定位精度±0.2mm
间隙测量精度±0.5mm
面差测量精度±0.3mm
抓取成功率99%+
抗反光能力3D HDR 多重曝光,金属/镜面表面稳定
数据完整率100%(每测量点均存档)

六、平台适配

  • Eye-in-Hand:相机装在机械臂末端
  • Eye-to-Hand:相机固定工位上方
  • TCP 智能切换:兼容 AMR、立体库等多工位场景

七、踩坑记录

问题解决方案
标定点不足导致误差 >0.5mm30+ 标定点覆盖 70% 工作空间
HDR 误触发导致节拍拖慢设定反光率阈值,普通件关闭 HDR
力控参数一刀切按工件材质(钢/铝/玻璃)建立参数库
测量数据进不去 MES平台提供标准化 OPC UA / MQTT 接口