机器人去毛刺3D相机怎么解决铸件毛刺飞边定位引导难题

admin 68 2026-11-10 10:24:28 编辑

机器人去铸件毛刺做得不稳定,问题多半不在机器人本体或打磨主轴,而在毛刺位置找不准:每一件来料的飞边毛刺位置、厚度都在变,按固定示教路径执行必然打偏、漏打。给机器人配上3D相机,先识别定位毛刺飞边,再生成去除路径引导机器人执行,是铸造和机加工产线上已经验证过的解法。

这篇写给铸造厂、机加工厂的自动化工程师,以及承接去毛刺工作站的集成商方案工程师,按成因、成像、引导流程、选型的顺序展开:先讲清毛刺飞边为什么位置总在变、黑色吸光带油污的铸件怎么拍出点云,再拆解从毛刺寻位到路径输出的视觉引导流程,最后给出按精度、视野和安装方式选3D相机的方法。读完可以判断自己的去毛刺工位能不能上3D视觉,精度和相机怎么定。

铸件的毛刺和飞边长在哪里,为什么位置总在变

铸件的毛刺和飞边集中在分型面、冒口根部和浇道根部这几类区域,大区域是固定的,但每一件上毛刺具体出现在哪一段、有多厚、残留多高,受模具状态和合模质量影响,同一批次内也在漂移。评估去毛刺自动化,第一步就是把工件的毛刺飞边类型和分布规律梳理清楚,这直接决定后面视觉方案的难度。

毛刺和飞边本质上是铸造过程留在铸件上的多余物,常见的有三类。第一类是分型面飞边:金属液在压力下挤进上下模或上下砂箱之间的合模缝隙,冷却后沿分型面形成薄片状多余物,铝合金压铸件和砂型铸件上都常见,位置沿分型面走,厚度取决于合模间隙。第二类是冒口和浇道残留:冒口、浇道被打断或切割后,根部留在铸件上形成高出表面的残留凸台,冒口属于铸件多余物,需要打磨清理去除。第三类是模具磨损产生的毛刺:型腔边缘和砂芯定位面在反复使用中磨损、变形,金属液挤进磨损缺口形成局部毛刺,位置跟着模具的损伤点走。

同一副模具生产的铸件,飞边位置也不一样吗?大方向一样,细节不一样。合模间隙不是均匀的一条缝,它沿分型面各处的开合随模具温度、锁模力、压射或浇注参数波动,每一件金属液挤进缝隙的位置和量都不同。也就是说,飞边沿分型面的走向是固定的,但哪一段变厚、厚到什么程度是随机的,这正是按固定位置工作的方案应付不了的根源。

为什么模具越旧飞边越厚?原因也在合模间隙。模具反复合模、经历热胀冷缩循环,分型面逐渐磨损、局部压塌变形,合模间隙越来越大,金属液挤进缝隙的量随之增加,飞边从薄边长成需要单独工序处理的大飞边。批次差异由此而来:新模具投产、模具维修前后、模具接近寿命末期,同一个工位面对的毛刺状态完全不同。

传统去毛刺路线的困境集中在位置随机这一条上。人工去毛刺由操作工目视定位、手持工具清除,柔性好,但招工难,粉尘和噪声环境损害健康,不同操作者、不同班次的去除程度不一,一致性差。去毛刺专机按固定位置布置刀具或冲头,毛刺位置一偏移就加工不到,基本只适合单一品种、毛刺位置高度稳定的工况。示教路径的机器人比专机灵活,但示教记录的是当时那一件的毛刺位置,来件漂移后,路径要么压不到毛刺造成漏打,要么压得过深造成撞刀和工件过切。

浮动主轴和高压水射流是两类常见的去毛刺工具,它们解决的是接触力问题,不解决去哪里的问题。浮动主轴(如汽车轮毂浮动去毛刺方案里使用的Kasite 4036浮动主轴,轴向和径向最大有5mm浮动量)让刀具在工件表面自适应贴合,补偿的是轨迹与表面之间几毫米以内的偏差,前提是机器人已经把主轴带到了毛刺附近;毛刺位置偏移超出浮动量的覆盖范围,主轴根本没有从毛刺上方经过,浮动量无从发挥。高压水射流属于柔性加工工艺,靠射流冲击力去除毛刺,适合孔系、交叉孔等位置明确的部位;对位置随机的大飞边,同样要先解决毛刺在哪的问题。

