3. 机器人视觉系统需求分析

在 IGX 平台上集成机器人视觉系统之前，最关键的一步不是选相机、也不是写推理代码，而是把“视觉要干什么”翻译成一组可量化、可验证的工程需求。需求分析做得好，后续的相机选型、算力分配、接口设计和安全策略才有依据；需求分析做得含糊，往往会在联调阶段才发现帧率不够、精度不达标或环境光一变化就失效。本节围绕四个维度展开：视觉任务分类、实时性要求、精度指标与环境约束，并给出可直接用于项目评审的需求条目写法。

一、先分类：机器人视觉到底在解决哪几类问题

工业与协作机器人的视觉任务，按“输出什么、给谁用”可以分成五类，它们的算法链路和实时性压力差异很大。

• 定位与位姿估计（2D/3D Pose）：输出目标在机器人坐标系下的位置与姿态，用于抓取、装配、拧螺丝。典型输入是单目/双目/RGB-D 图像或点云，输出是 (x, y, z, rx, ry, rz)。这是对精度最敏感的一类。
• 识别与分类：判断“这是什么”，如工件型号、缺陷类别、料箱编号。输出是类别标签与置信度，对绝对精度要求低，对准确率和召回率要求高。
• 检测与分割：给出目标边界框或像素级掩膜，用于计数、分拣、涂胶轨迹提取。输出是框或掩膜，精度以 IoU/mAP 衡量。
• 测量与检测（Metrology）：测量尺寸、间隙、平面度、孔位偏差，输出是毫米级数值，通常需要标定后的像素当量换算。
• 引导与安全监控：为移动底盘或机械臂提供避障、人员接近检测、速度限制触发信号。输出是距离、区域占用状态或安全等级信号，强调确定性和低延迟。

分类的意义在于：同一台 IGX 上可能同时跑多类任务，但它们的优先级、算力预算和失败后果完全不同。例如定位失败会导致抓空，安全监控漏检则可能造成人身伤害，后者必须走独立、可验证的链路。

二、实时性：不是“越快越好”，而是“够用且可预测”

实时性需求要拆成三个可测量的量：端到端延迟、帧率和抖动。端到端延迟指从光子进入传感器到机器人收到位姿结果的时间；帧率决定单位时间内可处理的工件数；抖动决定控制环是否稳定。

以协作机器人抓取为例，假设传送带速度 200 mm/s，允许的抓取位置误差为 ±2 mm，则视觉系统的总延迟必须满足：延迟 ≤ 2 mm ÷ 200 mm/s = 10 ms。这 10 ms 要覆盖曝光、传输、预处理、推理、后处理和通信。若相机曝光 2 ms、传输 1 ms、推理 4 ms、后处理 1 ms、EtherCAT 通信 1 ms，合计 9 ms，才勉强满足。若把推理换成更大的模型导致 8 ms，则整体超标，必须降分辨率、换轻量模型或提高传送带定位补偿能力。

帧率方面，若节拍要求每小时 1200 件，则单件周期 3 s，视觉只需在 3 s 内完成一次采集与输出，30 fps 已绰绰有余；但若是动态抓取，则可能需要 60～120 fps 才能保证在两次采样间目标位移小于允许误差。抖动通常要求小于平均延迟的 20%，否则控制端需要额外缓冲，反而增加总延迟。

三、精度指标：把“看得准”变成可验收的数字

精度需求必须区分重复精度与绝对精度。重复精度指同一目标多次测量的离散程度，通常用标准差或极差表示；绝对精度指测量值与真值的偏差，依赖标定质量。机器人抓取通常更依赖重复精度，而测量任务更依赖绝对精度。

精度指标还要落到具体坐标系和具体位置。例如“在 500 mm 工作距离、视场中心 200 mm × 200 mm 区域内，XY 重复精度 ≤ 0.1 mm，Z 重复精度 ≤ 0.3 mm；视场边缘精度允许放宽 1.5 倍”。这样的写法才能指导相机分辨率选择：若视场 200 mm、要求 0.1 mm 精度，至少需要 200/0.1 = 2000 像素覆盖，考虑亚像素和边缘畸变，实际应选 500 万像素以上相机，并保证目标在视场中占比不低于 1/3。

对于 3D 任务，还要给出点云分辨率、深度噪声和平面度指标。例如“在 300～600 mm 工作距离内，深度噪声 σ ≤ 0.5 mm，平面拟合残差 ≤ 0.2 mm”。这些数字直接决定结构光或 ToF 方案的选择。

四、环境约束：视觉系统真正的“隐形需求”

环境约束常被忽略，却往往是现场失效的主因。需要逐项确认：

• 光照：环境光强度范围、是否有频闪、是否有阳光直射。工业现场常见 200～2000 lux 波动，需评估主动光源与滤光片。
• 温度与振动：相机与 IGX 的工作温度范围、机械臂运动带来的振动是否影响标定稳定性。
• 空间与安装：工作距离、安装角度、线缆走线、防护等级（IP54/IP67）。
• 电磁兼容：伺服驱动器、变频器带来的干扰，影响 GigE/USB 传输稳定性。
• 安全：视觉是否参与安全功能，若参与则需满足相应安全等级与冗余要求。

下面这张图把上述四类需求组织成一条从“任务”到“可验收指标”的映射链，便于在评审时逐项对照。

五、把需求写成可验收的条目

需求分析的最终交付物，是一份能被测试工程师直接执行的条目清单。每条至少包含：任务类型、工作条件、指标名称、数值、测量方法与判定规则。例如：

需求编号：VIS-03-01
任务类型：3D 位姿估计（抓取引导）
工作条件：工作距离 500 mm，环境光 200～2000 lux，目标为 80 mm × 60 mm 金属工件
指标：XY 重复精度 ≤ 0.1 mm，Z 重复精度 ≤ 0.3 mm，端到端延迟 ≤ 10 ms
测量方法：固定工件，连续采集 100 次，计算标准差；用示波器或时间戳记录延迟
判定规则：三项指标全部满足为通过；任一项超标需记录并触发方案调整

在 IGX 上落地时，还要把需求映射到具体资源：延迟预算分配到相机、传输、GPU 推理、后处理和通信各段；精度预算分配到标定、镜头畸变、算法和机械安装各环节；环境约束则转化为光源选型、防护设计和安全链路隔离方案。只有完成这层映射，后续的相机选型、模型选型和接口设计才不是拍脑袋决定。

总结来说，机器人视觉需求分析的核心动作是：先按输出用途把任务分类，再为每类任务定义延迟、帧率和抖动指标，然后把精度拆成重复精度与绝对精度并绑定坐标系和视场位置，最后逐项确认光照、温度、振动、电磁和安全约束。完成这四步，才能得到一份既能指导设计、又能用于验收的需求基线。