实战:机器人飞拍定位项目的选型与节拍优化
前面把飞拍的曝光上限和触发延时分开算过。真接到机器人抓取上,这两笔账会跟节拍缠在一起。之前有个装配工位,相机装在法兰上,要从托盘里抓一个大约 50×40 mm 的金属壳体,客户要 3 秒一件,定位按 ±0.1 mm 来。方案里有人写成“到位停稳再拍”,光减速、等稳、拍完再加速,节拍就先亏一截。后来改成飞拍,问题又变成:飞快了图会糊,飞慢了窗口自己把节拍吃掉。今天把这套从选型到节拍的过程过一遍。
先把像素钉死,再谈飞多快
壳体要靠外轮廓或者两个定位孔来抓。精度 ±0.1 mm,我习惯先让 0.1 mm 至少占到大约 3 个像素,别把宝全押在亚像素上。托盘放件会偏,视野还得留余量,横向按 80 mm 来盖。这样物方分辨率就是:
δ=FOVN \delta = \frac{\mathrm{FOV}}{N} δ=NFOV
5MP、2448×2048、3.45 µm 的相机,80 mm 除以 2448,δ 大约 0.0327 mm/px,竖直方向大约 66.9 mm。0.1 mm 正好占 3.06 个像素,刚刚够用。同样 80 mm,2MP 只有大约 0.0417 mm/px,0.1 mm 只剩 2.4 个像素,匹配稍抖一下就顶到公差了。5MP 并不是为了“更清楚”那么简单,是给定位留余量。
像元 3.45 µm,靶面宽 8.4456 mm,放大倍率 β=8.4456/80≈0.1056\beta=8.4456/80\approx0.1056β=8.4456/80≈0.1056。工作距离先按 260 mm 估,法兰到工件还要给夹爪留位置。夹爪要是比相机还低,这个数还得再核,别只在三维图上量到法兰面。精确焦距:
f=WD⋅β1+β=WD⋅sensorFOV+sensor f=\frac{\mathrm{WD}\cdot\beta}{1+\beta}=\frac{\mathrm{WD}\cdot\mathrm{sensor}}{\mathrm{FOV}+\mathrm{sensor}} f=1+βWD⋅β=FOV+sensorWD⋅sensor
大约 24.8 mm。近似式会给出 27.45 mm,相对误差大约 10.6%,差不多就是 β 本身。库房拿 25 mm,要维持 80 mm 视野,WD 大约 262 mm。支架先别按 260 焊死,装上再核实际视野。
光圈我一般先放在 F4。工作光圈 Fw=(1+β)FF_w=(1+\beta)FFw=(1+β)F,景深还是那口近似,DOF≈2Fwc/β2\mathrm{DOF}\approx 2 F_w c/\beta^2DOF≈2Fwc/β2,弥散圆按 2 个像元,大约 5.5 mm。托盘和壳体的高度差通常过得去,再往下关,衍射先上来,没必要。
糊几个像素,速度跟曝光绑在一块
飞拍那条式子前面写过:
nblur=v⋅tδ n_{\mathrm{blur}}=\frac{v\cdot t}{\delta} nblur=δv⋅t
反过来,要把糊压在 0.5 个像素里,曝光上限就是:
tmax=nblur⋅δv t_{\max}=\frac{n_{\mathrm{blur}}\cdot\delta}{v} tmax=vnblur⋅δ
机器人在拍照点要是还以 200 mm/s 在走,tmaxt_{\max}tmax 只剩大约 82 µs。有人习惯先用 1 ms 连续光把图打亮,200 mm/s 下直接糊 6.12 个像素,边缘一软,匹配分数就不稳,抓取跟着飘。
把拍照窗口降到 50 mm/s,0.5 像素允许大约 0.327 ms,亮度比 1 ms 大约差 3 倍,连续光往往还能扛。可是速度降下来,窗口自己变慢:大约 40 mm 的稳速段,50 mm/s 要走 800 ms,再加上从 200 mm/s 减下来、再加速,按 2000 mm/s² 估,两边各大约 75 ms。光这一段就接近 1 秒。3 秒节拍里,拍照自己先吃掉一块,后面夹取和放置更紧。
后来上了频闪。脉宽按 80 µs 算,200 mm/s 时糊大约 0.49 个像素,刚好压在 0.5 下面;速度可以保持,不必为了曝光在窗口里爬行。连续光要从 1 ms 收到 82 µs,光强大约得补 12.2 倍,现场几乎补不出来。频闪过驱动把这一截补上,法兰上空间也够摆一个小环形或者条光跟着走。说白了,频闪是把“冻结运动”从机器人速度里解开,节拍才有地方可挤。