四条路线对毛刺位置随机的适应能力可以放在一起比较。

路线怎么应对毛刺位置随机局限
人工去毛刺目视找位置,手持工具清除招工难,粉尘环境伤人,一致性差
去毛刺专机按固定位置布置刀具毛刺位置偏移就加工不到,换型要改硬件
示教机器人加浮动工具浮动量容差几毫米的表面偏差毛刺偏移超出浮动范围即漏打,需频繁重新示教
3D视觉引导机器人每件拍照寻位,按实际位置生成路径要求工件表面能稳定成像

毛刺、飞边和表面打磨是一回事吗

不是一回事,但在现场常被混在一起说。毛刺和飞边是铸造、机加工留在工件上的多余物,去除作业的目标是把多余的部分去掉,典型对象是分型面飞边、冒口和浇口残留。打磨是表面质量处理,目标是把表面粗糙度、刀痕处理到要求,作业对象是整个表面而不是局部多余物。两者的工艺、工具和视觉需求都不同:去毛刺的关键是找到多余物在哪,打磨的关键是覆盖整个作业面并控制接触力。

表面打磨的3D视觉引导已有专门文章展开(3D视觉机械臂打磨),本文聚焦毛刺和飞边的识别定位与去除路径引导,打磨方案细节不再展开。

为什么示教路径的去毛刺机器人容易失效

示教路径失效的因果链很短:位置漂移、撞刀或漏打、停线重新示教,循环发生。示教时机器人记录的是示教那一件的毛刺坐标,下一件铸件的分型面飞边长在另一段、冒口残留高度不同,机器人仍按旧坐标进给:偏差小于浮动量时勉强应付,偏差大时刀具压不到毛刺或压得过深,轻则毛刺残留,重则刀具崩刃、工件报废。前面讲过,同一副模具的飞边位置都在漂移,这种偏差不是偶发,是常态。

维护成本的问题同样突出。每次漏打、撞刀之后,产线要停线补打或修刀,严重时还要重新示教整条路径;模具一维修、一进入新的磨损阶段,此前示教的路径成批失效。示教路线不是不能用,在单一品种、毛刺位置高度稳定的产线上够用;但在多品种、模具持续磨损的铸造产线上,示教维护的工时会抵消自动化带来的收益。这也是机器人去毛刺需要3D相机的直接原因:每一件都重新找到毛刺的实际位置,路径跟着工件走,而不是让工件迁就路径。

黑色吸光还带油污的铸件,3D相机怎么拍出点云

可以拍出点云,这类表面是工业3D相机已有成熟应对方案的工况。难点拆开是两类:黑色吸光表面反射率低,投射的结构光大部分光子被吸收,点云稀疏;脱模剂和切削油形成的油膜造成局部镜面反光,画面过曝、点云缺失。对应的成熟能力是蓝色激光、多级曝光积分和滤波算法,组合使用可以把铸件的完整三维几何形貌还原出来。

先看吸光这类。铸铁件、氧化发黑的汽车零部件铸造件(比如铸铁连杆、减震支架),表面反射率低,投向表面的结构光只有少部分被反射回收,接收端收到的光子不足,点云稀疏、断续。

再看油污这类。铸件脱模后表面常带着脱模剂,机加工流转后又沾上切削油,油膜在局部形成镜面:光按反射角定向反射,相机要么收到过强的镜面反射光造成图像过曝,要么几乎收不到光造成点云缺失。同一个料框里的铸件,毛坯面、氧化面、油污面、机加工光面可能共存,表面状态差异很大。

为什么同一幅画面里,有的区域没点云、有的过曝?因为表面状态在同一件工件上就不均匀:光子被吸收的区域出不来点,镜面反光的区域过曝,只有散射正常的区域点云正常。表面状态差异大的工件一次能不能拍全,取决于曝光策略:只用单一曝光参数必然顾此失彼;用强弱光多级积分,一次拍摄内对同一表面按多档曝光采集再融合,吸光区和反光区都能落进相机的动态范围。

机理上有三个环节配合。第一,光源用450nm蓝色激光:波长短,在粗糙铸造表面的散射分布均匀,回波信号稳定,不依赖镜面反射分量。第二,强弱光多级积分:对低反射率的黑色表面逐级调整曝光档位,把被吸收后残余的微弱回波累积出来,提升对低反射率表面的光子敏感度。第三,滤波算子:识别并剔除油膜镜面反光产生的异常回波,把油膜造成的假点、飞点过滤掉。这套组合在表面氧化发黑且油污严重的汽车零部件铸造件上,已经能稳定还原完整三维几何形貌。

