2. 视觉对位贴合基础

视觉对位贴合（Vision Alignment & Lamination）是精密制造中最核心的工艺环节之一，其本质是通过机器视觉系统获取物料或组件的实际位置信息，与预设的标准位置（或基准位置）进行比较，计算出偏差量（X、Y、θ），然后通过运动控制系统进行精确补偿，最终完成两个或多个部件的贴合。在Halcon视觉项目中，对位贴合系统通常要求达到微米级（±5μm~±50μm）的重复精度，且节拍时间往往被压缩在2~5秒以内。本章将系统讲解对位贴合的定义、典型应用场景、系统组成与工作流程，为后续Halcon标定、定位算法和贴合策略打下基础。

2.1 对位贴合的核心原理与定义

对位贴合在工业制造中指的是将两个或多个独立的物理部件，按照设计图纸要求的位置精度（包括X轴、Y轴平移量以及绕Z轴的旋转角θ）进行精确对准，并通过压力、热压、UV固化或胶粘等方式使其成为一体。视觉对位贴合则是利用机器视觉系统替代人眼或机械治具，完成目标定位、偏差计算和运动补偿的过程。

从数学本质上讲，对位贴合解决的是一个二维刚体变换问题。假设基准物（如FPC上的金手指）上的特征点集为 P_i，待贴合物（如连接器）上的对应特征点集为 Q_i，则贴合过程就是寻找一个最优的仿射变换矩阵 T，使得变换后的 Q_i 与 P_i 之间的欧氏距离最小。在Halcon中，这一过程通常通过 vector_to_rigid 或 vector_to_hom_mat2d 算子实现，输入为两组成对匹配点，输出为变换矩阵，进而得到所需的X、Y偏移量和旋转角度θ。

2.2 典型应用场景分析

视觉对位贴合在3C电子、半导体、汽车电子和医疗设备制造中应用极为广泛。不同场景对精度、节拍和环境要求差异显著，因此视觉方案的设计侧重点也完全不同。

以FPC补强贴合为例，FPC（柔性印刷电路板）本身具有柔软、易变形的特点，在传送过程中容易产生微小的弯曲或拉伸。传统的机械治具对位方式难以适应这种柔性变形，而视觉对位可以通过识别FPC上的MARK点或焊盘图形，实时计算出当前的实际位置和角度，从而引导机械手进行精确补偿。在OLED屏幕贴合中，由于盖板玻璃和OLED屏均为透明材质，普通光源下对比度极低，此时需要采用平行背光或偏振光方案，利用玻璃与空气的折射率差异来增强MARK点或边缘的可识别性。

2.3 系统组成与硬件选型

一套完整的视觉对位贴合系统通常由以下五个子系统构成：图像采集系统、光学照明系统、图像处理与算法系统、运动执行系统以及控制与通信系统。

2.3.1 图像采集系统

图像采集系统包括工业相机、镜头和图像采集卡（或GigE/USB3.0接口）。相机选型的关键参数是分辨率和帧率。对于对位贴合应用，通常要求视野范围（FOV）内单个像素对应的物理尺寸（即像素当量）小于精度要求的1/3~1/5。例如，若贴合精度要求为±10μm，则像素当量应控制在2~3μm/pixel以内。假设视野范围为20mm×15mm，则需要相机的分辨率至少为：

水平方向：20mm / 0.003mm ≈ 6667 pixel
垂直方向：15mm / 0.003mm ≈ 5000 pixel
因此建议选用 2900万像素（6576×4992）或更高分辨率的工业相机。

2.3.2 光学照明系统

光源是视觉对位中最容易被忽视却又至关重要的环节。常见的光源类型包括环形光源、条形光源、同轴光源、穹顶光源和背光源。对于FPC金手指这类高反光表面，推荐使用低角度环形光或同轴光，以减少镜面反射干扰；对于OLED透明材质，推荐使用平行背光或偏振光附件，以增强MARK点边缘的对比度。光源的颜色选择也需要根据被测物颜色搭配，通常红色光对红色PCB板有较好的透过性，蓝色光对金属表面有更好的对比度。

2.3.3 运动执行系统

运动执行系统包括XYθ平台、六轴机械手或龙门架。对于平面贴合，XYθ平台（即X轴、Y轴直线运动加Z轴旋转）是最常见的结构。其重复定位精度应高于视觉系统精度的2~3倍，否则视觉计算得再准，运动机构也无法到达目标位置。例如，视觉系统精度为±5μm时，运动平台的重复定位精度应至少达到±2μm。

