劉菁茹 李悅 李磊 劉久月 馬丙臣

摘要：在數(shù)字化轉(zhuǎn)型快速發(fā)展的時代背景下，機器視覺被廣泛應(yīng)用于各行各業(yè)。介紹了視覺采集方法與處理方法，在此基礎(chǔ)上通過具體車間說明機器視覺與傳統(tǒng)人工視覺相比的優(yōu)點。在視覺引導(dǎo)上件、視覺引導(dǎo)裝配、視覺檢測和視覺在線測量等方面論證該方法從根本上解決了人工成本問題，使汽車制造更高質(zhì)量、低成本、柔性化。

關(guān)鍵詞：機器視覺 數(shù)字化轉(zhuǎn)型 引導(dǎo) 檢測 測量

中圖分類號：TP399? ?文獻標(biāo)識碼：B? ?DOI： 10.19710/J.cnki.1003-8817.20220252

Abstract： In the era of rapid development of digital transformation， machine vision is widely applied in most of industries. This paper introduced the visual acquisition method and processing method， on this basis it explained the advantages of machine vision compared with traditional artificial vision via workshop demonstration. It is proved that this method fundamentally solves the problem of labor cost and makes the automobile manufacturing higher quality， lower cost and more flexible in the aspects of visual guided parts， visual guided assembly， visual inspection， and visual online measurement.

Key words： Machine vision， Digital transformation， Guide， Detection， Measurement

1 前言

突如其來的疫情，讓眾多企業(yè)認(rèn)識到企業(yè)數(shù)字化轉(zhuǎn)型的必要性。當(dāng)前，企業(yè)在談?wù)摂?shù)字化轉(zhuǎn)型時，技術(shù)往往被提及的更多，數(shù)字化轉(zhuǎn)型需要的是業(yè)務(wù)與技術(shù)的雙輪驅(qū)動，即V模型：左邊是客戶業(yè)務(wù)架構(gòu)（Customer Business Architecture，CBA），以客戶為中心，回歸業(yè)務(wù)，架構(gòu)牽引；右邊是人工智能+大數(shù)據(jù)+云（AI+Big Data+Cloud，ABC），關(guān)注AI和大數(shù)據(jù)，并將解決方案構(gòu)建在統(tǒng)一的云平臺上。而機器視覺作為 “智慧之眼”將成為推動行業(yè)智能化的基礎(chǔ)設(shè)施技術(shù)，其主要功能是數(shù)據(jù)采集、數(shù)據(jù)分析、信息處理，即利用機器替代人眼，形成視覺能力。相比人眼，機器視覺的優(yōu)點在于信息量大、速度快、功能多，并且可以在很多嚴(yán)峻的場景下完成工作，同時還可以完成高計算強度、枯燥、重復(fù)的工作，從根本上解決人工成本問題。尤其是在汽車制造業(yè)中，機器視覺技術(shù)在汽車生產(chǎn)流水線上的應(yīng)用越來越廣泛，正逐漸取代人工操作，使汽車制造具有高質(zhì)量、低成本和柔性化。

2 機器視覺技術(shù)簡介

2.1 機器視覺技術(shù)基本工作原理

機器視覺技術(shù)通過使用相機傳感器和計算機等設(shè)備模擬人類完成視覺感知、判斷、識別和檢測等復(fù)雜任務(wù)，由于其性能穩(wěn)定可靠且識別檢測精確度高，在工業(yè)界的應(yīng)用日趨廣泛。

機器視覺系統(tǒng)由光學(xué)照明成像系統(tǒng)、圖像采集傳輸系統(tǒng)、圖像處理分析系統(tǒng)以及信息決策執(zhí)行系統(tǒng)組成，硬件部分通常包括光源、鏡頭、相機傳感器、處理器和執(zhí)行機構(gòu)等。機器視覺技術(shù)將2D視覺相機或3D視覺相機捕獲的場景目標(biāo)的光信號轉(zhuǎn)換為電信號，再經(jīng)過圖像采集傳輸系統(tǒng)將模擬信號轉(zhuǎn)換為可供圖像處理系統(tǒng)分析處理的數(shù)字信號，圖像處理分析系統(tǒng)通過視覺處理算法完成信息的分析處理、場景目標(biāo)的識別、目標(biāo)檢測和實時定位等工作，并將得到的信息傳遞給執(zhí)行機構(gòu)，使其完成對應(yīng)任務(wù)。

