机器视觉定位摘要：汽车制造是一项繁重的作业，以往机器人利用工装来完成重复动作以解决规模化生产问题，现在借助机器视觉系统的应用推动了更加柔性化和智能化的生产，有助于节省人力成本，进一步提高生产效率和保证产品质量，避免代价高昂的汽车召回。不过，机器视觉系统的应用中仍然存在一些稳定性和适用性等技术局限性，大规模的推广应用仍需要算法完善、３Ｄ摄像等新技术的应用，以及制造系统重构和人机交互协作系统的进一步深化研究。本文主要分析机器视觉技术在汽车制造领域的典型应用。 关键词：视觉引导；涂胶检测；焊接检测
引言
近年来，机器视觉在汽车制造厂的应用日益广泛，有助于提升汽车制造的柔性化、智能化水平，提高生产效率和减少劳动力成本。目前，国内汽车公司已经逐步将视觉设备应用于生产中，投入成本较低，部署快速，可对生产线改造或加装视觉检测站，产生了显著的经济效益。机器视觉是用机器代替人眼进行各种测量和判断，它主要用摄像机来模拟人的视
觉功能，从图像中提取被测对象的位置坐标、加工缺陷和特征等信息，进行算法处理并且加以理解，最终用于实际检测、测量和控制，以便完成机器人移载定位、装配引导、产品合格判断等功能，实现制造过程的自动化和智能化。
1、机器视觉的概念和发展过程
机器视觉是建立在计算机世界理论工程化基础上的一门学科，传统的机器视觉主要通过外部观测系统与计算机相连，然后对物体或图形进行观察，将观察的数据传入电脑之中，形成数据化分析。在20世纪50年代初，早期的机器视觉主要对二维图像以及各类工件表面进行检测，直到六十年代由美国工程学院提出了二维图像扫描建立三维模型的相关概念，但是受制于当时的技术，还无法完全实践，直到七十年代创立了人类视觉三维场景信息理论，才进一步提升了三维物体的观察精度，之机器视觉和人工智能的现代化发展分析后计算机硬件的信息处理能力逐渐增加，从而催生了图像处理技术以及图像传感器的高速发展，逐渐从实验室理论转向工业化应用场景，从而催生了机器视觉这一概念。我国引入机器视觉技术较晚，大约在九十年代中后期，但是实际应用则在2000年前后。随着人类社会的工业化发展速度逐步加快，越来越多的领域需要精细化管理而，单纯依靠人力无法完成，
需要通过机器取代视觉性的技术调整，当环境条件和技术条件都成熟后，机器视觉技术率先在工业领域发展起来，主要应对人类肉眼视觉和满足工业发展需求，本身具有环境限制小、疲劳状态低、识别能力高等特点，而且还可以借助人工智能技术进行超高速计算以及图像存储分析。机器视觉技术的图像判断方式与人脑有着本质性区别，大多是以强大的数据库作为支撑，通过对比分析得出结论，因此机器视觉技术在发展过程中也遇到相当复杂的难题，其中就包括难以保证的准确率。虽然目前基于大数据技术已经积攒了足够的数据资料，但是仍存在准确性和模糊性的取舍判断，这也成了机器视觉技术进一步发展的重要瓶颈。
2、重复定位精度测试
重复定位精度测试是视觉定位纠偏系统常用的测量标准，通过重复测试检验视觉定位纠偏系统的纠偏精度是否满足项目需求。常用的重复定位精度检测方法有2种，即静态重复定位精度测试和动态重复定位精度测试。在纠偏平台上放置电芯并保持电芯位置不发生变化，利用视觉系统连续拍照，测出每次纠偏的数据，运行稳定的视觉定位纠偏系统测出的纠偏数值基本不会发生变化，由于电池芯片没有动过故该测试称为静态重复定位精度测试。把 极片放置在纠偏平台上，纠偏开始前拍照查看纠偏量，把纠偏量发送给机械臂，机械臂根据纠偏量调整极片的位置，纠偏结束后相机拍照，查看纠偏量，若纠偏量满足项目需求，则纠偏系统可行，该方法需要移动极片故称为动态重复定位精度测试。由于静态测试只能对视觉系统稳定性进行测试，如果视觉算法或相机没有改动，拍同一个物体的纠偏数值基本没有变动，而动态测试能测试出纠偏效果的好坏，故对视觉定位纠偏系统进行动态测试。
