工业视觉检测系统：多相机协同与机器人调度实战-嵌云网-嵌入式AI开发资源站

工业视觉检测系统：多相机协同与机器人调度实战

小猪舔阳

1. 项目背景与核心挑战

PCB板检测产线对精度和效率的要求堪称苛刻。以华为5G基站PCB板为例，最小线宽仅50μm，检测精度要求±0.05mm，节拍必须控制在12秒/板以内。传统单相机+单机器人的方案在简单场景下尚可应付，但面对12台工业相机（8台用于外观检测，4台用于尺寸测量）与8台协作机器人（6台负责分拣，2台负责返修）的复杂系统时，就会暴露出致命问题：

时钟同步误差：各相机独立触发时，微秒级的时间差会导致PCB板位移造成的图像错位。实测数据显示，传送带速度1m/s时，100μs的同步误差就会产生0.1mm的图像偏移。
坐标系混乱：每台设备使用本地坐标系，经过8次坐标转换后，累积误差可达±0.2mm。这直接导致机器人抓取位置偏差，出现"看得见抓不着"的尴尬局面。
任务冲突：当多台机器人同时申请同一工位时，若无中央调度系统，轻则节拍下降，重则发生物理碰撞。我们曾因这个问题导致两台ABB IRB 6700机械臂末端执行器损毁，单次维修成本超5万元。

关键教训：多机系统不是单机方案的简单堆叠，必须建立全局时钟、统一坐标系和中央决策机制。

2. 系统架构设计解析

2.1 硬件拓扑设计

采用"星型+总线"混合架构，既保证实时性又兼顾扩展性：

code复制[主控服务器]
├── [PTP主时钟] via 10G光纤
│   ├── [相机1] 
│   ├── ...
│   └── [相机12]
└── [EtherCAT主站] 
    ├── [机器人控制器1]
    ├── ...
    └── [机器人控制器8]

时钟同步：通过IEEE 1588(PTP)协议实现纳秒级同步，选用Meinberg M1000时钟服务器作为主时钟，实测各相机触发时间偏差<50ns。
通信网络：
- 视觉数据：10G光纤网络传输2000万像素图像，单帧压缩耗时控制在80ms内
- 控制指令：EtherCAT总线确保机器人指令延迟<1ms

2.2 软件架构设计

采用分层解耦设计，各模块通过ROS2中间件通信：

python复制class VisionSystem:
    def __init__(self):
        self.image_processor = YOLOv5s(weights='pcb_defect_v3.pt')  # 定制化训练的模型
        self.coord_transformer = CoordTransformer(master_frame='world')

class RobotScheduler:
    def __init__(self):
        self.task_queue = PriorityQueue()
        self.collision_map = OccupancyGrid(resolution=1mm)

class CentralController:
    def __init__(self):
        self.vision = VisionSystem()
        self.scheduler = RobotScheduler()
        self.state_monitor = StateMonitor()

3. 核心实现细节

3.1 多相机同步采集方案

硬件触发电路设计：

使用NI PCIe-6323数字IO卡产生触发脉冲
采用光耦隔离防止地环路干扰
信号线阻抗匹配50Ω，防止反射造成边沿畸变

软件配置要点：

csharp复制// Halcon采集配置示例
HTuple hAcqHandle;
HOperatorSet.OpenFramegrabber("GigEVision", 0, 0, 0, 0, 0, 0, "default", -1, 
    "default", -1, "false", "default", "cam1", 0, -1, out hAcqHandle);
HOperatorSet.SetFramegrabberParam(hAcqHandle, "TriggerMode", "On");
HOperatorSet.SetFramegrabberParam(hAcqHandle, "TriggerSource", "Line1");

避坑指南：Basler相机需额外设置TriggerDelay=50μs，避免首帧丢失问题。

3.2 统一坐标系建立

采用"九点标定法"建立世界坐标系：

使用标定板在传送带不同位置拍摄9组图像
通过最小二乘法拟合平面方程：z = 0.0032x + 0.0015y + 12.345
各设备坐标系转换矩阵存储为JSON配置文件：

json复制{
  "cam1": {
    "rotation": [0.9992, -0.0123, 0.0384, 0.0118, 0.9996, 0.0257, -0.0387, -0.0252, 0.9989],
    "translation": [1250.34, -345.67, 856.12]
  }
}

实测表明，该方法可将坐标转换误差控制在±0.03mm内。

4. 任务调度算法

4.1 动态优先级分配

采用改进的EDF(Earliest Deadline First)算法：

code复制机器人任务优先级 = 
   基础权重(返修任务:10, 分拣任务:5) 
   + 紧急系数(1/剩余时间) 
   - 路径惩罚(与当前任务路径重叠度)

4.2 防碰撞策略

建立三维时空占用网格：

空间分辨率：1mm
时间分辨率：10ms
冲突检测代码片段：

python复制def check_collision(robot1_path, robot2_path):
    for t in range(max_steps):
        pos1 = robot1_path[t]
        pos2 = robot2_path[t]
        if euclidean_distance(pos1, pos2) < safety_margin:
            return True
    return False

5. 实测性能数据

在华为产线连续7天压力测试结果：

指标	要求值	实测值
节拍	≤12s	11.3s
定位精度	±0.05mm	±0.03mm
误检率	≤0.1%	0.07%
系统可用率	≥99.5%	99.8%

6. 关键问题排查手册

6.1 图像错位问题

现象：检测框与实物位置偏移0.1-0.3mm
排查步骤：

检查PTP同步状态：ptp4l -m -q查看offset值应<100ns
验证触发信号：用示波器测量各相机Trigger信号上升沿
检查传送带编码器信号：脉冲间隔波动应<1%

6.2 机器人路径冲突

现象：机器人突然停止并报错"Collision Avoidance"
解决方案：

更新OccupancyGrid地图分辨率到0.5mm
在路径规划中增加10ms缓冲时间
优化任务分配算法权重系数

7. 工程实施要点

线缆管理：
- 电源线与信号线分层走线，间距>10cm
- 千兆网线长度不超过75米
- 光纤弯曲半径>5cm
接地规范：
- 所有设备共地，接地电阻<4Ω
- 模拟地与数字地单点连接
抗干扰措施：
- 变频器输出端加装磁环
- 伺服电机电源线使用屏蔽线

这套方案在比亚迪线束检测产线实施时，通过增加视觉伺服补偿模块，进一步将动态抓取精度提升到±0.02mm。现在回头看那些踩过的坑，最大的体会是：复杂系统必须建立严格的数学模型，每个参数都要有物理意义，不能靠试错法调试。下次再遇到20相机+15机器人的项目，我准备尝试基于强化学习的分布式调度算法，到时候再和大家分享实战效果。