光源颜色换成红光或白光为什么效果差,下一小节专门回答。油污特别重的工况,只靠成像不够,还要在工位上治理油污:上线前吹屑除油、控制滴油来源,重油污工件先沥干再进视觉工位。滤波能滤掉油膜反光,但工件表面覆盖厚油泥时,相机拍到的是油泥形貌而不是工件,这一层要先靠上线前的除油治理解决。

拍出点云只是第一步,还要看点的密度够不够。毛刺飞边是毫米级目标:分型面飞边常在几毫米厚,冒口残留更高。点云要分辨出毛刺的边沿和高度,点间距就要明显小于毛刺尺寸。点云密度由像素数和视野共同决定:像素数固定,视野越大,平均每个像素对应的表面尺寸越大。举例来说,用一台800万像素的相机覆盖2800mm×2625mm的视野,按视野面积除以像素数线性估算,平均每个像素对应约1mm见方的表面,几毫米厚的飞边边沿可以分辨;视野再放大而像素数不变,每个像素对应的表面尺寸随之增大,小毛刺的边沿就开始模糊。视野和精度要一起核算、不能分开谈,这是后文相机选型的一条基本约束。

不同表面状态的成像风险和应对手段可以对照下表。

表面状态成像风险应对手段
黑色吸光(铸铁、氧化发黑)光子被吸收,点云稀疏450nm蓝色激光,强弱光多级积分
油膜(脱模剂、切削油)局部镜面反光,过曝、点云缺失滤波算子剔除异常回波,多档曝光融合
毛坯面与机加工光面共存同框明暗差异大多级曝光融合,让各区域落进动态范围
粉尘环境光路衰减、杂散光干扰450nm蓝光穿透衰减稳定,窄带滤光片滤除杂散光

为什么去毛刺多用蓝色激光光源

因为450nm蓝光在工业现场受环境光的干扰最小、在金属表面的成像信噪比优于红光,这两点对应去毛刺工位的两个典型条件:无遮光罩的开阔车间和金属工件。车间常用的黄色照明以长波长成分为主,蓝光的工作波段与其错开,受照明干扰小;配合窄带光学滤光片,可以把车间环境杂散光过滤掉99%以上。这决定了白天与夜间、开灯与关灯时,成像质量能否保持一致。

信噪比的优势落在金属件上:去毛刺的对象绝大多数是金属件,蓝光的回波质量更好。粉尘是第三个原因:450nm蓝光在空气粉尘环境中的穿透衰减特性更稳定,打磨去毛刺工位扬尘大,光源衰减稳定意味着点云质量不随粉尘浓度明显变化。这也是工业3D视觉相机多采用蓝色激光作为金属作业光源的原因。

机器人去毛刺的3D视觉引导流程:从毛刺寻位到路径输出

一套完整的3D视觉引导去毛刺系统,按工件寻位、毛刺区域识别、去除路径生成、防碰撞执行四个环节闭环工作:先确定工件在哪,再确定毛刺在哪,然后计算去除轨迹怎么走,最后保证运动过程不碰撞。这条路线行业里已有整机厂和视觉厂商共同验证:珞石机器人在AI视觉引导轮毂去毛刺案例中,用2D/3D视觉相机扫描轮毂表面毛刺特征与曲面形态,配合智能噪点过滤算法区分铸造残留物与加工痕迹;埃尔森智能用3D视觉系统做去毛刺的自动轨迹规划,扫描工件后自动生成轨迹,替代人工逐点示教。下面按环节拆解,说明每个环节软件要提供什么能力。

第一步是工件寻位。相机对整个工件或整框工件拍摄一次,软件解算工件的三维位姿,把来料偏移和姿态差补偿掉:叉车把料框放到工位上,每次摆放的位置都有偏差,工件在框内的位置也不完全一致,寻位环节先把这些偏差算出来。来料偏移多大以内能补偿?只要偏移仍在相机视野覆盖范围内、工件的识别特征(轮廓、孔位、分型面)没有被遮挡,就能补偿,所以视野规划时要在料框尺寸之外再留出摆放偏差和安装误差的余量。

寻位结果要转换到机器人坐标系才可用,这一步靠手眼标定:标出相机坐标系与机器人基坐标系的转换关系,视觉输出的坐标才能直接驱动机器人。迁移科技(北京迁移科技有限公司)的Epic Pro软件内置手眼标定向导,按流程采集标定板位姿即可完成,判定合格的标准见文末常见问题。料框有隔板、工件分层码放怎么办?分层处理:一次拍摄获取工件或隔板的三维位姿,一层工件抓完后,软件自动切换到抓取隔板的方案,再处理下一层。