2.2 機器視覺數(shù)據(jù)采集與處理方法

機器視覺在工業(yè)場景自動化生產(chǎn)中有著舉足輕重的地位，根據(jù)其采集設(shè)備的不同，主要包括2D視覺和3D視覺2種。其中，2D視覺采用相機拍攝，獲取視野范圍內(nèi)場景點在成像平面的投影；3D視覺采用多相機或結(jié)構(gòu)光相機等，在獲取投影點的同時獲取場景點的深度信息。

針對2D相機采集的圖像，常見的數(shù)據(jù)分析處理方法有二值化處理、特征提取、邊緣檢測、物體識別、實例分割等。二值化處理是將灰度圖像中大于某一閾值的像素點設(shè)為255，小于該閾值的像素點設(shè)為0，這能使圖像對比更加明顯。特征提取主要是提取圖像中的關(guān)鍵點，同時生成關(guān)鍵點的局部或全局特征。邊緣檢測主要根據(jù)圖像梯度提取圖像中的可視邊緣，關(guān)注于圖像的邊界信息。物體識別用于提取圖像中感興趣目標(biāo)物體，通常采用深度學(xué)習(xí)的方法實現(xiàn)。實例分割用于在2D圖像中分割感興趣目標(biāo)物體，能夠在識別物體的同時預(yù)測其邊界信息，通常采用深度學(xué)習(xí)的方法實現(xiàn)，如Mask-RCNN等。

針對3D相機采集的點云，常見的數(shù)據(jù)分析處理方法有濾除雜點、位姿估計、點云分割等。濾除雜點通過對點云進行體素濾波，對各點的鄰域點進行數(shù)量評估，將鄰域點少于閾值的點作為雜點濾除；位姿估計通過對點云進行預(yù)處理，結(jié)合已知的物理模型預(yù)測場景點云中目標(biāo)物體的6D位姿信息；點云分割主要是對點云中各實例進行分割處理，常用的算法包括基于深度學(xué)習(xí)的算法（如PointNet等）和傳統(tǒng)方法（如分水嶺算法）。

3 機器視覺在汽車行業(yè)中的應(yīng)用

機器視覺主要包含圖像采集、處理及測量，其根據(jù)不同的質(zhì)量和安全參數(shù)捕獲產(chǎn)品圖像以進行分析，實現(xiàn)生產(chǎn)線上的引導(dǎo)、定位、測量、檢測、裝配等功能。

該技術(shù)在汽車制造業(yè)中已經(jīng)普遍應(yīng)用于沖壓、焊裝、涂裝、總裝4大工藝。此項技術(shù)的應(yīng)用有效的提升產(chǎn)品質(zhì)量、作業(yè)效率，還可以結(jié)合機器人等自動設(shè)備，優(yōu)化人工作業(yè)強度，降低成本。其主要優(yōu)勢如表1所示。

3.1 沖壓車間視覺引導(dǎo)

沖壓成型工藝在汽車車身制造工藝中占有重要地位，如何保證工序間產(chǎn)品輸送的質(zhì)量及精度顯得尤為重要。在某沖壓車間，機器視覺應(yīng)用于毛坯件、沖壓件的自動引導(dǎo)上件，如圖1所示。

通過機器視覺修正傳輸帶中產(chǎn)品件的位置偏差，反饋給機器人，修正抓、放件軌跡，從而提升產(chǎn)品質(zhì)量、工作效率。這一應(yīng)用通過一次性投資，替代以往人工作業(yè)，降低成本、減少安全隱患。

3.2 焊裝車間視覺引導(dǎo)

在白車身生產(chǎn)制造中，焊裝主要是將不同部分的零件通過點焊、涂膠、弧焊、螺柱連接工藝組裝成的分總成，最后合拼為總成。當(dāng)前，焊裝車間的零件來料主要是通過料箱裝載，通過叉車或者AGV物流方式從沖壓車間運達，形成分總成以后，可以通過料箱繼續(xù)流轉(zhuǎn)，通常采用積放鏈（Buffer）、接載（Pick up）、摩擦線、滾床裝置實現(xiàn)產(chǎn)品區(qū)域間或工位間的傳輸，完成車間內(nèi)流轉(zhuǎn)。目前整個焊裝車間的產(chǎn)品流轉(zhuǎn)，基本可以實現(xiàn)自動化，主要是通過機器視覺解決了機器人自動取件時存在的位置誤差問題。傳統(tǒng)的人工生產(chǎn)線主要有人工完成產(chǎn)品流轉(zhuǎn)，占用大量勞動力，且產(chǎn)品普遍偏重，容易造成一定的安全事故，而且效率低，生產(chǎn)成本高。