节拍要拆开,取图别挡着走
客户要 3 秒一件,我习惯把一圈拆成到位、拍照、去抓取、夹紧、放置、回位。不要只报一个总时间。
停稳再拍的时候,这组数比较典型:到位(含减速)大约 650 ms,等稳 200 ms,取图加算法加通信大约 120 ms——5MP 八位图大约 4.78 MB,千兆网卡实际传输大概 50~60 ms,形状匹配大约 50 ms,再加十来毫秒通信——然后去抓取 700 ms,夹紧 200 ms,放置 800 ms,回位 450 ms。加起来 3120 ms,也就是 3.12 秒,卡着超了一点。超的不是某一项特别离谱,是等稳和原地等结果这两段,加起来 320 ms,再叠一点减速,刚好顶破 3 秒。
飞拍如果走爬行,等稳和原地等待是省了,算法可以丢到去抓取的路上算。可 40 mm 窗口爬 800 ms,整圈反而到 3.45 秒,比停稳拍还慢。这个坑我见过不止一次:光学算完觉得“降速就能拍清”,节拍表却没把窗口时间写进去。
频闪加上去以后,200 mm/s 直接飞过触发点,到位大约 550 ms,取图和算法在去抓取的 700 ms 里并行做完,后面夹紧、放置、回位不动。整圈 2.70 秒,比停稳拍省大约 420 ms,3 秒节拍就站住了。
这里有个习惯做法:触发用机器人的 DO 硬触发,别走软件指令再拍照。软触发抖动大,后面精度会讲。结果经寄存器或者短包回给控制器,机器人不用在拍照点傻等。路径要在触发之前就规划好去抓取的方向,位姿到了再做末端那一段接近。

飞起来以后,精度还得按飞的速度验
手眼标定往往是停着标的。标定时对得上,飞起来抓偏,很多人第一反应是“标定不行”。其实更常见的是触发延时没补。位置误差还是那条:
ε≈v⋅Δt \varepsilon \approx v\cdot\Delta t ε≈v⋅Δt
200 mm/s 下,0.5 ms 的抖动就是 0.1 mm,正好把公差吃光;固定延时 2 ms 要是没补,直接偏 0.4 mm。同样 0.5 ms 的抖动,速度降到 50 mm/s,误差只有 0.025 mm。所以爬行方案在精度上确实更老实,只是节拍吃亏。频闪方案要把固定延时量出来,按提前量 s=v⋅Δts=v\cdot\Delta ts=v⋅Δt 补掉;抖的那一部分补不掉,只能靠硬触发把抖动压下去。还有个细节:拍照点附近速度得走稳,还在加速段就触发,补偿用的速度和实际对不上,偏多少自己都说不清。
我现在验精度,不会只在静止状态下抓 30 次看重复性。同样的件,按实际飞拍速度再跑一组,停下和飞起来的偏差,多半就是延时和拖影。托盘上放几个已知孔径的圆,或者用壳体上两个定位孔的间距,横纵向都量一下,能把匹配漂移和触发问题分开。
回头看,这套工位真正该提前钉死的也是三件事。一是 0.1 mm 的公差别靠 2 个像素硬撑,80 mm 视野用 5MP,3.06 个像素的余量到了现场才经得住匹配抖动。二是别为了连续光把机器人在窗口里踩慢,40 mm 爬行 800 ms 会把节拍吃回去,该上频闪就上。三是手眼标定之外,一定要按飞拍速度做精度验证,0.5 ms 抖动在 200 mm/s 下就是全部公差。这几条写进方案,调试会少很多来回。
# 机器人飞拍定位:5MP、3.45 µm,视野 80 mm
Nx, p_um, FOV, WD = 2448, 3.45, 80.0, 260.0
sens = Nx * p_um / 1000
delta, beta = FOV / Nx, sens / FOV
f_exact = WD * beta / (1 + beta)
f_approx = WD * sens / FOV
WD_25 = 25 * (FOV + sens) / sens
t_max = lambda n, v: n * delta / v
n_blur = lambda v, t: v * t / delta
print(delta, 0.1 / delta, 80 / 1920, 0.1 / (80 / 1920))
print(sens, beta, f_exact, f_approx, (f_approx - f_exact) / f_exact, WD_25)
print(t_max(0.5, 200) * 1e6, n_blur(200, 1e-3), n_blur(200, 80e-6))
print(t_max(0.5, 50) * 1e3, 200 * 0.5e-3, 200 * 2e-3, 50 * 0.5e-3)
print(650 + 200 + 120 + 700 + 200 + 800 + 450)
print(550 + 800 + 650 + 200 + 800 + 450)
print(550 + 700 + 200 + 800 + 450)
这类计算我平时会丢进自己写的小工具里对一遍。免费版整理好了会传到 CSDN 资源,站内链接放这里。有问题评论区说一声就行。
下篇聊 视觉项目现场 20 个翻车案例:光、机、电、软全覆盖。
DAMO开发者矩阵,由阿里巴巴达摩院和中国互联网协会联合发起,致力于探讨最前沿的技术趋势与应用成果,搭建高质量的交流与分享平台,推动技术创新与产业应用链接,围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐



所有评论(0)