视觉引导的机器人降低了元件生产成本提高了产品质量

挑战：执行拾放流程，在生产线上同时进行原材料和成品元件的传送和质量控制。

解决方案：KWD将康耐视的智能3D-Locate图像处理软件、Kuka的现代机器人与W-Plan制造的精密机器相结合，部署解决方案。

优点：相比人工控制的检验流程，产品质量实现了极大的提高。质量显著改进，并且废品率明显降低，这有利于公司提高盈利水平和长期竞争力。

机器人以极快的速度和几乎俏皮的轻松在钢板元件之间移动，Schnellecke Group AG&Co.KG集团旗下位于德国沃尔夫斯堡的子公司——KWD Automobiltechnik GmbH公司的焊接系统在元件生产方面正在实现新的突破。机器人在焊接站检查、拾取和置钢板，然后再次拾取和放置，以进行额外的测试。W-Plan制造的精密机器结合康耐视3D图像处理软件与Kuka的现代机器人，解决了KWD的这项应用。W-Plan制造的精密机器结合康耐视3D图像处理软件与Kuka的现代机器人，解决了KWD的这项应用。这个视觉引导的拾放流程在生产线上同时执行原材料和成品元件的传送和质量控制。康耐视现已证明是其理想的合作伙伴，因为其3D-Locate软件在行业内具有无与伦比的卓越性。该3D视觉系统可靠并且可重复地确定元件位置，然后检测供应架的侧板可能存在的瑕疵，并将数据转发到机器人控制器。

机器人控制器利用元件的位置信息，根据元件的方向实时调整夹持器的移动。其结果是，相比使用人工进行元件检验和定位，产品质量获得了较大提高。现在，机器操作员的工作量主要集中在系统的平稳控制之上，而不是元件的正确加载和卸载。

精确同步

3D-Locate软件在汽车行业的应用一直非常成功，因为其以分步骤方式处理棘手的3D问题，以确保客户抓住每一个成功的机会。在KWD，汽车侧板的整个生产和质量管理流程均处于3D视觉系统的密切监控之下。根据作业工序的不同要求，采用单个或立体式相机记录相关的图像区域。康耐视3D-Locate软件实时提供3D位置数据。智能视觉系统使用来自康耐视全面的视觉工具库的PatMax?几何图案匹配工具和不同的2D工具。3D-Locate软件解决3D校准的所有三个方面。其直接支持内部校准，可估计相机传感器和镜头的参数。另外，其还可处理外部校准，这指的是校准相机的位置，无论其安装在机器人末端效应器上，还是固定在机器人单元的某个位置。最后，其还支持手眼校准，这指的是用户如何将视觉结果转换成机器人移动坐标系统。

在第一道作业工序中，一个机器人将其自身与夹持器和组件库前面的集成视觉系统定位，而在组件库中，小型元件在传送架上以水平方式排列。其测量元件的位置，并在正确的位置抓取各个元件。夹紧动作是分两个步骤完成的。首先，其通过真空抽吸元件，然后，栓销传递到适当位置并固定钢板。同时，第二个机器人将其自身与传送架前面的双面夹持系统和集成3D视觉技术系统定位，以便其定位放置在垂直传送架上的大型元件。

第二个机器人检查传送锁定组件及测量元件的位置并在正确的位置拾取元件。随后，两个机器人移动到装载站—一个转盘，并按照逻辑顺序将元件放置到正确的位置。

全面的可追溯性和质量验证

在点焊机器人完成焊接流程后，第一和第二个机器人将执行光学点焊检验。检验内容包括点焊的数量和位置精度。3D视觉系统将检查焊接是否放置在预定义区域。该系统将基于焊接控制参数检查焊接点的根部是否正确。测试所获得的数据将存档，图像将分配到相关联的参数。通过这种方式，KWD Automobiltechnik公司实现了全面的可追溯性和可靠记录的质量验证。

要检测元件位置，3D视觉系统须将自身与金属薄板的突出结构进行定位

在最后的作业工序中，第二个机器人移走成品焊接组件，并将其放置在成品元件传送架上。如果堆放在传送架上的成品元件达到了所需数量，信号将发送到传送物流部，其将收集已堆满的传送架，并提供新的空传送架。

全面的检验和满意度

除了产品控制，新系统还将通过康耐视3D-Locate提供的一项重要服务就是系统预定义区域的检查。除了产品本身，3D视觉系统还将检验一些发起站和终点位置，如焊接站的张紧杆。另外，其还将检验集装箱的传送爪，以确认它们是打开还是关闭的。即使在满载情况下，该系统仍可实现显著的效率提高。

在3D视觉系统的实施过程中，所面临的最大挑战之一是光源。侧板的各个组件在传送架上并没有确定的位置，它们在某些区域可能扭曲或倾斜。这就导致汽车金属薄板裸金属出现不断变化的反射行为。解决方案是建造带白色内墙的围护结构，白光通过该结构均匀地分散在金属元件上，且实现最大可能的入射角。

经过9个月的开发和调试阶段后，这家新工厂正在三班制的基础上全速运行。然而，KWD Automobiltechnik已经在考虑采取进一步的措施。在未来的系统中，3D视觉系统将促进发起站数量的显著减少。这将提高成本效益，并最大限度地减少潜在的误差来源。