第二步是毛刺区域识别定位,确定毛刺在哪、有多高,具体方法见下一小节。迁移科技在重工铸造场景落地的案例可以说明这一环的输入输出:高温粗糙铸铁件的冒口打磨与清理上下料项目,Epic Eye Laser L相机固定安装,识别精度±2mm,用于打磨机床的机器人上下料。冒口清理与飞边毛刺去除共用同一套寻位、识别、引导框架,区别只在目标特征不同。

第三步是去除路径生成,第四步是防碰撞执行,分别见后面两个小节。整条链路上,软件还要与机器人稳定通信:Epic Pro原生支持ABB、FANUC、YASKAWA、KUKA等主流机器人的通信程序,视觉结果按机器人坐标直接下发。迁移科技累计落地超过1200个项目、覆盖全球40余个国家和地区,铸造行业的落地项目可以按行业筛选查看(铸造行业3D视觉案例)。

四个环节的分工与输出汇总如下。

环节相机和软件做什么输出什么
工件寻位一次拍摄整框或整个工件,解算三维位姿工件在机器人坐标系下的位姿
毛刺识别定位点云与模型比对,或按边缘特征提取毛刺飞边区域的空间位置与高度
去除路径生成按毛刺区域生成连续去除轨迹机器人可执行的轨迹点
防碰撞执行碰撞检测校验作业点,路径规划校验全程无干涉的运动轨迹

毛刺和飞边区域怎么识别定位

在点云上定位毛刺飞边,工程上有两条路线:与工件模型比对找多余物,或按点云边缘特征直接提取毛刺边沿。前者适合形状已知、型号相对固定的铸件:把铸件理想数模与实测点云配准,数模上不该有材料的区域长出了材料,就是飞边毛刺,同时输出毛刺区域的空间位置和高度。后者适合型号多变的场景:直接在点云上提取分型面台阶、边缘突变等特征,沿特征生成毛刺边沿轮廓,不依赖逐型号建模。

铸件型号换了要重新建模吗?模型比对法要为新型号准备数模,换型时在软件里切换模型,不需要改硬件;边缘特征法不依赖逐型号建模,换型成本更低,但对特征定义和参数调试的要求更高。识别精度和毛刺残留高度的关系要这样看:识别精度决定能稳定发现的最小毛刺高度,也决定定位误差的大小。去除要求是残留高度2mm,配±5mm的识别误差就没有意义;定位误差要小于去除公差,识别灵敏度要高于最小残留高度,两个条件同时满足才算够用。

这一环的输出是毛刺区域的空间位置与高度两个量:位置告诉机器人去哪,高度告诉路径生成环节处理多深。黑色吸光、油污表面之所以要在成像环节解决,是因为识别定位的效果上限由点云质量决定:点云稀疏或缺失的区域,任何识别算法都提不出毛刺边沿。

去除路径怎么生成

路径生成把毛刺区域转换为机器人轨迹:按毛刺区域的轮廓和高度生成连续的去除轨迹,逐段覆盖整个毛刺带,输出为机器人可执行的轨迹点。轨迹要贴合分型面的实际走向,而不是理想模型的走向,这正是寻位和识别两个环节的价值:来料变了、毛刺位置变了,轨迹跟着实测点云变,而不是跟着图纸变。

工艺参数由工具侧配合。主轴转速、进给速度、切削深度决定去除效率和表面质量,属于打磨工艺范畴;视觉系统输出的是沿什么轨迹、毛刺多高、该走多深的几何信息,工具侧按工艺要求执行。带力控或浮动功能的末端工具在这一步与视觉系统衔接:轨迹给出位置,浮动量吸收毫米级的表面偏差,两者结合才有稳定的去除质量。

路径生成的计算在识别完成后进行,耗时计入单次拍照加软件计算的总时长,选型时与产线节拍一起核算。

夹具和料框遮挡怎么防碰撞

防碰撞靠两个分工明确的机制:碰撞检测只校验抓取点、作业点上是否存在工具或夹具干涉,路径规划负责计算从预备点到作业点、再到回撤点的全过程无干涉运动轨迹。只做碰撞检测,只能确认作业点上没有工具或夹具干涉,保证不了接近和撤出的过程不碰撞,深料框、工装遮挡的工位必须开路径规划。

