汽车车身既要尺寸公差、形位评价又要查表面缺陷怎么办？双目加激光按特征切换的90秒测量
汽车车身由冲压件、覆盖件与结构件组成，尺寸链长，任一点超差都可能表现为装配间隙与面差。本案例用工业机器人结合光学跟踪，按被测特征自动切换双目视觉与激光传感器，快速采集车身外形点云，在 90 秒节拍内完成三维测量、尺寸公差与形位评价、表面缺陷检测三类任务，以现场验收结果为准。
三件事，为什么硬要放进一套系统
表面缺陷检测与尺寸测量在传统流程里分属不同环节，设备、工位、数据各管一段。分成三套系统，意味着三次上料、三次定位、三份互不对应的数据。合成一套的收益不只是省工位，而是三类结果能落在同一份质量档案里，缺陷位置与尺寸偏差可以互相对照。
什么时候用激光，什么时候用双目
大尺寸型面适合激光扫描：取点快、覆盖广，曲面与长型面都能连续采集。孔、边这类局部精细特征适合双目视觉：视场小、分辨率高，边缘定位更稳。按特征切换，等于让两种传感器各自干最擅长的活，而不是用一个方案硬扛所有任务。
光学跟踪解决的不是精度，是“累计”
机器人在大范围运动中定位误差会累积，站位越多、行程越长，误差越明显。光学跟踪实时测定机器人末端位姿，为各站位提供独立基准，把机器人运动误差从测量链路中分离出去，保证多站点云在同一坐标系下可用。工件越大，这项能力的价值越突出。
传感器切换靠测量规划预计算
切换不是现场临时判断，而是由特征库提前分类：系统按车身要素生成传感器选择与运动路径，既保证精度，又压缩人工示教时间。规划做得好，切换是顺带的；规划做得粗，切换就变成一次次试错。
三类结果合成一份档案，90 秒怎么分配
点云统一到工件坐标系后，算法拟合平面、圆、圆柱等几何元素，算实测值与理论值的偏差，评价直线度、平面度、位置度等形位项目；同一批点云里的局部形貌异常，则用于表面缺陷识别。测量报告与形位评价表跟车身流水号绑定，可追溯、可统计。
机器人按规划路径运动，双目与激光按特征切换成像，点云实时拼接、并行处理。90 秒节拍覆盖整车身的采集与评价，替代的是检具与三坐标的离线测量。
边界：只判有无时不必上这套
如果需求只是特征有无判定，更轻量的 3D 视觉防错方案就够用；本方案的价值在于同时承载尺寸、形位与缺陷三类评价。按检测目标配置系统，避免过度投资。
评审时常见的四个问题
双目和激光为什么要自动切换？
两者各有所长：激光适合大面积型面快速取点，双目适合孔、边等局部特征的高精度测量。按特征切换，才能在同一任务里兼顾效率与精度。
光学跟踪在这套系统里起什么作用？
实时测定机器人末端位姿，修正大范围运动中的定位误差，保证多站位点云拼接精度。它是大件多站位测量的基准来源。
尺寸公差与形位评价怎么从点云得到？
从点云拟合几何元素，计算实际尺寸与理论值的偏差，评价直线度、平面度、位置度等形位关系，结果输出为报告。
表面缺陷和尺寸测量会不会互相拖累？
两者共用点云，算法并行处理：尺寸评价用拟合基准，缺陷识别抓局部形貌异常。共用采集环节，不额外占用节拍。