工业4.0浪潮席卷全球，国家智能制造战略加速推进，传统的“编程—执行”模式机器人已难以满足复杂应用需求。在许多场景下，必须为机器人配备视觉感知能力——即机器视觉成像与感知系统，使其能够识别、分析并处理高级任务，自主判断目标场景状态，灵活应对各类突发问题。
机器视觉系统组成
若您从视觉软件入手接触本行业，建议先全局了解机器视觉系统的完整架构。一套典型机器视觉系统可拆分为三大部分：图像采集、图像处理、运动控制。基于PC的视觉系统由以下组件构成，如图1所示。
① 工业相机与工业镜头——这是成像的核心器件。通常由一套或多套成像系统组成视觉前端。若有多路相机，可通过图像卡切换获取数据，或同步控制同时采集多通道信号。相机输出信号类型多样：标准单色视频（RS-170/CCIR）、复合信号（Y/C）、RGB信号，亦可是非标准的逐行扫描、线扫描、高分辨率信号，完全取决于应用需求。
② 光源——作为辅助成像要素，光源对成像质量影响显著。常见选择包括各种形状的LED灯、高频荧光灯、光纤卤素灯等。
③ 传感器——通常以光纤开关、接近开关形式出现，用于判断被测对象位置与状态，并告知图像传感器何时开始采集。
④ 图像采集卡——一般插在PC中，主要职责是将相机输出的图像传送至主机。它将模拟或数字信号转换为特定格式的图像数据流，同时可控制相机触发信号、曝光时间、快门速度等参数。采集卡硬件结构因相机类型而异，总线形式多样，例如PCI、PCI64、Compact PCI、PC104、ISA等。
⑤ PC平台——电脑是视觉系统的大脑，负责图像数据处理及大部分控制逻辑。对于检测类应用，通常需要较高频率的CPU以缩短处理时间。此外，工业现场电磁、振动、灰尘、温度干扰较大，必须采用工业级电脑。
⑥ 视觉处理软件——机器视觉软件负责处理输入图像数据，通过运算输出结果。结果可以是PASS/FAIL信号、坐标位置、字符串等。常见软件形式有C/C++图像库、ActiveX控件、图形化编程环境，可专用于特定功能（如LCD检测、BGA检测、模板对准），也可用于通用任务（定位、测量、条码/字符识别、斑点检测等）。
⑦ 控制单元（包含I/O、运动控制、电平转换等）——视觉软件完成分析后，需与外部单元通信以控制生产过程。简单控制可直接利用图像采集卡自带I/O，复杂逻辑/运动控制则需附加可编程逻辑控制单元或运动控制卡实现。
一个完整机器视觉系统的工作流程大致如下：
- 工件定位检测器探测到物体进入视野中心，向图像采集部分发送触发脉冲。
- 图像采集部分按预设程序与延时，分别向摄像机和照明系统发出启动脉冲。
- 摄像机停止当前扫描，重新开始新一帧，或触发后启动一帧。
- 曝光机构在扫描前打开，曝光时间可预设。
- 另一个启动脉冲打开灯光，灯光与摄像机曝光时间匹配。
- 摄像机曝光后，正式开始一帧图像的扫描与输出。
- 图像采集部分接收模拟视频信号，通过A/D数字化，或直接接收数字视频数据。
- 数字图像存入处理器或计算机内存。
- 处理器对图像进行处理、分析、识别，得出测量结果或逻辑控制值。
- 处理结果控制流水线动作、定位、纠正运动误差等。
机器人视觉成像的结构形式
机器人视觉系统的核心在于模拟人眼视觉成像与人脑智能判断决策。它利用图像传感技术获取目标信息，经过提取、处理、理解，最终用于测量、检测、识别、定位或机器人自身伺服控制。
工业领域最具代表性的案例是机器人手眼系统。根据成像单元安装方式不同，可分为两类：固定成像眼看手系统（Eye-to-Hand）与随动成像眼在手系统（Eye-in-Hand），如图2所示。
图 2 两种机器人手眼系统的结构形式 (a)眼在手机器人系统 (b)眼看手机器人系统
某些应用场景为兼顾全局视场与局部高分辨率、高精度，可采用混合协同模式。例如，固定成像眼看手系统负责定位，随动成像眼在手系统负责定向；或固定系统估计相对方位，随动系统进行高精度姿态估计。如图3所示。
图 3 机器人协同视觉系统原理图
机器人视觉三维成像方法
3D视觉成像分为光学与非光学两大类，目前应用最广的是光学方法，包括：飞行时间法、激光扫描法、激光投影成像、立体视觉成像等。
飞行时间3D成像
飞行时间（TOF）相机利用光飞行时间差获取物体深度信息。目前已有多款商用产品，如Mesa Imaging SR-4000、PMD CamCube 3.0、微软Kinect V2等。
TOF成像适用于大视野、远距离、低精度、低成本的3D采集场景。其特点为速度快、视野大、工作距离远、价格低廉，但精度较低且易受环境光干扰。以Camcube 3.0为例，在4米距离内深度精度可达3mm以下，每个像素对应一个3D数据。
扫描3D成像
扫描3D成像方法包括扫描测距、主动三角法、色散共焦法。扫描测距采用准直光束1D扫描整个表面实现3D测量；主动三角法基于三角测量原理，使用准直光束或平面光束扫描目标完成3D成像（图4）；色散共焦法则通过分析反射光束光谱获取聚焦位置（图5）。
