2. SICK视觉产品选型与机器人匹配
在机器人视觉引导系统中，选型不是“挑一台精度最高的相机”，而是把视觉产品的成像原理、视野范围、测量精度、输出接口与机器人的负载能力、可达工作距离、节拍要求放在同一张约束表里做匹配。SICK 的视觉产品线大致可分为四类：2D 视觉相机（如 Inspector 系列）、3D 视觉相机（如 Visionary-T 系列）、激光轮廓仪（如 Ranger3、Lector 系列中的轮廓型）、以及视觉传感器（如 W4S、W16 等光电类传感器）。它们各自解决不同层级的问题，选错类型往往比选错型号代价更大。
一、先按“任务维度”锁定产品类型
选型的第一步是判断任务需要的是“二维特征”还是“三维几何”。如果只是检测有无、颜色、字符、条码、平面定位，2D 相机足够；如果要引导机器人抓取散乱堆叠的工件、测量高度差、计算体积或进行三维定位，则必须使用 3D 相机或激光轮廓仪。激光轮廓仪适合连续扫描、高精度截面测量，例如焊缝跟踪、胶路检测；3D 相机适合一次性获取整幅点云，例如料箱抓取。视觉传感器则用于最简单的存在性判断，不参与坐标引导。
这里有一个常见的误区：用 2D 相机加机械标定去“推算”三维位置。对于高度变化超过几毫米的工件，这种方案会因透视误差导致抓取失败。因此，任务维度判断应优先于精度和价格判断。
二、工作距离与视野的匹配计算
工作距离（WD）是相机镜头前端到被测物表面的距离。它直接决定视野（FOV）和分辨率。以 2D 相机为例，若选用 1/1.8″ 传感器、500 万像素、镜头焦距 f=12 mm，则近似有：
FOV ≈ 传感器尺寸 × WD / f
水平 FOV ≈ 7.2 mm × WD / 12 mm
若 WD = 300 mm，则水平 FOV ≈ 180 mm
单像素精度 ≈ 180 mm / 2448 px ≈ 0.074 mm/px这组计算说明：工作距离越远，同样镜头下视野越大，但单像素精度越差。机器人引导通常要求定位精度优于 ±0.5 mm，因此需要保证单像素精度在 0.1 mm 以内，并留出 3～5 倍亚像素算法余量。对于 3D 相机，还要关注其最佳工作距离区间，例如 Visionary-T 的典型最佳距离在 0.5～3 m，超出后点云密度和 Z 向精度会明显下降。
激光轮廓仪的匹配逻辑不同：它关注的是“测量范围（MR）”和“工作距离”。例如 Ranger3 某型号 MR 为 200 mm，WD 为 300 mm，则被测物表面必须落在 200～400 mm 之间，否则轮廓不完整。机器人带着轮廓仪扫描时，还要把机器人运动速度与轮廓仪扫描频率匹配：若扫描频率为 5 kHz，机器人速度 200 mm/s，则沿运动方向的点间距为 0.04 mm，满足高密度轮廓采集。
三、机器人负载与视觉硬件的匹配
当视觉产品安装在机器人末端（Eye-in-Hand）时，相机、镜头、光源、线缆和支架的总重量必须计入机器人负载。多数 6 轴机器人的额定负载为 3～20 kg，但末端负载超过额定值 60% 后，动态节拍和轨迹精度会下降。例如一台额定负载 5 kg 的协作机器人，若末端加装 3D 相机（约 1.2 kg）、支架（0.8 kg）、线缆（0.3 kg），总负载约 2.3 kg，占额定 46%，属于安全区间；若再加装激光轮廓仪（约 1.5 kg），总负载升至 3.8 kg，占 76%，此时应降低加速度或改用更大负载机型。
Eye-to-Hand 安装方式则把视觉固定在外部支架上，机器人只负责运动，负载压力小，但标定关系更复杂，且视野可能被机器人本体遮挡。选型时要根据工件尺寸和机器人运动范围决定：大工件、机器人需要深入料箱的场景，优先 Eye-in-Hand；固定工位、机器人运动范围小的场景，优先 Eye-to-Hand。
四、节拍匹配：从曝光到机器人动作的完整链路
节拍是选型中最容易被低估的约束。视觉系统的单次处理时间包括：触发延迟、曝光时间、图像传输、算法处理、结果输出。以 2D 定位为例，曝光 5 ms、传输 10 ms、算法 30 ms、通信 5 ms，合计约 50 ms。若机器人抓取一个工件需要 2 s，则视觉占用 2.5%，节拍压力不大；但若要求 1 s 内完成“拍照—定位—抓取”，视觉 50 ms 加上机器人运动 800 ms、夹爪动作 150 ms，总时间刚好 1 s，没有余量。此时应缩短曝光、降低分辨率或改用 ROI 区域处理。
3D 相机的节拍通常更长，因为点云采集和三维匹配计算量更大。例如某 3D 相机单次采集 80 ms、点云处理 120 ms，合计 200 ms。若机器人节拍要求 1.5 s，则视觉占 13%，可以接受；若要求 0.8 s，则必须考虑多相机并行或提前拍照（飞行拍照）策略。
五、一个可执行的选型检查表示例
下面给出一份可直接用于项目初期的选型检查表，字段按“任务—视觉—机器人—节拍”四类组织，填写后即可判断方案是否闭环。
| 检查项 | 示例填写 | 判断依据 |
|---|---|---|
| 任务维度 | 散乱工件三维抓取 | 需要Z向坐标 → 3D相机 |
| 工作距离 | 600 mm | 落在相机最佳WD区间内 |
| 视野需求 | 400 mm × 300 mm | 覆盖料箱最大对角线 |
| 定位精度 | ±0.5 mm | 单像素精度 ≤ 0.1 mm |
| 末端负载 | 相机1.2 kg + 支架0.8 kg + 线缆0.3 kg = 2.3 kg | 机器人额定5 kg，占比46% |
| 视觉耗时 | 采集80 ms + 处理120 ms = 200 ms | 总节拍1.5 s，占比13% |
| 通信接口 | PROFINET | 与机器人控制器一致 |
| 结论 | 方案可行，余量充足 | 负载与节拍均低于阈值 |
最后需要强调：视觉产品与机器人的匹配不是一次性计算，而是一个迭代过程。建议在方案阶段用本文的检查表做初步筛选，在集成阶段用实际标定和节拍测试做最终确认。只有把“看得清、算得准、抓得到、节拍够”四个条件同时满足，选型才算真正完成。