去年年底接手一条食品分拣线改造甲方原本的方案是停—拍—抓—走皮带停稳、相机拍照、机械手抓走、皮带再启动。节拍听着还行实测下来一算账就露馅了——每次启停皮带要吃掉将近 1.2 秒加上机械手等待单件循环 2.6 秒产能顶死在 1400 件/小时而他们的目标是 2200 件。皮带还因为频繁启停把物料晃得东倒西歪轻一点的包装袋直接倒伏。后来把方案改成传送带跟踪皮带一直跑相机在运行中抓拍机械手边走边取节拍压到 1.5 秒以内物料也不再倒。这篇文章就把这套传送带跟踪方法实现里的关键环节拆开讲编码器怎么标定、目标队列怎么维护、延迟补偿怎么算、现场那些坑怎么排。不管你是做视觉引导分拣、贴标、喷涂还是码垛只要涉及物体在动、工具要追上它思路都是通的。1. 传送带跟踪到底在解决什么问题1.1 停线抓取和动态跟踪的成本差在哪很多人第一次接触传送带跟踪会下意识觉得这只是让机器人动得快一点。真正上手才发现它解决的是整条线的节拍结构问题。停线抓取的循环里皮带电机需要经历加速、匀速、减速、稳定四个阶段稳定阶段还得留出震荡衰减的时间不然相机拍出来的图像是糊的。这一段等待稳定的时间通常在 300 到 800 毫秒之间取决于皮带长度、负载惯量和变频器的加减速曲线设置。动态跟踪把这部分时间整个砍掉皮带恒速运行相机靠硬件触发在运动中抓拍机械手在运动轨迹上提前量取件。代价是系统复杂度上去了你必须实时知道物体现在在哪而物体在动位置随时间变化。这就引出跟踪系统的核心矛盾——拍照那一刻的位置是确定的抓取那一刻的位置是推算出来的。推算得准不准决定了这套系统能不能用。这里有个很反直觉的结论跟踪系统的精度瓶颈通常不在视觉算法而在时间基准和机械标定。我做过七八条这类线视觉误识别导致的错抓占比不到 10%剩下 90% 的精度问题都能追溯到编码器标定、时间戳对齐、或者减速机背隙。1.2 跟踪系统里三个必须对齐的坐标系一套能落地的跟踪方案本质是把三个坐标系拧成一根绳坐标系物理含义谁提供对齐手段编码器坐标皮带已走过的距离mm增量式编码器 计数卡脉冲当量标定相机坐标像素坐标到皮带平面的映射面阵/线阵相机平面标定 手眼标定机器人坐标机械手末端可达的空间机器人控制器工具坐标系 基坐标系标定这三个坐标系里编码器坐标是时间轴相机坐标是空间轴机器人坐标是动作轴。常见做法是把编码器坐标当作全局一维时间轴来用——每个被抓取的物体都用触发时刻的编码器读数来标记它的位置。物体一旦被标记它在皮带上的纵向位置就等于当前编码器读数 − 触发时刻读数 标定偏移这个减法看起来简单但它是整套跟踪算法的地基。只要这个减法里掺进了脉冲丢失、计数反弹或者单位换算错误后面补偿算得再精细也是白搭。1.3 哪些工况其实根本不用上跟踪不是所有场景都值得为动态跟踪买单。如果你的物料间距很大、节拍要求宽松、单件重量又特别大比如 30 公斤以上的箱体停线抓取的稳定性优势反而更明显——动态跟踪对机器人的动态性能和轨迹规划要求高得多重载高速下减速机磨损也会加快。判断标准我一般看两条一是产能缺口是否超过 25%二是物料在皮带启停时是否会失稳。两条都占才值得上跟踪。只占一条可以先用优化变频器加减速曲线、增加缓冲工位这类办法顶一顶成本低得多调试风险也小。2. 编码器这条线从脉冲到毫米的换算与标定2.1 编码器装在哪决定了整套系统的天花板编码器的安装位置是跟踪方案里第一个必须拍板的技术决策。常见三种装法装在皮带驱动辊上结构简单但皮带与辊面之间打滑、皮带张力变化带来的伸缩都会直接变成位置误差。适合短距离、轻负载、皮带张力稳定的场合。装在从动张紧辊上打滑影响小一些但需要保证张紧辊本身不打滑且张紧辊直径要稳定。