装配件检测点位分散、布局还常改，把2D与3D相机装到机器人末端，58秒怎么跑完全部点位
汽车零部件装配件的检测点位分布在多个面、多个部位，产线输送来料，合格件放行、异常件拦截。要在 60 秒以内完成漏加工、漏装配、误装配三类防呆检测，点位又必须有相机够得着。如果每条产线都按固定工位布一圈相机，点位一调整，支架就得重做。
点位分散、布局常改，固定工位就不划算了
方案把 2D/3D 相机安装在机器人末端，构成眼在手上的结构：相机随机器人运动到达任意检测点位。与固定工位相比，最大的变化是可及性从布点变成了路径——点位增减只需要修改路径程序，不需要动支架、改结构。对检测点分散、布局经常调整的装配件，这一条往往比精度指标更能决定方案成败。
运动中取图：模糊和误差是两个问题
相机随机器人运动时取图，会同时面对两件事：运动模糊，曝光期间相机还在动，图像会拖；定位误差，机器人停在大概那个位置，和示教位置有偏差，取到的区域就偏了。两者的处理方式不同：模糊靠曝光与运动时序配合，误差靠重复定位精度与采图触发同步。方案让机器人运动与采图触发协同设计，在关键点位稳定取图。
2D 判有无，3D 判对错
三类防呆里，漏加工与漏装配侧重目标有无，误装配侧重目标对错。2D 相机负责平面特征，如表面标志、孔位有无；3D 相机负责空间特征，如装配高度、零件的空间位置。两类特征分别与标准模型比对，再按规则融合。这个分工不是随意的：有无问题用平面图像就能回答，对错问题往往差在深度方向上，只有 3D 能看出来。
路径就是节拍预算
检测节拍 58 秒，控制在 60 秒以内，以现场验收结果为准。这 58 秒里，机器人在点位之间移动的时间占了大头，所以路径按检测项排序优化、减少空行程，是节拍压缩的主要手段。点位越多、路径越长，节拍越紧；反过来，如果节拍还有余量，优先用它换取更稳的取图条件，而不是硬加点位。
特征比对环节按装配件型号调用标准模型，换型时切换模型与路径程序即可，硬件不动。这让混线生产的切换成本降下来，但也意味着标准模型的维护要和产品变更同步——型号改了而模型没改，系统会按旧标准自信地判错，这类问题在现场往往要等到批量投诉才暴露。
什么时候仍应选固定多目
点位集中、平面判定即可、品种单一的场景，固定工位 2D 方案成本更低、结构更简单。眼在手上的价值在灵活性与覆盖面，不在单点成像质量。选型时如果检测点固定不动、节拍又宽松，为灵活性付的溢价就不划算。
准确率与留档
识别准确率超 99.9%，检测效率提升数十倍，以现场验收结果为准。三类防呆的判定结果按装配件序列号记录，异常样本的图像与结论留档，为工艺排查与判定标准优化提供依据。工程实践上，机器人重复定位精度与采图触发同步是这套方案成败的关键，选型时应把这两项单独评估，而不是只看相机参数。
什么时候该换构型
眼在手上和固定多目能混用吗？
可以。常见做法是主要检测面用固定相机保证稳定性，少数分散或需空间判定的点位交给机器人。混用时要注意两套系统的坐标系统一。
运动取图会不会牺牲精度？
会牺牲一点，换取的是覆盖范围与灵活性。对精度敏感的特征，安排在机器人停稳后取图；对姿态要求宽松的，运动中取图即可。
58 秒能加多少点位？
取决于单点取图与判定耗时与路径长度。点位增加后先算路径时间，再决定是加点位还是加机器人，不要默认单机可以无限扩。