白车身孔点边的在线判定：装配线两侧机器人携3D视觉，45秒实时输出测量报告与超差报警
白车身由大量冲压件焊接而成，孔、点、边三类特征数量多、分布广，任何一处漏冲、漏焊或位置偏移都会沿装配链传递。本案例在装配线两侧布置机器人，各持 3D 视觉传感器，45 秒节拍内完成特征检测并实时输出测量报告与超差报警，支持 7×24 小时无人值守，以现场验收结果为准。
孔、点、边不是一类东西
孔是封闭的边缘轮廓，缺了就是缺了；点是局部的高点或凹点，形态小、容易被反光淹没；边是线结构特征，判的是走向与连续性。三类特征用同一套模板去套，边界样本必然出错。方案为每类特征配不同的提取模板，最后统一到同一测量坐标系输出报告。
为什么是两侧机器人，而不是一台看全
白车身体积大，单侧站位视野有限，侧围、顶盖这些部位总有一面看不到。两侧机器人分区覆盖，兼顾左右对称区域；同时避免单机长行程往复运动拖慢节拍。分区之后，每个机位的视野与工作距离可控，点云质量比“一台相机看全局”稳定得多。
45 秒怎么分给采集和计算
车身随线到位后触发检测程序，两侧机器人带动传感器完成特征采集，采集与计算按分区并行推进。节拍能被压住，靠的是“分区并行 + 针对性算法”，而不是单纯提高相机帧率。合格件随线流转，超差即报警，由作业人员按工位拦截。
焊装现场的光与尘
焊装线有弧光、烟尘与振动，金属表面还存在反光。方案在成像端设置滤波与曝光控制，在算法端对点云做预处理与稳健性处理，抑制反光与边缘噪声。这些处理不改变判据，但决定系统能否在 7×24 小时连续运行下保持判定稳定。
报告发出去之后谁用
测量报告实时输出特征合格状态与位置偏差，供现场与质量数据系统使用。它的价值不只是“这一件合不合格”，而是把焊装尺寸状态变成可统计的数据：偏差分布、趋势变化、工位差异，都能从报告里读出来。
它不做什么
这套方案面向几何特征的有无与位置判定，不承担内部缺陷或精密尺寸评价。当需求扩展到尺寸公差与形位评价时，需要走双目加激光的复合测量路线。选型时把边界说清楚，比事后补设备便宜得多。
方案评审时的常见追问
3D 视觉怎么判断孔“有没有”？
采集特征区域的点云或轮廓，提取孔边缘、点位置与边走向，与理论特征比对。点云带高度信息，漏冲、漏焊这类缺失能稳定识别，不依赖图像对比度。
两侧布置是不是必须的？
对白车身这种体积与特征分布，两侧布置是兼顾覆盖与节拍的现实解。若工件较小、特征集中在一侧，单侧布置也能成立，关键看视野与节拍。
45 秒能检多少内容？
覆盖车身孔、点、边特征的有无与位置判定，并输出测量报告。具体特征数量取决于车型与测点规划，需在方案阶段按车身结构确认。
需要尺寸公差与形位评价时怎么办？
本方案只做特征有无与位置判定，不承担精密尺寸评价；需求扩展到尺寸公差与形位关系时，应改为双目加激光的复合测量路线，而不是在这套系统上加指标。