4、视觉传感器与相机选型：2D相机、3D相机（结构光、ToF、双目）、分辨率、帧率、接口（GigE、USB3.0）等关键参数
视觉引导机械臂的抓取精度与鲁棒性，首先取决于视觉传感器能否在特定工况下稳定、准确地输出目标物体的空间位姿信息。相机选型并非参数越高越好，而是要在物理分辨率、采集速度、数据传输带宽、环境适应性以及成本之间寻找最优平衡点。本章将系统拆解2D与3D相机的成像原理差异，深入解析分辨率、帧率、接口协议等核心参数的实际工程意义，并给出面向典型抓取场景的选型判断路径。
4.1 2D视觉与3D视觉的适用边界
2D视觉系统本质上是将三维空间投影到二维平面，丢失了深度信息。在机械臂抓取应用中，2D相机通常用于平面抓取、定位纠偏和二维码识别等场景。例如，当工件平铺在传送带上且高度一致时，2D相机配合背光源或同轴光源，可以快速输出目标的中心坐标和旋转角度，引导机械臂在XY平面内完成抓取。其优势在于成本低、图像处理速度快、算法成熟，但无法处理堆叠、倾斜或高度变化的物体。
3D视觉则直接输出目标表面的深度信息或点云数据，能够为机械臂提供完整的六自由度位姿（X、Y、Z、Rx、Ry、Rz）。在料筐无序抓取、工件多层堆叠、异形件装配等场景中，3D视觉几乎是唯一可靠的技术方案。需要明确的是，3D视觉并非完全替代2D视觉，许多实际项目中采用“2D+3D”融合策略：先用2D快速定位感兴趣区域，再用3D在该区域内精计算深度和姿态，从而兼顾速度与精度。
4.2 3D相机三大技术路线：结构光、ToF与双目
结构光相机通过投影仪向物体表面投射编码光斑或条纹图案，利用相机拍摄被物体表面调制后的畸变图案，通过三角测量原理计算深度。其典型代表是Intel RealSense D435和各类工业级结构光相机。结构光方案在近距离（0.2m~2m）内精度较高，可达亚毫米级，但对环境光敏感，在强光下容易失效，且对黑色或高反光物体效果较差。
ToF（Time of Flight）相机通过测量光脉冲发射到物体表面再反射回来的飞行时间来计算距离。ToF相机不依赖物体表面纹理，对低纹理物体和远距离（可达5m以上）有较好适应性，帧率通常较高（30fps以上），适合动态抓取场景。但其分辨率普遍偏低（如QVGA或VGA级别），且深度精度受多路径干扰和物体边缘影响较大，在近距离高精度测量场景中不如结构光。
双目立体视觉模拟人眼工作原理，通过两个固定间距的相机同步采集图像，利用视差匹配算法计算深度。双目方案的优势在于无需主动光源，适合室外或环境光复杂的场景，且成本相对可控。但其深度精度依赖于物体表面纹理特征，对于纯色、无纹理的物体（如白色塑料件）匹配效果差，通常需要额外投射纹理光辅助。此外，双目相机的深度计算对算力要求较高，且基线距离限制了近距离测量能力。
| 对比维度 | 结构光 | ToF | 双目 |
|---|---|---|---|
| 测量原理 | 编码光斑三角测量 | 光脉冲飞行时间 | 视差三角测量 |
| 典型精度 | 0.1~1mm（近距） | 1~10mm | 1~5mm（依赖基线） |
| 工作距离 | 0.2~2m | 0.3~5m+ | 0.5~5m |
| 环境光敏感度 | 高（需遮光） | 中（可加滤光片） | 低（被动成像） |
| 低纹理物体 | 较好（主动投射） | 好（不依赖纹理） | 差（需纹理辅助） |
| 典型帧率 | 5~30fps | 30~60fps | 10~30fps |
| 成本区间 | 中高 | 中 | 低中 |
4.3 分辨率与帧率的工程权衡
分辨率决定了视觉系统能够分辨的最小物体细节。在抓取场景中，分辨率的选择需要结合视场（FOV）和所需精度共同计算。例如，若视场为400mm×300mm，要求定位精度为±0.5mm，则至少需要保证每个像素对应的物理尺寸小于0.25mm（采样定理要求至少2倍过采样）。由此可计算所需分辨率：水平方向400mm/0.25mm=1600像素，垂直方向300mm/0.25mm=1200像素，即至少需要200万像素相机。实际工程中还需考虑镜头畸变、算法误差等因素，通常留出1.5~2倍余量。
