从2D到3D视觉检测：产线升级前要算清的三笔账

过去几年，2D视觉在平面缺陷检测、字符识别与定位引导上已经相当成熟，一套工业相机加光源、配上一台工控机就能稳定跑很多年。但当检测对象从"有没有划痕"变成"装没装到位""间隙差多少""体积够不够"时，2D方案就开始吃力：它只能看到投影，缺少深度信息，遇到反光件、深色件或背景复杂的工件，判断往往依赖经验阈值，换一批来料就要重新调参。这正是3D视觉近两年在装配、焊接与物流分拣环节快速铺开的现实原因。

第一笔账是精度匹配。3D相机的Z轴重复精度与视野、工作距离强相关，视野越大，同样的传感器分辨率摊到每个像素上的深度误差就越大。不少项目在样机阶段用中等视野设备测小件，数据很好看，装到产线上却要覆盖整条输送带宽度，精度立刻掉一个量级。Basler的ToF与结构光系列、康耐视的3D轮廓传感器、雷尼绍的线激光扫描方案各有侧重：结构光适合静态或低速的中小视野高精度测量，线激光适合连续运动物体的轮廓采集，ToF则胜在帧率高、视野大但对细小特征不敏感。选型时先明确被测特征的最小尺寸与允许误差，再倒推视野和分辨率，比先选设备再找场景可靠得多。

第二笔账是节拍占用。3D数据量比2D大一个数量级以上，一帧点云从采集、滤波、配准到特征提取，耗时往往是几十到几百毫秒。产线节拍如果是两秒一件，看似有余量，但视觉工位还要承担定位、判断、通信三件事，余量很快被吃掉。实践中的做法是把重计算拆到独立的边缘计算单元，采集与判断分离；同时用编码器触发代替定时触发，保证运动中的采集位置一致。若产线速度可调，还应在上线前做一次满速压测，确认最坏情况下不丢帧、不误判，而不是只在低速试产时验收。

第三笔账是标定与维护。3D系统的手眼标定比2D复杂，相机坐标系、机器人坐标系、输送带坐标系之间的转换误差会直接体现在测量结果上。车间温度变化引起的机械臂热变形、镜头与光源的积尘、防护玻璃的划伤，都会让标定参数缓慢漂移。合理的做法是把标定做成例行动作，比如每班次用标准件做一次快速校验，每周做一次完整标定，并把校验结果记入设备档案。易福门、图尔克这类厂商提供的带诊断功能的视觉与传感产品，可以上报镜头污染与光源衰减状态，把"事后发现误判"变成"事前提示维护"，对连续生产的意义不小。

归纳起来，3D视觉不是2D的简单替代，而是换了一套测量逻辑。建议的推进路径是：先用一两台设备做小范围试点，选一个既有明确公差、又能人工复测的工位，用已知尺寸的标准件做重复性与再现性测试，连续跑一周，统计同一工件多次测量的离散程度，再判断是否值得推开。若离散度已经接近公差带的十分之一，说明系统能力不足，与其在算法上反复调参，不如先解决机械刚性、光照一致性与触发同步这些基础问题。把这三笔账算清楚，升级才不会变成一场昂贵的演示。