2.4 工作流程与Halcon实现路径

视觉对位贴合的标准工作流程可以分为以下七个步骤，在Halcon中均有对应的算子支持：

1. 图像采集：通过 grab_image 或 read_image 获取基准物和待贴合物的图像。
2. 图像预处理：使用 median_image、gauss_filter 去除噪声，使用 emphasize 增强边缘对比度。
3. 特征提取：通过 threshold、select_shape 提取MARK点或焊盘区域，或使用 create_shape_model 创建模板进行匹配。
4. 坐标计算：使用 area_center 计算特征区域的中心坐标，或使用 shape_model_find 获取模板在图像中的位置和角度。
5. 偏差求解：使用 vector_to_rigid 计算基准物到待贴合物的刚性变换矩阵，提取X、Y偏移量和旋转角θ。
6. 坐标转换：通过标定矩阵将像素坐标转换为机器人或平台的世界坐标，使用 affine_trans_point_2d 完成转换。
7. 运动补偿与贴合：将偏差值发送给运动控制器，执行贴合动作，贴合完成后可再次拍照进行验证。

2.4.1 案例拆解：FPC连接器对位贴合项目

以下是一个典型的FPC连接器对位贴合项目的简化案例，用于说明上述流程的实际应用。

项目背景：某消费电子代工厂需要将FPC上的金手指区域与PCB板上的连接器进行精确对位贴合。来料FPC存在±0.3mm的位置偏移和±1.5°的角度偏转，贴合精度要求为±30μm，节拍要求为3秒/片。

初始现象：使用人工目检对位时，不良率高达8%，且效率低下。改用机械治具定位后，由于FPC柔性变形，仍有3%的贴合偏移不良。

关键输入数据：

• FPC上MARK点直径：1.0mm，两个MARK点间距：15mm
• 相机分辨率：500万像素（2448×2048），视野范围：30mm×25mm
• 像素当量：30mm / 2448 ≈ 12.25μm/pixel
• 运动平台：XYθ平台，重复定位精度±5μm

分析判断过程：像素当量12.25μm/pixel，对于±30μm的精度要求，理论上满足1/3原则（12.25μm < 30μm/2），但考虑到算法亚像素精度（通常可达0.1~0.3像素），实际有效精度可达3~5μm，满足要求。由于FPC存在柔性变形，仅使用两个MARK点可能不足以完全校正非线性变形，因此增加第三个MARK点作为校验点，并通过Halcon的 vector_to_hom_mat2d 计算仿射变换（而非刚性变换），以补偿微小的拉伸变形。

实际操作步骤：

* 读取基准FPC图像
read_image (ImageFPC, 'fpc_reference.png')
* 创建模板
create_shape_model (ImageFPC, 4, -30, 60, 'auto', 'none', 'use_polarity', 30, 10, ModelID)
* 读取待贴合FPC图像
read_image (ImageCurrent, 'fpc_current.png')
* 模板匹配
find_shape_model (ImageCurrent, ModelID, -30, 60, 0.7, 1, 0.5, 'least_squares', 0, 0.9, Row, Column, Angle, Score)
* 计算偏移量
vector_to_rigid (RowRef, ColRef, AngleRef, Row, Column, Angle, HomMat2D)
* 提取X、Y偏移和旋转角
hom_mat2d_to_affine_par (HomMat2D, Sx, Sy, Phi, Theta, Tx, Ty)
* 发送补偿值到运动控制器
set_motion_offset (Tx, Ty, Phi)

结果对比：采用视觉对位后，贴合不良率从3%降至0.2%以下，节拍时间从人工的8秒/片提升至2.8秒/片，满足客户要求。同时，由于减少了人工干预，产品一致性显著提升。

风险与代价：项目初期由于光源角度选择不当，导致MARK点边缘反光严重，模板匹配偶发失败。后通过增加偏振片和调整光源高度解决。另外，FPC来料存在批次间颜色差异，需要定期更新模板或使用灰度归一化处理。

2.5 对位贴合系统的精度链分析

一个视觉对位系统的最终精度并不是由单一环节决定的，而是由整个精度链中最薄弱的环节决定。精度链通常包括：相机分辨率 → 镜头畸变 → 标定精度 → 算法定位精度 → 运动平台重复精度 → 机械结构刚性 → 环境温度漂移。在项目验收时，应使用标准校正板（如Halcon的 calplate）进行全流程精度验证，而不是仅测试视觉算法的单步精度。

2.6 总结与工程复盘

视觉对位贴合系统是一个典型的机电光软一体化系统。本章从定义出发，明确了视觉对位的数学本质是二维刚体变换求解；通过FPC、OLED、PCB三个典型场景的对比，说明了不同应用对视觉方案的差异化需求；随后详细拆解了系统的五大组成模块，并给出了相机选型、光源选择和运动平台匹配的量化方法；最后通过一个FPC连接器对位案例，完整展示了从项目分析、方案设计到现场调试和问题解决的全过程。

在下一阶段的学习中，我们将深入Halcon的标定方法，包括相机内参标定、手眼标定和畸变校正，这是将像素坐标精确转换为机器人坐标的关键步骤。掌握本章的基础概念后，学员应能够独立完成一个简单对位项目的硬件选型和流程设计。