3.2.1 視覺引導(dǎo)上件

在某焊裝車間大量應(yīng)用機器視覺系統(tǒng)。以往機器人的使用僅能完成預(yù)設(shè)好的軌跡動作，引入視覺引導(dǎo)系統(tǒng)后，能夠根據(jù)被操作產(chǎn)品件的位置變化實時校正機器人的工作軌跡，使機器人變得更智能，提高生產(chǎn)效率和產(chǎn)品質(zhì)量，通過引導(dǎo)機器人，實現(xiàn)自動上下料和引導(dǎo)產(chǎn)品精確裝配，如圖2所示。

機器視覺引導(dǎo)機器人自動抓取的實現(xiàn)路徑：將測距傳感器和視覺傳感器集成到機器人系統(tǒng)中，通過機器人標(biāo)定獲取機器人的初始位置以及與預(yù)抓工件間的相對位置。在完成機器人抓取動作前，機器人首先通過傳感器感知零件與機器人的相對位置，然后對機器人初始狀態(tài)的位置及角度進行比對，主要是X、Y、Z、RX、RY、RZ 6個自由度偏移量的獲取，最后將數(shù)據(jù)反饋給機器人，以此實現(xiàn)機器人抓取軌跡修正。

完全實現(xiàn)工件產(chǎn)品在焊裝車間內(nèi)的自動流轉(zhuǎn)還存在需要攻克機器人的自動抓取小型零部件產(chǎn)品難題。因零部件小且無規(guī)則，通常是散亂且堆疊地放在在產(chǎn)品料箱中，導(dǎo)致機器人無法完成軌跡預(yù)設(shè)。目前此類技術(shù)還屬于試驗階段，未見批量應(yīng)用，試驗場景如圖3所示。

3.2.2 視覺引導(dǎo)裝配

視覺引導(dǎo)結(jié)合視覺定位還可以實現(xiàn)機器人自動裝配工件，通過工業(yè)機器人與視覺系統(tǒng)融合，實現(xiàn)汽車零部件的高精度匹配安裝。目前焊裝車間主要應(yīng)用在主拼線，自動裝載頂蓋工位，如圖4所示。這將極大提高了全線的智能化程度以及整套工藝設(shè)備應(yīng)對不同型號產(chǎn)品的適應(yīng)程度，同時提高了裝配精度。因裝配對精度的高要求，在整個視覺引導(dǎo)裝配系統(tǒng)中需要配置6～8個傳感器，分別對頂蓋、側(cè)圍進行位姿的測量，通過對位姿偏移量的反饋，實現(xiàn)精準(zhǔn)裝配，目前精度可達到±0.5 mm。

3.2.3 視覺檢測

視覺檢測在焊裝車間生產(chǎn)中，主要應(yīng)用于制造工藝檢測，如涂膠檢測等。傳統(tǒng)的檢測方法為人工測量，主要依靠工作人員自身的工作經(jīng)驗來完成，此方法依靠大量的人工，成本高且結(jié)果不確定，同時數(shù)據(jù)無法跟蹤、追溯、控制等。某焊裝車間使用機器視覺在線涂膠檢測，如圖4所示。檢測膠條位置、寬度及連續(xù)性等必要參數(shù)，可實現(xiàn)檢測、實時報警、監(jiān)控質(zhì)量，同時可收集信息、存儲圖像和數(shù)據(jù)，用于質(zhì)量回溯和優(yōu)化工藝流程。

3.2.4 視覺在線測量

白車身是汽車制造環(huán)節(jié)中所有功能的基礎(chǔ)和連接體，因此其制造的尺寸精度將直接影響汽車產(chǎn)品的整體質(zhì)量[1]。對此需要嚴(yán)格把控尺寸控制機構(gòu)的制造精度和先進性。當(dāng)前行業(yè)內(nèi)主要應(yīng)用的車身測量系統(tǒng)有激光測量和三坐標(biāo)測量[2]。三坐標(biāo)測量主要優(yōu)點為可靠性高、測量精度高，缺點為效率低且不具有實時性。激光測量系統(tǒng)對環(huán)境要求低且測量效率高，可以實現(xiàn)100%實時3D測量，同時可實現(xiàn)在線數(shù)據(jù)收集、分析和及時預(yù)警，能夠更好地控制產(chǎn)品質(zhì)量，也更符合智能制造發(fā)展趨勢。如圖5為某焊裝車間在線測量應(yīng)用場景。

