3D 机器视觉系统中,目标物体图像不再只是平面图片
当前位置:首页 > 行业资讯 > 3D 机器视觉系统中,目标物体图像不再只是平面图片

3D 机器视觉系统中,目标物体图像不再只是平面图片

机器视觉 2021-08-16 9062 0


在 3D 机器视觉系统中,目标物体图像不再只是平面图片。现在它是一个精确坐标的三维点云,其中每个像素在空间中的位置都是已知的。它同时提供 X、Y 和 Z 平面数据以及相应的旋转信息(围绕每个轴)。实现 3D 机器视觉系统的主要技术有四种:激光三角测量;立体视觉;飞行时间和结构光。

是的,与二维图像处理相比,在 3D 中工作确实需要更多的时间、处理器和软件密集型,但是多核处理器、3D 算法和软件工具的快速进步意味着 3D 机器视觉系统现在已经完全能够保持满足生产线吞吐量要求。

这是重要的一点。由于能够可靠地捕获额外的三维数据,3D 机器视觉系统不受对 2D 系统产生不利影响的环境因素的影响——前面讨论的照明、对比度和与物体的距离等方面不再是问题。

因为我们正在使用目标物体的高精度三维数字化模型,所以我们的机器现在可以轻松处理形状和位置。他们知道目标物体在空间中的精确位置、精确体积、表面角度、平整度和特征——无论生产线环境条件如何,也不管物体是半光还是吸光黑色。这极大地简化了目标对象固定和整体系统设计。

由于这种广泛扩展的能力,3D 机器视觉正被应用于2D 能力不足的广泛任务,其中包括:

  1. 厚度、高度和体积测量

  2. 尺寸标注和空间管理

  3. 测量形状、孔、角度和曲线

  4. 检测表面或装配缺陷

  5. 针对 3D CAD 模型的质量控制和验证

  6. 机器人引导和表面跟踪(例如,用于焊接、粘合、去毛刺等)

  7. 用于放置、包装或组装的拣选箱

  8. 对象扫描和数字化

尤其是随机拣选,仍然被许多人视为机器视觉系统的真正考验,不难理解为什么。

考虑最坏的情况,比如装满半亮锥形钢零件的垃圾箱 机器人不仅需要从杂乱无章的堆中选择单个零件并找出如何最好地抓住它。它还需要同时考虑夹具尺寸、料仓的侧面和相邻部件,以避免碰撞和缠结。 

不过,通过应用正确的 3D 机器视觉技术组合,成功解决了这种复杂、高精度、实时的挑战。它提供了 2D 机器视觉无法提供的高效、经济高效的解决方案。3D 机器视觉仍然是“新来的孩子”,但其快速发展的能力比它的时代提前了好几年。

不同 3D 机器视觉技术的质量和能力仍然会给工作选择合适的工具带来挑战。这可能非常困难,因为提供的数据比普通相机提供的数据复杂得多。您需要仔细考虑更多要求,包括分辨率、颜色、速度和准确性。此外,相机背后还采用了 3D 测量原理。由于每项任务的利弊,它们也需要仔细考虑。


取消回复发表评论:


立即定制视觉方案