如何打破机器视觉3D传感的局限性

视觉引导机器人帮助制造商、物流公司和其他行业改进订单履行流程，实现更高的生产力和更高的利润。自动化系统的能力在很大程度上取决于它配备的机器视觉类型。

3D 机器视觉系统

2D 机器视觉系统提供没有深度信息的二维图像。因此，它们仅适用于简单的应用，例如条形码读取、字符识别、尺寸检查或标签验证。

相反，3D机器视觉系统可以实现更复杂的机器人任务。因为它们提供具有精确 X、Y 和 Z 坐标的 3D点云，3D视觉技术使机器人系统能够更准确地识别物体，并将它们拾取并放置在另一个位置，例如传送带，以便进一步加工。先进的3D 机器视觉系统也非常适合质量控制和检查、表面缺陷检测以及其他需要深度信息的任务。

更多3D选择

3D 视觉系统的市场供应相当丰富。有许多技术统治着 3D 视觉市场，都属于两大类之一：为 ToF 区域扫描和 LiDAR 设备提供动力的飞行时间方法，以及由激光三角测量或轮廓测量、摄影测量组成的基于三角测量的方法、立体视觉和结构光系统。

移动物体

这些 3D 传感方法中的每一种都基于不同的原理，具有特定的优点但也有其缺点，这使得每种方法都适用于不同类型的应用程序。尽管一些技术在过去几年中取得了很大进步，并将 3D 传感推向了更高的水平，但仍然存在一个限制，它们都无法克服。这是他们无法捕获移动物体的整个表面区域并在没有运动伪影的情况下进行高质量的 3D 重建。

质量和速度之间的权衡限制了可以自动化的应用范围，并在不令人满意的妥协之前定位客户。例如，ToF 视觉系统非常快，但输出 3D 数据的分辨率相当差。另一方面，结构光系统提供高分辨率和准确度，但以较低速度为代价，因为在采集过程中场景需要保持静止。

曾经似乎无法克服区域扫描 3D 相机的限制。也就是说，直到最近引入了一种新的 3D 传感方法。

“平行结构光”系统能够捕捉、识别和定位移动物体——例如盒子、食物或传送带上的无形物体——并实现精确的机器人导航，以便机器人可以拾取它们或执行其他物体处理任务。

填补 3D 传感的空白

这项新技术被称为“平行结构光”，由Photoneo公司推出。该方法利用结构光，但以与结构光系统根本不同的方式。

虽然结构光视觉系统将一个或多个编码结构光图案投射到多个帧中的场景上，场景在采集时需要是静态的，但“平行结构光”技术可以说将场景“冻结”到从传感器的一次拍摄中获取它的多个虚拟图像。

 

Parallel Structured Light

新颖的方法是由具有马赛克像素图案的特殊 CMOS 图像传感器实现的。与结构光方法相比，“平行结构光”系统的激光始终来自投影仪。在曝光窗口期间打开和关闭的是传感器的各个像素。

因此，像素调制直接发生在传感器中，而不是像结构光方法那样发生在投影场中。这意味着单独编码的光图案在传感器中的某一时间点和一帧中进行采样，从而可以捕获运动中的物体。

这种新方法可以实现一系列全新的机器视觉应用和可以自动化的任务。机器人物体处理、箱子拣选、分拣、机器照料、码垛和卸垛任务，或质量控制、检查和计量不再局限于静态场景。“平行结构光”系统能够捕捉、识别和定位移动物体——例如盒子、食物或传送带上的无形物体——并实现精确的机器人导航，以便机器人可以拾取它们或执行其他物体处理任务。

对于 Photoneo，并行结构光技术在名为MoTIonCam-3D的 3D 相机中实现。该系统能够捕获移动速度高达 140 公里/小时的物体，提供 0.9 Mpx 的点云分辨率（静态模式下为 2Mpx）。

 

需要识别移动物体的任务的自动化正在兴起，并渗透到所有领域，包括制造、汽车、物流、电子商务、医疗和其他行业。直到最近，动态场景的高质量捕捉和 3D 重建一直是一个巨大的挑战，但技术进步和对创新的渴望催生了新型机器人能力。让我们看看接下来会发生什么

编辑：黄飞