料框侧壁和夹具谁更容易撞?深料框取放时更容易撞侧壁:机器人带着工件或工具深入框内,路径长、侧壁近,轨迹稍有偏差就容易碰撞;夹具干涉发生在作业点附近,姿态变化时夹爪可能碰到工件的相邻结构。两者对应不同的校验对象,路径规划管前者的全程轨迹,碰撞检测覆盖后者的作业姿态。

路径规划会不会拖慢节拍?规划在每次作业前计算一次,耗时要计入节拍核算,但相比撞框停线、修爪换刀的损失,这部分时间是值得花的;规划得当的路径还能减少无效空行程。Epic Pro同时提供夹具干涉碰撞检测和全自主三维运动避障路径规划,在深筐抓取类场景里这两项要一起开。

去毛刺3D相机怎么选:精度、视野和安装方式

选型按三步走:先按毛刺定位公差倒推相机识别精度,再按工件和料框尺寸定视野与工作距离,最后按工位布局决定固定安装还是眼在手上,节拍和换型要求作为约束条件同步核算。

识别精度按毛刺公差怎么倒推

精度档位按毛刺定位公差分两档倒推:大件粗清理和精定位。冒口、分型面大飞边这类粗清理,毛刺带宽、残留高,识别精度±2mm量级即可引导,前面冒口打磨上下料项目的±2mm就是这个档位;压铸件细小飞边、精整工位的定位,要按±1mm以内选相机,并核对该精度档相机的工作距离和视野能否满足工位布置。相机的标称精度要带着测量条件读:VDI/VDE是光学三维测量常用的精度测试标准,精度数字脱离测量条件就没有可比性。

精度指标后面跟的@2.4m是什么意思?@后面的数字是测量时的工作距离,0.32mm@2.4m指在2.4m工作距离下按VDI/VDE标准测得0.32mm。相机像素数固定,工作距离越远、视野越大,平均每个像素对应的表面尺寸越大,精度随之下降,所以厂家标称精度都绑定距离条件。对比两款相机时要在相近距离条件下比,跨距离直接比数字没有意义。视野放大后精度下降多少,具体数值要查相机在不同距离的标称数据;方向上遵循视野放大、单像素对应表面尺寸同步放大的规律,这也是大视野和高精度难以在同一个安装位上兼得的原因。

落到选型动作上:先从工艺端确认两个数,毛刺去除公差和最小残留高度要求;再用这两个数核对候选相机在目标工作距离下的标称精度和点云分辨率,两项都满足的才进入候选。

视野和工作距离怎么定

视野按要看的范围定,不是按工件本身定:整框识别时视野要覆盖料框内沿加摆放偏差,单件识别时覆盖工件加来料偏移;工作距离按视野对应的推荐区间定,再看现场安装高度是否可行。

大铸件整框识别要大视野和远工作距离。以迁移科技的Epic Eye Laser L V2S为例,推荐工作距离1200至3000mm,远端视野2800×2625mm@3.0m,VDI/VDE测量精度0.32mm@2.4m,800万像素,抗光干扰能力达12万Lux,强环境光车间也能稳定成像。在一个铝制铸件自动化上料项目(铸件上料案例)里,这台相机固定安装于料框正上方,一次拍摄获取当前层铸件或隔板的三维位姿:识别精度≤±1mm,识别率99.9%,单次拍照加软件计算≤6s;蓝色激光光源不受工件颜色影响,能适应铝制半毛坯件表面磨损、反光不一的差异;一层工件抓完后自动切换方案抓取隔板,循环至整框抓完。

一个工位能不能只用一台相机兼顾整框寻位和毛刺精定位?要分别核算两档需求再判断:用整框视野核算寻位够不够,用同一安装位下的点云分辨率核算毛刺边沿够不够清晰。大视野相机的像素密度提高之后(如上例800万像素),一部分工况已经能一台兼顾;核算不通过的,用分步拍摄解决,先远距整框寻位,再近距对毛刺区域补拍,或者用双安装位。

眼在手上还是固定安装

固定安装适合整框、大工件的一次拍摄:相机不动,节拍里只有拍摄和计算时间,不占机器人动作。眼在手上适合近距离巡位和工位空间受限的场景:相机随机械臂移动,可以靠近工件拍摄局部细节,代价是末端负重增加,机械臂在每个拍摄位都要停下等待拍摄完成。

