视觉参数配置
约 2188 字大约 7 分钟
5. 视觉参数配置
本案例通过点云配准确定单个目标的姿态。调参重点是有效特征、点云质量、粗精匹配和定位结果有效性,不是 2D 分割效果。
5.1 建立默认配置基准
- 选择已配置的相机、机器人、工件、末端工具、标定和 ROI。
- 打开新建作业自动生成的视觉参数配置。
- 使用一份定位特征完整、来料位置正常的历史数据运行默认参数。
- 记录各处理阶段是否成功、模板匹配位置、定位点方向和耗时。
- 每次只修改与当前问题相关的参数,单击 应用 后以同一数据复测。
不添加依赖 2D 识别的过滤
本作业没有 2D 实例分割环节,不使用基于掩膜面积、2D 包围盒面积等识别结果的过滤方式。可视化中出现图像或“实例”字样,不代表执行了 2D 模型识别。
5.2 检查参与配准的点云
5.2.1 先检查 ROI 与去噪
- 确认 ROI 内只保留当前目标所需的有效特征及合理余量。
- 对照原始点云与预处理后点云,检查是否残留邻件、支架或背景。
- 按实际噪声形态选择离群点去除、聚类去噪等函数。
- 使用高度或距离过滤时,确认台阶、槽底和边缘未被一并裁掉。
- 处理后从多个角度复查几何约束,不让模板变成缺少定位特征的平面。
预处理方法参见3D预处理函数配置指南。
5.2.2 区分三类降采样
| 配置位置 | 处理对象 | 验证重点 |
|---|---|---|
| 3D 预处理:点云降采样 | 进入后续计算的点云 | 是否减少计算量,同时保留定位特征 |
| 点云匹配:模型点云降采样大小 | 粗匹配使用的模板点云 | 模板点数与粗匹配成功率 |
| 3D 预处理:点云降采样(工件点云) | 用于精匹配的场景工件点云 | 精匹配耗时与最终定位精度 |
三项不应因名称相近而使用同一个数值。现有 V1.9.0 指南中,普通点云降采样默认点间距为 5 mm,工件点云降采样默认为 1 mm,模型点云降采样大小默认为 5 mm。这些是对应参数的起点,不是铝锭打标的统一推荐精度。

图中为普通点云降采样入口。调整后应对照处理前后的边缘和凹槽,确认没有采掉定位特征,再比较耗时;图示 5.0 mm 不代表最终定位误差。
具体作用阶段及设置方法参见3D预处理函数配置指南和点云匹配姿态估计配置指南。
5.3 验证点云粗匹配
- 在 3D 可视化中显示工件模板,检查它是否落在正确结构上。
- 核对模板与场景的朝向,特别检查平面内滑移、重复凹槽和对称方向。
- 模板点数过多且日志提示采样耗时时,再调整 模型点云降采样大小。
- 需要调整 重复采样比例系数 时,同时比较成功率和耗时,不只看速度。
- 来料方向确实受约束且存在对称歧义时,可评估 位姿角度先验,并先核对 ROI 坐标轴。
轮廓粗匹配
几何轮廓稳定时可评估“启动轮廓模式”。按指南要求同时配置 3D 预处理中的“点云轮廓提取”,并确认日志能显示有效轮廓点。仅切换模式不能补回原始点云中缺失的特征。
角度先验格式和轮廓模式说明参见点云匹配姿态估计配置指南。
5.4 验证精匹配与定位误差
粗匹配方向和位置基本正确后,再检查 物体姿态修正 的精匹配结果。
- 精匹配搜索半径:V1.9.0 指南默认值为 10 mm。过小可能缺少有效对应点,过大可能匹配到错误结构。
- 精匹配搜索模式:按点云特征比较点到点、点到面或组合方式,同时记录精度和耗时。
- 轮廓相关配置:轮廓具有区分度且稳定时再评估,先检查轮廓提取结果。
- 精匹配数据保存:诊断时启用,以比较修正前后的模板贴合情况。
从正面、侧面和斜视方向检查模板,不能只以“显示匹配成功”或单个分数判断打标精度。若粗匹配落在错误凹槽上,应先修正特征和 ROI,而不是指望精匹配自动找到真正目标。
单位与指标
模板文件单位、降采样点间距、搜索半径和最终定位误差是不同概念。字段可能使用毫米或米,应逐项核对。搜索半径也不等于最终打标定位精度。
5.5 判空与定位姿态过滤
5.5.1 验证无工件状态
使用有铝锭和无铝锭两类数据检查默认流程中的空 ROI 判断。根据实际点数分布设置阈值,并验证设备收到无目标或失败状态后的响应。
降采样和 ROI 变化会影响点数,应同步复测判空。ROI 中有支架或输送线点云时,即使没有铝锭也可能不为空;点数足够不等于识别到了正确目标。
阈值含义参见空ROI判断配置指南。
5.5.2 检查输出位置、角度与匹配质量
- 用 基于精匹配分数过滤 排除匹配质量不足的结果,并以正确和错误样本共同验证。
- 用 基于抓取姿态角度范围过滤 约束工具方向,核对 ROI 轴、正负方向及工具轴。
- 用 过滤 ROI 3D 类型区外的抓取点 约束定位点位置,确认打标定位点与所选工作区或抓取区的关系。
- 启用工具碰撞过滤时,使用尺寸和坐标正确、满足函数要求的模型,并验证临界情况。
过滤条件不是越宽松越好。定位点被过滤时应先定位原因,不直接关闭过滤以获得输出。操作参见抓取点过滤函数配置指南。
5.6 按日志优化节拍的案例思路
原参考调试过程显示:目标已能匹配,但场景点云远多于模板点云,精匹配占用较多时间。可按以下顺序复现这一分析方法:
- 先确认模板贴合及定位点正确,保存当前结果作为基准。
- 切换到 DEBUG 日志,区分采集、预处理、粗匹配、精匹配和保存耗时。
- 根据实际瓶颈选择场景点云或精匹配点云的降采样,不一次修改所有采样参数。
- 应用后使用同一历史数据再次运行。
- 先验证定位误差与稳定性,再比较耗时。
- 对边缘、倾斜、表面差异和空料样本回归测试,通过后再保存为运行配置。
原示例中的耗时变化只代表其测试条件,不作为本案例的性能承诺。下一章将验证视觉结果是否真正满足打标工艺。