3D视觉:更简单、更智能、更广泛

就在几年前，Sun工作站还附带了3D机器视觉系统。千兆图像推动了最先进计算平台的能力。这使得3D系统的成本超出了许多中小型企业的承受能力。

''The first 3D analysis systems were originally put together by a team of PhD’s from [the University of] Michigan, and although they were good tools you pretty much needed a PhD in geometry to use it,’‘ said Kevin Harding, Optical Metrology Leader for GE Global Research (Niskayuna, New York) and Chair of the Advances in 3D Machine Vision conference recently held at The Vision West Show (San Jose, California May 16-19). ‘‘Now with new computing power, you have the potential to buy a computer for $1000 and analyze 5MB of data very quickly…Today, the 3D sensor is about where machine vision was 20 years ago. You can buy a [2D] vision system that’s built into the camera with Ethernet and almost anyone can program the thing, and that’s where we need to get with 3D vision. ‘‘

视觉供应商也在倾听。

淘汰旧的
3D视觉系统不同于2D系统，因为它们测量高度，也称为物体的z轴或θ。因此，3D系统通常至少执行以下两项任务中的一项:创建用于检查的物体的3D轮廓，或在3D空间中定位物体以引导机器人或其他移动设备。这些应用需要复杂的解决方案，考虑到这一点，供应商正专注于使系统更紧凑、更容易集成和操作，类似于通用机器视觉市场的“智能相机”趋势。

今天，制造商仍然依赖功能仪表来测量间隙、螺纹和机加工零件的特定特性。例如，通用电气的哈丁解释说，一个机翼可能需要6到10个仪表;而像通用电气这样的公司可能会制造数千种不同的机翼模型，从而产生“数百万美元的功能仪表”。“其他制造商专门为数十台坐标测量机(CMM)留出一条生产线，要求工程师、技术人员和操作人员将零件拿到CMM生产线上进行测量，而不是从机器视觉等全自动、100%检测系统收集数据。

LMI技术公司(Delta, British Columbia, Canada)首席执行官Leonard Metcalfe解释说:“3D机器视觉的最大问题是，它不像2D相机那么容易使用，因为它需要将光源和校准集成到传感器中，而不是2D相机。”

智能3D
LMI正在通过提供包括传感器、照明、处理和校准在内的一系列3D“智能仪表”来解决简单性的挑战。“一些智能仪表有一个以上的相机-立体结构光。其他公司使用激光进行快速应用，是因为激光提供的光强度。”“我们下周将在(德国)汉诺威推出一种新的传感器，它可以进行全彩色的全3D成像。每个传感器都有多个摄像机和多个不同频率的光源，系统自动将图像结合起来，提供3D和彩色的混合效果。这在有机物和木材等行业尤其有用，你需要3D立体特征，以及发现腐烂、污渍、真菌等，所以这些部分可以被删除。”

随着生产线速度的提高，光线预算被拉伸到极限，当快门速度太短，传感器无法收集足够的光线时，导致图像对比度降低。由于这个原因，以及相干光的固有结构(你指向它的地方，它只指向你指向的地方)，激光三角测量是照亮3D机器视觉应用程序的首选方法。

“激光是最强大的方法，”威创公司(美国肯塔基州路易斯维尔市)的3D技术产品经理马库斯·毛雷尔说。“它不受周围光线的影响，是一种经过验证的简单技术。“Vitronic将其3D视觉业务划分为四个领域:游戏、时尚、人体工程学行业的人体扫描;检查;机器人引导和焊接。除了照明和计算的发展，Maurer指出3D机器视觉中改进的自动校准例程是3D机器视觉的一个可行发展，它正在扩大其效用。

吃带宽
SICK Inc.(明尼苏达州布明顿市)的视觉业务开发经理Karl Gunnarsson说，他们的IVC-3D技术通过将图像过滤电路与CMOS光学传感器放在同一芯片上，有助于简化3D测量。IVC-3D还使用激光线三角测量来创建3D数据集，但在CMOS芯片上的处理允许传感器头将激光线隔离在512x1536像素的图像内，仅以亚像素精度传输3D信息。这允许系统运行在极高的帧率高达5000 fps在全帧。Gunnarsson解释说:“IVC-3D智能摄像机配有100多个视觉工具，可以轻松编程，解决各种检测任务。SICK的产品结合了精确和强大的3D成像与智能系统的优势，为机器视觉应用创造了一个简单的解决方案。

快速3D分析对于新的视觉应用程序是至关重要的，这些应用程序可以跟踪移动物体，例如移动链钩上的家具，或手推车上的移动机器人。

''数学是相当于3D非线性运动建立的，但是问题和视觉系统之间的带宽是带宽，“Shafi Inc.总裁Adil Shafi解释道（布莱顿，密歇根州）。''机器人可以快速更新基于视觉伺服或其他方法的坐标系？一些使用FireWire，其他人使用以太网，但vision伺服需要更多，特别是如果您正在跟踪快速移动的东西。如果一个物体移动1寸一秒钟，那就是一件事，但如果它是移动10英寸的一秒钟，那就是别的东西。''

与上面提到的激光扫描系统不同，Shafi使用基于Cognex (Natick, Massachusetts)几何学的搜索算法来定位图像中的特征以及它们与物体在3D空间中的位置的相对关系。Shafi说:“一般来说，基于激光的系统识别特征的能力较差，与基于几何结构的系统(带有现成的CCD摄像机)相比，需要更多的安装、安全考虑和维护。”“与激光系统相比，基于几何的识别系统可以识别更多的变化，例如光线、焦点、特征、形状等的变化。它们是处理垃圾箱拣选、自动包装和可改变形状的产品的关键。”

通过将物体的移动通过将锥形添加到链钩和其他材料处理系统来解决一个平面来解决'移动性'问题，该方法通过允许某种程度的自由运动。

本选择
在其他耐用产品制造业务中，拣箱正成为采用3D视觉的另一个主要驱动力。就像为木材和其他有机产品的视觉系统添加颜色一样，参与拣箱应用的3D视觉供应商正在学习开发满足特定终端用户应用的视觉功能，而不是依赖客户和集成商用通用视觉系统解决特定问题。例如，Shafi的拣箱策略的一个主要部分依赖于扩展其存储的3D几何形状的类，如一端有法兰的圆柱体，它被用作拣箱轴的模型。

Bin采摘的最大挑战是定位由其他部件部分隐藏的零件或以使其难以识别的视觉系统或机器人处理的方式定向的零件。“人们对垃圾桶的人非常谨慎，因为失败的系统可以真正影响生产力，”Shafi说。“这就像汽车架四年前的那样。一些客户的成功，但现在人们正在开始提交，因为随着时间的推移证明。在耐用的商品行业中，有一个大的推动能够在低批量生产，以适应立交库存和一行中更广泛的型号。机器人指导和垃圾拣选可以通过减少硬装置的需求和相关成本和线路营业额的需求来给予它们。“

随着3D视觉的成熟，更多的功能将被整合到单一的智能系统中，比如机器人引导的检查，这已经在今天发生了;颜色和光谱分析与三维视觉，最后是非线性运动跟踪。正如LMI的梅特卡夫所解释的，视觉行业需要继续采用新技术，重点是将这些组件变成易于使用的系统。

“我们非常接近成像者人，并且还在DSP侧的信号处理和计算机信号处理，以及LED技术和激光技术，因为很多这些组件都是钥匙，”Metcalfe说。''我们一直需要越来越多的光线，因为机器移动得更快，更快，而LED业务有很多帮助。总有一天，我们将看到多光谱结合3D，UV图片与可见和IR图片相结合 - 全部3D。