3、机器视觉在汽车行业中的应用
机器视觉主要包含图像采集、处理及测量，其根据不同的质量和安全参数捕获产品图像以进行分析，实现生产线上的引导、定位、测量、检测、装配等功能。该技术在汽车制造业中已经普遍应用于冲压、焊装、涂装、总装4大工艺。此项技术的应用有效的提升产品质量、作业效率，还可以结合机器人等自动设备，优化人工作业强度，降低成本。
3.1冲压车间视觉引导
冲压成型工艺在汽车车身制造工艺中占有重要地位，如何保证工序间产品输送的质量及精
度显得尤为重要。在某冲压车间，机器视觉应用于毛坯件、冲压件的自动引导上件。通过机器视觉修正传输带中产品件的位置偏差，反馈给机器人，修正抓、放件轨迹，从而提升产品质量、工作效率。这一应用通过一次性投资，替代以往人工作业，降低成本、减少安全隐患。
3.2涂装车间漆面检测
随着社会的不断发展，人们对汽车的需求已经不再是简单的代步工具，对其外形、功能、智能需求以及车身颜、喷漆质量都有更高要求。因此，对车身喷涂的过程控制要求更加严密，对结果的检测要求更加精准。然而在实际涂装生产中，其受到环境影响以及油漆质量和涂装工艺的不同，使产品很容易产生缺陷，形成瑕疵。为更好地保证漆面检测质量，同时节省人工成本，高效生产。在涂装车间也开始引入机器视觉系统来实现汽车漆面质量检测。与传统的人工目视测量手段比，视觉测量具有更高的敏感度和视野，且稳定可靠、高效、高精度，最大限度避免整车返工。因汽车表面多为不规则的曲面且较光滑，使该项技术实现难度较大。目前主要采用反射式条纹偏折法解决该问题，该方法具有分辨率高、曲率测量范围大、结构简单、对环境变化不敏感的特点。
3.3视觉引导
工业机器人在移载抓取工件的过程中，主要依靠工装的定位来完成，例如在机器人焊接过程中，夹具和搬运抓手都需要配备较高精度的定位装置，但是，如果把人工上下料工位更改为机器人自动取料、放料，特别是从传输带、物料台车和ＡＧＶ来取件、放件的情况下，由于缺乏定位装置或定位精度不够，就只能依靠视觉引导定位。视觉系统通过相机将目标物拍摄成为2D／3D图像，根据目标的定位孔或特征点计算出抓手与目标的位置偏差，再通过坐标变换来调整机器人抓手的正确姿态和位置。该系统通过视觉来识别轮胎特征进而判断轮胎式样与车型是否匹配；通过刹车盘的测量来引导机器人进行轮胎全自动组装。
结束语
随着数字化转型升级的加速，机器视觉的发展也越来越智能化，机器视觉系统在汽车制造业中的应用也不仅限于感知、分析，而是跃迁至推理、决策。在未来的智能视觉发展中，随着深度学习算法、协同机器人、虚拟现实、人工智能等技术的快速发展与成熟，智能视觉应用场景也将逐渐增多。
参考文献：
［1］蔡振浩，宋勇.一种基于VisionMaster的机器视觉纠偏定位系统应用实现［J］.机电工程技术，2020，49（5）：99-100，156.
［2］杨三永，曾碧.基于机器视觉的目标定位与机器人规划系统研究［J］.计算机测量与控制，2019，27（12）：161-165.
［3］雷金周，曾令斌，叶南.工业机器人单目视觉对准技术研究［J］.光学精密工程，2018，26（3）：733-741.
［4］田昊，黄海龙，赵宝水.一种基于HALCON的机器视觉系统的标定方法［J］.辽宁工业大学学报（自然科学版），2020，40（4）：211-215，235.
［5］梁天为，朱呈祥，陈浩.基于神经网络的双目远心镜头标定方法研究［J］.江苏师范大学学报（自然科学版），2020，38（4）：75-78.
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议