图 4 线结构光扫描三维点云生成示意图
图 5 色散共焦扫描三维成像示意图
扫描3D成像最大优势在于高精度，其中色散共焦还能测量透明、高反、光滑表面，堪称杀手级应用。但其缺点是速度慢、效率低。即使安装在机械臂末端实现高精度测量，也不适合实时引导与定位，应用场景受限。此外，主动三角扫描在复杂面形中易产生遮挡，需合理规划末端路径。
结构光投影3D成像
结构光投影是目前机器人3D视觉感知的主要技术路径。系统由投影仪与相机组成，常见配置包括单投影单相机、单投影双相机、单投影多相机、单相机双投影、单相机多投影等。基本原理是：投影仪向目标投射特定结构光图案，相机摄取被调制的图像，再通过处理与视觉模型求解三维信息。
按投影次数分为单次投影3D与多次投影3D。单次投影主要采用空间复用编码和频率复用编码，曝光与成像时间短，抗振动性能好，适合运动物体实时3D成像，例如机器人实时引导、抓取线上运动产品。但深度方向空间分辨率受视场、镜头倍率、像素影响，大视场下提升困难。
多次投影3D空间分辨率高，能解决表面斜率阶跃与空洞问题，但存在明显短板：
- 连续相移投影易受投影仪、相机非线性和环境变化影响；
- 抗振性差，不适合连续运动物体；
- 在Eye-in-Hand系统中，机械臂连续运动时难以完成3D成像与引导；
- 实时性较差，不过随着投影频率与采集速度提升，该问题正逐步改善。
对于粗糙表面，结构光可直接投射；但对于大反射率光滑表面和镜面物体，需借助偏折法。偏折法测量复杂面型通常需要多次投影，因此也继承多次投影的缺点。此外，偏折法对曲率变化敏感——反射角变化率是表面曲率变化率的2倍，极易产生遮挡。
立体视觉3D成像
立体视觉通俗来说，就是利用一只或两只眼睛感知三维结构。一般从不同视点获取两幅或多幅图像，重构目标3D结构或深度信息，如图6所示。
图6 立体视觉三维成像示意图
立体视觉分为被动与主动两种。被动视觉仅依赖相机接收目标场景的光辐射，通过2D图像灰度值进行度量，适用于特定条件：室内、光辐射动态范围不大、无遮挡、表面非光滑且纹理清晰，或工业零部件几何规则明显、控制点易确定。
主动立体视觉则采用光调制（编码结构光、激光调制等）照射场景，对表面点进行编码标记，再解码求匹配点，通过三角法求解3D结构。其优点为抗干扰强、不依赖环境光（可利用带通滤波消除干扰），精度、重复性、可靠性高；缺点是在复杂场景中易产生遮挡。
基于结构光测量与3D物体识别技术开发的机器人3D视觉引导系统，可对较大深度范围内散乱堆放的零件进行全自由度定位与拾取。相比传统2D视觉只能固定深度识别、获取部分自由度信息，该系统具有更高柔性与更广检测范围，为机床上下料、零件分拣、码垛堆叠等工业问题提供了有效的自动化方案。
机器视觉3D引导系统框架
3D重建和识别技术
通过自主开发的3D扫描仪，可快速获取场景的点云图像，再借助3D识别算法，实现对点云图中多种目标的识别与位姿估计。
3D重建和识别效率
多种材质识别效果测试
得益于健壮的重建与识别算法，不同材质的零件均能稳定重建和识别——即便是反光严重的铝材和黑色零件，效果依然出色，能够适应广泛的工业场景。
机器人路径规划
获得零件位姿仅是第一步。要成功拾取，还需完成以下工作：自主开发的轨迹规划算法可轻松胜任这些任务，确保取件过程稳定可靠。
快速切换拾取对象
仅需四个简单操作即可实现拾取对象快速切换，无需复杂工装或产线调整。
性能比较
1. 飞行时间相机、光场相机等单相机3D成像方案，体积小、实时性好，适合随动成像眼在手系统进行3D测量、定位与实时引导。但短期内难以广泛普及至普通眼在手系统：飞行时间相机空间分辨率与精度偏低，不适合高精度场景；光场相机性能与精度尚可，但商业化产品稀少（如德国Raytrix），价格昂贵，使用成本过高。
图 7 随动成像眼在手系统机器人3D视觉成像优选方案
2. 结构光投影3D系统，精度与成本适中，市场前景良好。它由若干相机-投影仪组成，若将投影仪视为逆向相机，则相当于双目或多目三角测量系统。
3. 被动立体视觉在工业领域也有应用，但适用场景有限。单目立体视觉实现难度较大，双目或多目要求纹理或几何特征清晰。
4. 结构光投影与双目立体视觉均存在体积较大、易产生遮挡的问题。增加投影仪或相机可覆盖遮挡区域，但会增大体积，降低在Eye-in-Hand系统中的灵活性。
总结
光学3D视觉成像方法种类繁多，但真正能搭载于工业机器人、组成合适的随动成像眼在手系统，对变动目标进行3D成像、引导手臂精准定位与操作的方案并不多。从工业应用角度考量，我们更关注三大要素：精度、速度、体积与重量。机器人末端承受载荷有限，可用空间有限，传感器在满足精度条件下越轻越小越实用。因此，随动成像眼在手系统的最佳3D成像方法是被动单目（单相机）3D成像——体积小、重量轻，且能从根本上避免双目或多目多视图的遮挡难题。