帧率直接影响机械臂的抓取节拍。假设一个抓取周期为5秒，其中视觉处理分配1秒，那么相机帧率只需达到1~2fps即可满足需求。但在高速分拣场景中，若传送带速度达到1m/s，目标在相机视野内停留时间可能不足0.5秒，此时需要相机以30fps以上的帧率连续采集，并配合预测算法实现动态抓取。需要注意的是，高帧率会带来更大的数据吞吐量，对接口带宽和处理器算力提出更高要求。
4.4 接口协议：GigE与USB3.0的选型逻辑
GigE（千兆以太网）接口是工业视觉领域最主流的传输协议，理论带宽为1Gbps（约125MB/s），实际有效传输速率约100~110MB/s。GigE接口的最大优势在于传输距离可达100米（使用标准网线），且支持多相机组网，通过交换机即可实现多相机同步采集。此外，GigE相机支持PoE供电（Power over Ethernet），简化了现场布线。对于需要长距离部署或分布式安装的抓取工位，GigE是首选。
USB3.0接口的理论带宽为5Gbps（约500MB/s），实际有效传输速率约350~400MB/s，是GigE的3倍以上。USB3.0相机能够以更高帧率传输高分辨率图像，且即插即用、无需额外供电线缆。但其传输距离受限（通常不超过5米），且多相机同步需要额外硬件支持。对于单相机、近距离、高帧率或高分辨率的应用场景，USB3.0更具优势。
// 带宽估算示例：200万像素、8bit灰度、30fps
数据量 = 1920 × 1200 × 1字节 × 30fps = 69,120,000 字节/秒 ≈ 66MB/s
GigE有效带宽约110MB/s → 可满足
USB3.0有效带宽约400MB/s → 余量充足
// 若升级为500万像素、12bit深度、60fps
数据量 = 2448 × 2048 × 2字节 × 60fps ≈ 573MB/s
GigE无法满足 → 必须使用USB3.0或10GigE4.5 实战案例：汽车零部件料筐无序抓取系统选型
某汽车零部件工厂需要实现金属支架的料筐无序抓取，料筐尺寸为600mm×400mm×300mm，工件最大尺寸约150mm×80mm×40mm，重量约0.8kg。现场环境存在一定油污和金属反光，节拍要求为每件8秒。初始方案采用2D相机+灰度识别，但工件在料筐内相互堆叠、遮挡严重，2D方案无法输出可靠的Z轴高度和姿态信息，导致抓取失败率高达35%。
经过现场评估后，决定改用3D视觉方案。对比了三种技术路线：结构光相机在油污反光表面容易产生深度空洞；ToF相机精度不足（±3mm），无法满足±1mm的装配要求；最终选用双目结构光融合方案（主动投射纹理的双目相机），工作距离设定为1.2m，视场覆盖整个料筐。关键参数配置如下：分辨率1280×1024，深度帧率10fps，接口采用GigE，配合PoE供电。实际运行后，抓取成功率提升至98.5%，单件节拍稳定在7.2秒。
4.6 常见选型误区与复盘
第一个常见误区是盲目追求高分辨率。许多工程师认为分辨率越高越好，但忽略了高分辨率带来的数据量激增和处理延迟。在抓取场景中，如果算法处理一帧500万像素图像需要200ms，而200万像素图像只需80ms，那么低分辨率方案反而能实现更高节拍。第二个误区是忽视镜头与相机的匹配。一个优秀的相机搭配劣质镜头，成像质量可能不如普通相机搭配优质镜头。镜头的靶面尺寸、畸变率、景深范围都需要与传感器尺寸和工作距离匹配。
第三个误区是忽略环境光对3D相机的影响。在靠近窗户或强照明设备的工位，环境光中的红外成分会严重干扰ToF和结构光相机的深度计算。选型时应优先考虑带滤光片的相机型号，并在现场做遮光处理。第四个误区是未考虑未来扩展性。如果产线后续可能增加工位或提升节拍，建议在首次选型时预留接口带宽和算力余量，避免二次改造的高额成本。