加装独立测量轮压在皮带上精度最高误差直接来自皮带本体但测量轮需要定期清理、防打滑维护成本上去了。我自己的经验是皮带长度超过 3 米、或者皮带有明显弹性比如 PVC 轻型带时尽量上测量轮。曾经有条线编码器装在驱动辊上跑了两周后位置偏了 8 毫米查了半天是皮带被拉长了一点点编码器完全感知不到。2.2 脉冲当量的计算与实测校准脉冲当量就是一个脉冲对应皮带走多少毫米。理论值这么算皮带周长 π × 辊径每转脉冲数 编码器线数 × 倍频系数 × 减速比若直连则取 1脉冲当量 皮带周长 ÷ 每转脉冲数举个例子测量轮直径 80 毫米2500 线增量编码器四倍频直连。皮带周长 3.1416 × 80 ≈ 251.33 毫米每转脉冲数 2500 × 4 10000脉冲当量 251.33 ÷ 10000 ≈ 0.02513 毫米/脉冲。这个分辨率对于皮带速度 300 毫米/秒的场景完全够用因为 PLC 一个 1 毫秒扫描周期内皮带只走了 0.3 毫米。提示理论值算完千万别直接用。辊径的标注值、包胶层的实际厚度、四倍频是否真的在计数器里生效任何一环对不上都会产生千分之几的恒定误差而这个误差会随着皮带运行距离线性累积。实测校准的做法很土但很准在皮带上做一个标记人工对齐一个固定基准点清零计数让皮带跑一段长距离比如 5000 毫米停下后量标记到基准的偏差。用这个公式反推真实当量真实当量 理论当量 × 实际走过距离 ÷ 理论走过距离跑 5000 毫米这种长距离能把误差放大到容易测量的程度。用 500 毫米去标定量出来的偏差可能只有 0.3 毫米落在测量误差里反推出来的系数就不可信。2.3 丢脉冲、反向计数和抖动信号怎么识别增量编码器最怕的是信号质量问题。A/B 相脉冲丢一个位置就永久偏了一点而且不会自己恢复属于最阴险的故障。我在现场总结了几个判断特征现象可能原因快速验证方法位置缓慢单向漂移丢脉冲空载跑固定距离比对理论值位置偶尔跳变几十毫米计数卡滤波不足、干扰示波器看脉冲波形是否有毛刺停机后位置还在变皮带蠕动 编码器还在计数停机时锁存计数看是否回变正反转累计误差增大反向计数不全、背隙来回跑固定距离看是否回原点关于停机的处理我强烈建议在逻辑里加一条皮带停止指令下发后立即锁存当前计数并在 300 毫秒内冻结跟踪队列的推进。皮带惯性蠕动会让编码器继续有微弱输出虽然每次只有零点几毫米但队列里排着十几个目标累加起来就够让抓取点偏出夹爪范围。3. 目标队列跟踪算法的核心数据结构3.1 触发时刻的位置快照相机抓到一件东西系统立刻做三件事记录当前编码器读数、记录当前系统时间戳、记录物体在相机视野内的横向和纵向偏移。这三条信息组成一个目标实体扔进队列。这里的顺序很关键——先锁存编码器再记时间戳最后解析图像。如果反过来图像解析花了几十毫秒编码器早跑过去了快照就失真了。有些架构会把触发信号做成编码器位置分频触发编码器每走 200 毫米输出一个触发脉冲。这种硬件触发的好处是拍照位置与编码器严格同步相邻两次拍照的间距恒定队列里的间距也恒定。缺点是物料间距不均匀时可能同一件东西被拍两次或者漏拍。我的做法是硬件触发保证同步性软件层再做去重——判断新目标与队列尾部目标的编码器位置差是否小于一个阈值比如半个最小物料尺寸小于就丢弃。3.2 队列的入队、推进与出队队列维护的完整逻辑是这样的入队新目标按触发位置升序插入队尾因为位置单调递增直接 append 即可。推进每个扫描周期根据当前编码器读数更新队首目标到抓取工位的剩余距离。出队剩余距离进入抓取窗口触发机器人动作抓取完成后从队列移除。清理超过超时时间仍未进入窗口的目标直接丢弃并报警。这里有个容易忽略的细节编码器计数是单调递增的但会在溢出后回绕。