3.3 涂裝車間漆面檢測

隨著社會的不斷發(fā)展，人們對汽車的需求已經(jīng)不再是簡單的代步工具，對其外形、功能、智能需求以及車身顏色、噴漆質(zhì)量都有更高要求。因此，對車身噴涂的過程控制要求更加嚴(yán)密，對結(jié)果的檢測要求更加精準(zhǔn)。然而在實際涂裝生產(chǎn)中，其受到環(huán)境影響以及油漆質(zhì)量和涂裝工藝的不同，使產(chǎn)品很容易產(chǎn)生缺陷，形成瑕疵。

為更好地保證漆面檢測質(zhì)量，同時節(jié)省人工成本，高效生產(chǎn)。在涂裝車間也開始引入機器視覺系統(tǒng)來實現(xiàn)汽車漆面質(zhì)量檢測。圖6所示為某漆面檢測應(yīng)用場景。與傳統(tǒng)的人工目視測量手段比，視覺測量具有更高的敏感度和視野，且穩(wěn)定可靠、高效、高精度，最大限度避免整車返工。

因汽車表面多為不規(guī)則的曲面且較光滑，使該項技術(shù)實現(xiàn)難度較大。目前主要采用反射式條紋偏折法解決該問題，該方法具有分辨率高、曲率測量范圍大、結(jié)構(gòu)簡單、對環(huán)境變化不敏感的特點。該方法結(jié)構(gòu)簡單、成本低，測量分辨率可達到納米級別，曲率測量范圍大。結(jié)合工業(yè)機器人的長臂展，實現(xiàn)全車身大范圍的表面質(zhì)量測量[3-4]。

3.4 總裝車間

汽車總裝工藝是汽車整車制造4大工藝過程中最后一個環(huán)節(jié)，是將來自汽車零部件生產(chǎn)企業(yè)數(shù)以萬計的總成部件組裝成完整汽車的全部工藝總成。

3.4.1 視覺裝配

業(yè)內(nèi)常說的“采用質(zhì)量上乘的零部件也不一定裝配出一輛品質(zhì)優(yōu)良的汽車整車”充分說明汽車總裝工藝的重要性。即裝備質(zhì)量保證的重要性[5]。傳統(tǒng)總裝車間多為人工裝配，不確定性高、不易追溯，質(zhì)量難以保證。如今，從輪胎裝配開始，正逐漸打開自動裝配的新時代。某工廠輪胎視覺引導(dǎo)自動裝配應(yīng)用場景如圖7所示。

3.4.2 藍光掃描測量

焊裝車間已經(jīng)應(yīng)用激光在線測量，總裝車間中整車尺寸的精度控制顯得更加重要，其直接影響汽車的氣密性和可裝配性。藍光掃描測量技術(shù)實現(xiàn)了整車形貌尺寸測量與分析，且效率更高，評價更加科學(xué)全面。藍光掃描技術(shù)可獲得高密度的測量數(shù)據(jù)，其掃描測量精度可以達到±0.02 mm，在單幅0.5 m范圍內(nèi)可以獲得上千萬個高密度點云數(shù)據(jù)，以應(yīng)對復(fù)雜曲面形貌特征與曲率的多變性。藍光掃描系統(tǒng)通常包括工業(yè)機器人、3D掃描儀、測量系統(tǒng)、分析及安全軟件等構(gòu)成，如圖8所示。通過機器人裝載掃描儀實現(xiàn)掃描車身形狀，并與理論數(shù)據(jù)進行比對分析，從形狀、尺寸、角度維度進行綜合分析，最終獲得完整的測量數(shù)據(jù)。系統(tǒng)內(nèi)部需要采用更多相機和投影儀共同完成測量，系統(tǒng)成本相對較高。