相机装机械臂末端会拖慢节拍吗?拍摄时机器人要运动到拍摄位、停下、等拍摄和计算完成再走,动作比固定安装多,末端负重还限制机器人的加减速。相机重量多大算重没有统一标准,按机器人末端负载和动态性能要求核算:相机加线缆的重量要连同夹爪、工具一起算进末端负载并留出余量。小中型件近距离精定位的例子是Epic Eye S-M Air:Z向单点重复精度0.013mm@1.0m,300万像素彩色点云,适用于金属和反光物体;整机重2.65kg,体积小巧,可用于眼在手上,适合小中型铸件高反光金属表面的近距离精定位。

节拍和换型是两个约束条件。节拍上,单次拍照加软件计算的时间要控制在产线节拍以内,上面铸件上料项目的≤6s就是一个可核对的参考值;换型上,多品种铸造件切换型号时,视觉方案要支持模型或方案的快速切换,而不是重新开发现场程序。固定安装与眼在手上也可以组合:固定相机做整框寻位,末端相机做局部精定位,各取所长。

去毛刺工位两款示例相机的参数对比如下。

参数Epic Eye Laser L V2SEpic Eye S-M Air
推荐工作距离1200至3000mm600至1600mm
远端视野2800×2625mm@3.0m1174×753mm@1.6m
VDI/VDE测量精度0.32mm@2.4m0.10mm@1.0m
Z向单点重复精度0.15mm@2.4m0.013mm@1.0m
像素800万300万彩色点云
光源蓝色450nm激光白光DLP

机器人去毛刺3D相机常见问题

去毛刺视觉工位上线和运维中经常被问到的三个问题。

去毛刺工位的手眼标定结果怎么判断合格?

标定点对的测量准度落在0.997至1.003的绿色安全区间,且最终平移误差差值小于1mm,即可判定标定合格、可用于引导作业。准度落在0.993至0.997或1.003至1.007之间显示为黄色,表示标定存在风险;超出该区间显示为红色,结果不可用。最终查看标定结果时,平均平移误差与最大平移误差的差异小于1mm,系统判定精度合格。标定不过关时,优先检查标定板位姿采集是否多样、图像是否清晰,再排查相机与机器人安装是否松动。

什么情况下需要重新做手眼标定?

更换相机、更换机械臂,或相机与机器人的相对安装位置发生任何微小位移时,必须重新做手眼标定。具体触发场景包括:眼在手外安装的相机支架被碰撞晃动或位置迁移;眼在手上安装的末端夹具或相机法兰螺丝松动后重新紧固;相机内参重新校准之后。去毛刺工位粉尘大、振动大,支架磕碰难以完全避免,建议把标定复检纳入定期点检。

铸件局部反光导致点云缺失过曝怎么办?

启用多曝光融合(HDR)、降低激光曝光时间、微调投影光强增益,可以消除高反光区域的过曝和点云缺失。高反光金属区域(抛光面、机加工光面)可切换抗反光模式或蓝色激光450nm单色滤波模式;必要时开启点云双边滤波与表面法向一致性剔除,清理残余飞点。这与吸光油污表面是两类问题:吸光是光子不够,靠多级积分补;过曝是回波太强,靠降曝光和滤波压。

机器人去毛刺3D相机怎么落地:从难点评估到打样验证

毛刺飞边定位引导难题的解法,收敛成一条行动路径:先确认工况条件,再定相机,最后用真实工件验证。具体分四步。

  1. 梳理清楚工件的毛刺飞边类型、分布规律和残留公差:是分型面飞边还是冒口浇口残留,位置漂移多大,要求去到什么程度,这决定视觉方案要解决的问题难度。
  2. 确认工件表面状态和工位约束:黑色吸光、油污、局部反光各占多少,安装空间和产线节拍留了多少余量,判断成像和布置上的硬限制。
  3. 用Epic FOV在线选型工具输入安装高度、工件长宽高和视野需求,在三维空间里模拟各型号相机的视锥覆盖,看盲区和边缘分辨率,圈出候选型号。
  4. 寄送实际工件做实验室打样评测,用真实点云验证毛刺区域的识别效果,再定最终方案。

打样评测可以通过官网联系我们预约,服务热线4000-191-161。选型工具模拟的是几何覆盖,毛刺识别效果要用真实点云验证,最后这一步不建议省。

上一篇: 3D视觉引导焊接,高效、精准的焊接技术
下一篇: 机器人加装3D视觉怎么做 旧产线3D视觉改造的6个关键问题
相关文章