32 位计数器在 0.02513 毫米/脉冲下能表示大约 107 公里一般不会溢出但如果用 16 位计数器10 万脉冲就回绕了对应 2.5 米跑几分钟就翻一次。我自己吃过这个亏队列里的位置比较全部失效机械手开始乱抓。解决办法很简单用 32 位或 64 位累加或者在上层软件里做回绕检测并把计数扩展成 64 位。3.3 延迟补偿与预测落点计算这是整套跟踪方法的算法核心。从物体被拍照到机械手真正夹住它中间隔着一串延迟相机曝光 图像传输2 到 15 毫秒视觉算法处理10 到 50 毫秒通讯链路相机到控制器、控制器到机器人1 到 10 毫秒机器人从当前位置运动到抓取点80 到 400 毫秒夹爪闭合动作30 到 100 毫秒把这些加起来总延迟可能到 200 到 600 毫秒。皮带速度 300 毫米/秒的话这段时间物体会往前走 60 到 180 毫米。所以抓取点必须往前预判预测落点 触发位置 皮带速度 × 总延迟时间 − 触发位置到抓取工位的固定距离工程上更稳的做法是反过来算机器人需要在物体到达抓取工位之前提前启动。设抓取工位对应的编码器位置是 P_work当队列中某目标满足P_work − 当前编码器读数 ≤ 皮带速度 × 总延迟时间就立即下发抓取指令。这样无论皮带速度怎么变启动时机都自动跟着调整。皮带速度本身也需要估计不能直接用设定频率换算因为打滑和负载会影响实际速度。做法是对编码器位置做滑动窗口差分每 20 毫秒采样一次位置取最近 5 个点做线性拟合斜率就是速度估计。窗口太短噪声大太长跟不上速度变化20 到 50 毫秒是个经验区间。3.4 一段可以直接抄的队列实现下面这段 Python 是上位机侧的跟踪队列核心我用它做过线体仿真和参数预整定逻辑跟 PLC 里跑的是同一套理解了这个再翻译成 SCL 或者 C# 都不难。import time from dataclasses import dataclass, field from collections import deque dataclass class Target: obj_id: int trig_pos: float # 触发时刻编码器位置单位 mm trig_ts: float # 触发时刻系统时间戳单位 s lateral: float # 相机坐标系下的横向偏移单位 mm longitudinal: float # 相机坐标系下的纵向偏移单位 mm class ConveyorTracker: def __init__(self, p_work, total_delay_s, window_mm60.0, timeout_s8.0): self.p_work p_work # 抓取工位对应的编码器位置 self.total_delay_s total_delay_s # 实测总延迟 self.window_mm window_mm # 抓取窗口宽度 self.timeout_s timeout_s self.queue deque() self._speed_samples deque(maxlen5) self._last_sample None self._speed 0.0 self._next_id 1 def update_encoder(self, pos, ts): 每个扫描周期调用一次传入当前编码器位置和时间戳 if self._last_sample is not None: last_pos, last_ts self._last_sample dt ts - last_ts if dt 1e-6: self._speed_samples.append((pos - last_pos) / dt) self._speed sum(self._speed_samples) / len(self._speed_samples) self._last_sample (pos, ts) return self._dispatch(pos, ts) def add_target(self, trig_pos, trig_ts, lateral, longitudinal): 视觉模块识别到目标后调用 if self.queue: tail self.queue[-1] if abs(trig_pos - tail.trig_pos) 20.0: return None # 判定为重复触发丢弃 t Target(self._next_id, trig_pos, trig_ts, lateral, longitudinal) self._next_id 1 self.queue.append(t) return t.obj_id def _dispatch(self, pos, ts): 判断是否有目标需要立即启动抓取返回待抓取目标 fired [] while self.queue: t self.queue[0] if ts - t.trig_ts self.timeout_s: self.queue.popleft() continue remain self.p_work - pos lead self._speed * self.total_delay_s if remain lead: fired.append(self.queue.popleft()) else: break return fired这段代码里有三个地方值得单独说。第一add_target里的去重阈值用的是编码器位置而不是时间因为皮带速度变化时时间间隔会变位置间隔才是稳定的。第二_dispatch里用的是队首判断而不是遍历全队因为位置严格单调队首就是最接近工位的那个。第三速度估计用了固定长度的滑动窗口平均值而不是瞬时值避免单次抖动把预判时机带跑偏。4. 视觉与机器人的时间对齐最容易被忽略的一环4.1 把总延迟拆成可测量的几段总延迟这个数字如果靠猜跟踪精度一定好不了。必须拆开逐段测量。我常用的办法是做一个信号打点实验让一个光电开关同时触发相机和控制器的一个高速输入点用示波器或者带时间戳的日志记录两个事件的先后。延迟环节典型值测量方式能否压缩相机曝光读出2-15 ms相机 SDK 时间戳降分辨率、开 ROI、用全局快门图像传输1-8 ms网卡抓包时间用千兆网、减少图像尺寸视觉算法10-50 ms代码内打点缩小搜索区域、模板匹配替代深度学习PLC/控制器扫描1-10 ms程序内计数提高扫描频率、跟踪放中断任务通讯链路1-10 ms抓包或协议日志减少握手轮次、用实时总线机器人运动80-400 ms控制器内部指令时间提高加速度、缩短行程、用并联结构夹爪动作30-100 msIO 打点换快响应夹爪、提前预充气测出来之后你会发现机器人运动时间往往占了总延迟的 70% 以上。这意味着光靠优化视觉算法跟踪精度提升非常有限。真正的杠杆在机器人轨迹规划上——把抓取路径从先横向再纵向改成斜向直达或者把等待点设在更靠近抓取工位的位置节拍能省下一大截。4.2 时间戳对齐的两种做法硬件时钟对齐和软件时钟对齐各有利弊。硬件方式是给相机和控制器接同一个外部时钟源或者用支持 IEEE 1588 的网络设备误差能压到微秒级但成本和配置复杂度都上去了。软件方式是各自记本地时间戳再通过一个已知的公共事件比如同一个光电触发算出时钟偏差做补偿误差一般在毫秒级够用。