1. 课程导入与工程认知
在精密制造现场,尺寸合格并不等于零件可用。一个注塑透镜的曲率半径可能落在公差带内,但表面存在 0.2 μm 量级的波纹,装配后仍会导致波前畸变;一块电池极片的厚度均值达标,局部却出现 3 μm 的周期性起伏,涂布均匀性就会失控。这类问题无法靠卡尺、千分尺或三坐标接触测头完整回答,因为它们关心的是“点在哪里”,而光学三维测量关心的是“面长什么样”。本课程讨论的,正是如何用光学手段把零件的三维几何与表面形貌变成可量化、可判断、可追溯的数据。
一、技术定位:从“测点”到“测面”的范式转换
ZEISS 光学三维测量与表面检测并不是单一设备,而是一组互补的技术族。理解它们的关键,是先区分三条技术路线各自“测什么、怎么测、给出什么数据”。
- 结构光三维测量(条纹投影):投影仪把正弦条纹投到零件表面,两台相机从不同角度拍摄被表面高度调制的条纹,通过相位解算与三角交会得到稠密点云。典型单次视场可覆盖 100 mm × 75 mm,点距 30~100 μm,适合注塑件、压铸件、钣金件的全尺寸偏差分析。
- 共聚焦与白光干涉表面测量:利用轴向扫描寻找对比度或干涉极大值的位置,逐点确定高度。共聚焦适合 10 nm~数十 μm 的粗糙度与台阶,白光干涉在亚纳米级粗糙度上更有优势,常用于光学镜面、晶圆、精密轴承滚道。
- 工业 CT 与多传感器融合:CT 解决内部结构与遮挡区域,光学传感器解决外表面高精度形貌,二者在同一坐标系下配准后,才能对“内腔+外表面”的完整几何做判断。
与接触式三坐标测量机相比,光学测量的核心差异不在精度数字,而在信息密度与测量逻辑:CMM 用几十到几百个离散点拟合特征,光学测量一次给出百万级点云,再用参考模型或拟合基准去比较。这意味着评价方式从“特征尺寸是否在公差内”扩展到“整个表面的偏差场如何分布”。工程上常说的“看云图”,本质就是看偏差场。
二、典型工业场景:不同行业关心不同的“面”
同一套光学测量原理,落到不同行业会变成完全不同的任务。以下场景在本课程中会反复出现,作为理解参数与流程的载体。
| 行业/对象 | 典型测量任务 | 关键指标示例 | 主要技术路线 |
|---|---|---|---|
| 光学镜片/透镜 | 面形误差、粗糙度、曲率半径 | PV ≤ λ/4、Ra ≤ 2 nm | 白光干涉、共聚焦 |
| 注塑与压铸结构件 | 全尺寸偏差、翘曲、装配间隙 | 轮廓度 ±0.05 mm | 结构光三维扫描 |
| 电池极片与隔膜 | 涂布厚度均匀性、边缘毛刺 | 厚度波动 ≤ ±1.5 μm | 共聚焦线扫、结构光 |
| 精密齿轮与螺纹 | 齿面形貌、导程误差、毛刺 | 齿廓总偏差 Fα ≤ 8 μm | 结构光+旋转轴、共聚焦 |
| 增材制造件 | 悬垂面粗糙度、内部缺陷 | Ra ≤ 10 μm、孔隙率 ≤ 0.5% | 结构光+CT 融合 |
这些场景的共同点是:测量对象具有自由曲面或微细结构,接触测量会划伤或无法触及,而光学方法能在不接触的前提下获得高密度数据。但它们的差异同样明显——镜片关心纳米级高度起伏,压铸件关心毫米级整体变形,二者对物镜、视场、采样策略和滤波方式的要求几乎相反。因此本课程不会给出“万能参数”,而是训练你根据任务反推配置。
三、从光信号到工程结论:一条完整的数据链
要真正理解这门技术,必须把“设备—信号—数据—判断”串成一条链。下图给出本课程贯穿始终的主线:光学信号如何一步步变成可交付的检测结论,以及每个环节最容易出问题的地方。
这条链上,前两步决定数据“有没有”,第三步决定数据“干不干净”,第四步决定结论“对不对”,第五步决定结论“有没有用”。工程中大量争议并非设备精度不够,而是第四步的基准与滤波选择不一致——同一份点云,换一种对齐方式,平面度可能从 8 μm 变成 25 μm。因此本课程会把相当篇幅放在对齐、基准与评价参数上,而不是只讲扫描操作。
四、课程目标与学习路径
学完本课程,你应当能够独立完成以下任务闭环:拿到一个零件与一份图纸,判断它适合哪种光学测量路线;配置合理的视场、点距、曝光与扫描策略;完成标定检查与坐标系对齐;对点云做必要的滤波、分割与特征提取;按图纸或标准计算尺寸、形位公差与表面粗糙度;最后给出有依据的合格判定与可追溯报告。
课程按“认知—原理—操作—评价—案例—排障”推进,但不会把每章都写成相同步骤。前几章建立技术定位与信号基础,中间章节围绕结构光、共聚焦、白光干涉三条路线分别展开设备、标定与扫描策略,随后进入点云处理、对齐与 GD&T 评价,再以光学镜片、注塑件、电池极片、增材制造等案例串联完整流程,最后集中处理高反光、透明、深孔、大尺寸拼接等典型难题。
五、先建立三个工程习惯
第一,先定义评价对象再选设备。要测的是整体变形还是局部粗糙度,决定了用结构光还是干涉。第二,先确认基准再谈偏差。没有明确基准的偏差场没有工程意义。第三,先看原始数据再下结论。点云空洞、离群点、相位跳变都会伪装成“形状误差”,必须在评价前识别并处理。这三个习惯将贯穿后续所有章节,也是本课程希望你先建立起来的工程认知。