4 機器視覺技術(shù)未來發(fā)展方向

機器視覺可應(yīng)用在各行各業(yè)，尤其是在需要智能引導(dǎo)、智能檢測的作業(yè)中。隨著視覺技術(shù)日益成熟，具備引導(dǎo)技術(shù)功能的機器人將更具優(yōu)勢。視覺引導(dǎo)技術(shù)通過融合多種視覺檢測和運動學(xué)、動力學(xué)軌跡規(guī)劃，讓機器人更加智能、高效。通過機器視覺檢測還可以對產(chǎn)品進行制造工藝檢測、自動化跟蹤、追溯與控制，從而保證工件在整個生產(chǎn)過程中有跡可循，通過識別以保證其完整性，發(fā)現(xiàn)表面缺陷，保證生產(chǎn)質(zhì)量。

a.未來的視覺引導(dǎo)系統(tǒng)不僅僅讓機器人重復(fù)示教的軌跡，而是使其能根據(jù)工廠環(huán)境、工件屬性變化實時調(diào)整運動速度和軌跡，甚至可以預(yù)判規(guī)避和處理一些突發(fā)風(fēng)險和問題，有效提高生產(chǎn)效率和質(zhì)量，提升機器人智能化水平。同時3D傳感器發(fā)展以及利用機器視覺綜合解決方案的出現(xiàn)，3D成像和機械手的應(yīng)用范圍將繼續(xù)擴大。

b.基于云計算的機器視覺計算伴隨5G數(shù)據(jù)網(wǎng)絡(luò)的到來為自動駕駛汽車提供了保障。大量的機器類型通信通過在云中處理數(shù)據(jù)，也可用于視覺建模、規(guī)劃、導(dǎo)航、控制等。機器視覺計算還可以使用卷積神經(jīng)網(wǎng)絡(luò)分類器的深度學(xué)習(xí)。

c.未來工業(yè)機器人控制將朝著更簡潔化、協(xié)作化的方向發(fā)展。小批量、高復(fù)雜性的柔性生產(chǎn)將進一步促進人機協(xié)同；簡潔化和協(xié)作化這一將趨勢使得機器人和視覺系統(tǒng)在未來中長期內(nèi)得到廣泛應(yīng)用。

d.結(jié)合高光譜成像分析檢測技術(shù)的下一代模塊化高光譜成像系統(tǒng)通過提供化學(xué)材料性能分析，將化學(xué)色彩成像可視化，便于觀察其材料的分子結(jié)構(gòu)，從而為化學(xué)成分在標(biāo)準(zhǔn)機器視覺軟件中的分析提供更堅實的基礎(chǔ)。

e.熱成像技術(shù)提供非接觸式精密溫度測量和無損檢測，發(fā)展趨勢為與機器視覺和自動化控制領(lǐng)域的融合發(fā)展。熱成像相機傳統(tǒng)上用于國防和公共安全等領(lǐng)域以及各種探測，其與機器視覺相結(jié)合使得工業(yè)上能夠檢測出肉眼或標(biāo)準(zhǔn)相機無法察覺的問題。

5 結(jié)束語

隨著數(shù)字化轉(zhuǎn)型升級的加速，機器視覺的發(fā)展也越來越智能化，機器視覺系統(tǒng)在汽車制造業(yè)中的應(yīng)用也不僅限于感知、分析，而是躍遷至推理、決策。在未來的智能視覺發(fā)展中，隨著深度學(xué)習(xí)算法、協(xié)同機器人、虛擬現(xiàn)實、人工智能等技術(shù)的快速發(fā)展與成熟，智能視覺應(yīng)用場景也將逐漸增多。

參考文獻：

[1] 李洪全. 三坐標(biāo)測量技術(shù)在汽車制造業(yè)的應(yīng)用[D]. 天津：天津大學(xué)， 2004.

[2] 余文超， 齊二石. 在線測量技術(shù)應(yīng)用于白車身的生產(chǎn)尺寸監(jiān)控[J]. 機械設(shè)計與研究， 2014， 30（2）： 96-98.

[3] 劉慶坤. 白車身裝焊誤差人機交互識別技術(shù)的研究[D]. 沈陽：沈陽理工大學(xué)， 2015.

[4] 任永杰， 邾繼貴， 楊學(xué)友， 等. 白車身柔性測量機器人本體補償方法[J]. 光電工程， 2009， 36（2）： 79-84.

[5] 袁文禮. 機器人裝配中的視覺引導(dǎo)定位技術(shù)分析[J]．科技與創(chuàng)新， 2017（10）： 55.