我倾向于软件方式理由很实际现场调试时改一行代码比重新布线快得多。补偿系数的做法是在安装调试阶段触发 20 次光电信号记录相机侧和控制器侧的时间戳差值取中位数作为固定偏移量写进配置。之后运行中如果发现跟踪位置有缓慢漂移优先怀疑这个偏移量该重新标了。注意不要把补偿量做成每次运行都自动更新那样遇到一次异常数据就会把偏置带偏。标定值应该是一个受保护的常量只在维护模式下才能修改。4.3 一张误差预算表帮你判断精度够不够抓取精度能不能满足要求最好在方案阶段就用表格算一遍。假设要求抓取误差不超过 ±3 毫米皮带速度 300 毫米/秒误差源量级折算到位置误差备注脉冲当量标定残差0.2%抓取距离 800 mm 时约 1.6 mm长距离标定可降到 0.05%速度估计误差±2%延迟 0.4 s 时约 2.4 mm用滤波可降到 0.5%时间戳偏移残差2 ms0.6 mm标定后可忽略机器人定位重复性0.1 mm0.1 mm与品牌型号相关皮带打滑随机0.5-3 mm上测量轮可显著改善视觉横向定位0.3 mm0.3 mm与标定精度相关把这几项按均方根合成√(1.6² 2.4² 0.6² 0.1² 1.5² 0.3²) ≈ 3.2 毫米。刚好卡在要求边缘说明这个方案需要把脉冲当量标定做到 0.05% 以内速度估计误差压到 0.5%才能留出安全裕量。这种账在方案阶段算清楚比现场调试到崩溃要划算得多。5. 现场踩坑记录从丢件到错位的完整排查链路5.1 症状一所有目标固定偏移同一个量第一次跑线时最常见的现象是每一件都抓偏而且是同一个方向、同一个距离。这种情况下不要急着调补偿参数先按下面顺序查。第一步把皮带停住手动放一件静止物料在相机下让程序走一遍模拟跟踪看下发的抓取点跟实际位置差多少。如果静止时也不准问题在坐标标定或手眼标定如果静止时准、动了就不准问题在速度估计或延迟补偿。第二步如果静止时也不准检查视觉标定的四个角点是不是选在了皮带平面上而不是选在物料顶面。物料有高度时标定平面与实际抓取平面的高度差会造成透视误差物料越高偏差越大。第三步如果静止时准、动起来偏把总延迟参数人为调大或调小 20%看偏差是变大还是变小。偏差随延迟参数线性变化说明延迟值不准偏差不随延迟参数变化说明是脉冲当量错了或者坐标系有镜像。我见过最离谱的一次是相机图像被水平镜像了视觉给出的横向偏移符号反了结果所有目标都抓在另一边。这种问题靠观察位移方向就能判断出来偏的方向在皮带左侧目标上和在右侧目标上应该是相反的如果完全一致那就是公共偏移跟镜像无关。5.2 症状二偶发漏抓无规律偶发漏抓比固定偏移难查得多因为它不带时间规律。我把排查要点分成三层第一层队列层。打印日志看漏抓的那一件到底有没有被入队。如果根本没入队问题在视觉触发——可能是硬件触发脉冲没到相机或者物料太密被去重逻辑误杀。去重阈值设成 20 毫米在物料间距只有 25 毫米时会出问题得根据实际最小间距来定。第二层调度层。如果入了队但没触发抓取看是不是掉进了超时清理。超时时间设得太短皮带速度一慢就来不及走到工位。我一般把超时设成从触发到工位的理论时间 × 3留足冗余。第三层执行层。如果指令下发了机器人没动看机器人的轨迹规划是不是拒绝了这次请求——比如目标点在可达空间边缘、或者当前速度下减速距离不够。这种情况在高速运行时特别容易出机器人刹不住安全逻辑直接放弃这次抓取。5.3 症状三皮带速度一快精度就崩低速准、高速不准这个现象很有诊断价值。它说明位置换算没问题问题出在与速度相关的量上。首先查速度估计的滤波窗口。窗口是按时间定义的但采样是按扫描周期做的如果扫描周期本身随负载波动窗口里的点数就不稳定。稳妥做法是按点数而不是按时间定义窗口同时监控扫描周期是否抖动。其次查编码器采样频率是否足够。皮带 600 毫米/秒、脉冲当量 0.025 毫米编码器脉冲频率是 24000 赫兹。如果计数器卡的采样率只有 100 千赫兹还勉强够如果只有 10 千赫兹那就丢脉冲丢定了。这种情况下低速测不出问题一到高速就崩。最后查机器人的动态能力。高速下机器人的实际运动时间比理论值长因为电流环可能饱和、加减速受限。解决办法是在调试时用示波器抓一次完整的运动过程量出实际到达时间而不是用规划器的理论值。5.4 一套可复用的排查顺序排查顺序检查项判断依据处理动作1静止模拟是否准静止偏差 1 mm重做标定2偏差方向是否一致左右目标偏移同号查公共偏移标定、时间戳3偏差是否随速度线性变化变则是时间相关项查速度估计、延迟值4偏差是否随位置累积越跑越偏查脉冲当量、打滑5是否偶发无规律查触发、队列、超时6高速是否恶化低速好高速坏查采样率、动态性能这张表是我贴在工具箱盖子上的每次现场出问题先照着一项项过比凭感觉瞎调效率高太多。6. 参数整定与稳定性优化6.1 编码器滤波与采样周期的取舍编码器信号不是绝对干净的皮带振动、电磁干扰都会带来高频抖动。给位置信号加滤波器能改善稳定性但会引入相位滞后而滞后在跟踪系统里就是位置误差。我的经验是不要对位置信号本身做低通滤波而是对速度估计做滤波。位置保持原始值用于位置计算速度用滑动平均或者一阶低通这样既抑制了速度噪声又不影响位置精度。采样周期的选择也有讲究。PLC 侧的编码器高速计数是硬件完成的跟扫描周期无关所以位置读取本身不会因为扫描慢而丢数据。但速度估计依赖采样间隔扫描周期抖动会直接变成速度估计噪声。如果扫描周期不能稳定可以在速度估计里引入实际时间间隔做归一化而不是假设周期恒定。6.2 跟踪窗口和超时丢弃的设定跟踪窗口的大小要跟机器人的动态能力匹配。窗口太窄目标进入窗口后机器人来不及启动太宽同一时刻可能有多个目标落在窗口内机器人只能抓一个后面的就错过了。工程上的算法是窗口宽度 ≥ 皮带速度 × (机器人运动时间 安全裕量)。皮带 300 毫米/秒、机器人运动 300 毫秒的话窗口至少要 90 毫米以上再加 50% 裕量就是 135 毫米。如果物料最小间距小于这个值说明这套配置在高速下无法完成逐个抓取得考虑降低皮带速度或者增加机械手数量。超时丢弃的设置除了考虑时间冗余还要考虑异常处理。物料在皮带上倒了、卡住了视觉可能识别成目标但它到不了工位。这种目标必须靠超时清理掉否则队列会堆积内存和逻辑都会出问题。6.3 停机、反转和人工干预怎么处理产线运行中总会有停机、检修、人工取料的情况。这些场景如果处理不好队列里的幽灵目标会导致停机重启后机械手乱抓一气。我通常这么做停机检测到皮带停止信号后冻结队列推进保留已有目标但标记为待确认重启后给操作员一个确认按钮或者用一个光电开关检测目标是否还在原位。反转编码器反向计数时标记整个队列失效并清空重新开始跟踪。因为反转意味着物料位置关系全乱了。人工取料在取料口安装一个光电或者人工确认按钮触发后清空队列尾部对应位置的目标。这需要给每个目标保留位置信息按位置区间清理。这些逻辑看起来是边缘情况但现场跑起来停机重启的频率比想象中高得多尤其是换班、换料、清理的时候。提前把这些处理写进去能省掉大量重启后机械手乱抓的投诉。最后分享一个我用了很多年的小技巧在调试阶段给每个目标加一个编号和可视化的轨迹记录把触发位置、抓取位置、理论位置三组数据画成曲线。正常情况下三条线应该是平行的一旦某条线开始发散就能立刻判断是哪个环节出了问题。这套可视化工具花了我两天时间写但后面每条线的调试时间至少省了一半。跟踪系统这种东西看得见才调得动靠猜参数的调试方式早晚会把你拖垮。
