機械工業網 - 機械產業的入口網站

作者:張耿豪、林毓庭、邱威堯、蔡雅惠多視角3D全形貌建模與缺陷檢測技術簡介

近年來，3D深度感測元件被廣泛應用於工業自動化之領域，本文中利用3D深度感測元件所擷取之三維座標資訊（點雲）資訊進行工件姿態之估測及外觀缺陷檢測，達成彈性取放工件與檢測之目的，進一步使得機器手臂能自動化上下料、加工製造及產品篩選。傳統3D深度感測元件在進行工件建模縫合時，需透過連續鄰近3D掃描所產生的三維特徵資訊來進行縫合，因此造成建模耗時且無法適用於大範圍移動掃描等問題，本文中提出多視角3D全貌姿態估測技術以及多視角3D樣貌缺陷檢測技術，除可克服跨大視區之工件掃描及建模問題外，亦可兼具檢測工件外觀重大缺陷之功能。多視角3D全貌姿態估測技術使得視覺導引機器人（VGR）系統能夠透過獲得的影像準確地運算工件的姿態與位置，提昇夾持工件、搬運和組裝能力，搭配多視角3D樣貌缺陷檢測技術可做供件品質粗篩選後再進行後續製程，可減少製程虛工時間之損耗。

作者:曾炫凱、胡家睿視覺對位補償技術與產業應用介紹

視覺技術為現有平台進行對位不可或缺的角色之一，其橫跨的產業領域非常廣泛，目前配合電子、面板與半導體的發展其需求也越趨於精密，面對光學鏡片、感光原件…等關鍵零組件受國際大廠壟斷，如何運用不同之光學原理高精度的量測與補償方法為此領域之中爭相研究之課題，在產業面相上我國又正好是電子、電路的製造大國，因此視覺對位技術對於我國產業發展亦有一定之影響，基於此重要性本文將介紹視覺對位技術之發展現況與整理其在台灣產業中之應用模式。

作者:李則霖、詹聖瑋基於視覺停車格偵測與多階段控制之自動停車系統開發

隨著當前汽車無人駕駛技術日新月異的發展，國內外車廠紛紛投入汽車無人駕駛技術的研發，其中，自動停車技術為當前重要發展標的之一。而現有半自動停車系統，多採用距離感測器偵測停車空間，需要依賴鄰車以定位停車空間，造成使用者在僅有地上標線的停車格進行停車且該停車格兩旁無鄰車可協助偵測時，反而造成停車不易的現象。本文利用基於視覺的停車格偵測系統，用於即時處理和識別車格線，以提供車輛和格線之間的相對空間資訊。使用基於視覺的算法不需依賴周遭參考障礙物。我們還將視覺資訊與其他感測資訊整合在一起，以改善性能，分析環境和車輛狀態後，制定適當的自動停車規劃。然後，處理器控制車輛的致動器，使自動駕駛車輛能完成垂直，平行和斜向車格的停車任務。因此，本文解決了在沒有參考障礙的情況下在車格邊線區域停車的問題。

作者:黃仲宏全球機器視覺市場展望

目前全球機器視覺的發展主要由人工智慧、深度學習與先進成像技術驅動，機器視覺可用於校準、測量、製造業品質檢測、機器維護，它是工業自動化的重要系統之一。在全球製造業智慧化、數位化浪潮的驅動下，機器視覺已是工業之眼，憑藉其在檢測、定位、測量、識別等領域的應用，早已是智慧製造的關鍵技術。隨著國際技術競合和供應鏈安全風險的因素，加速實現機器視覺的國產自主化技術，不僅是產業高品質發展的需求，更是保護國家製造業安全發展的需求。儘管國產工業視覺產品憑藉在地化服務能力、客製化需求的適配，已在電子、機械、化工等場景實現國產化替代，並逐步向半導體、精密光學等領域拓展，不過在高階應用的場景中仍面臨硬體依賴進口、複雜場景下穩定性和可靠度的挑戰。

作者:李修明、黃雅婷、鄭致潔智慧工廠的節能減碳論述

針對智慧工廠，在節能減碳議題上的概括性論述。包括世界各國相關節能減碳法規與政策、製造業在節能減碳的可行方案，以及智慧工廠在節能減碳上的可行技術及方法，並解析可行的商業模式。

作者:解明潔自動化AI視覺檢測技術

隨著人工智慧（Artificial Intelligence, AI）與深度學習（Deep Learning）的發展推動視覺檢測從傳統依賴規則的方式，轉型為數據驅動的智能化系統。傳統檢測在光照穩定時具有效率，但對環境變化敏感，易誤判與漏檢。AI 深度學習透過大量標註數據自動提取多層特徵，能適應複雜生產環境，於分類、檢測與分割等任務展現高精度與穩定性。本文介紹 2D 與 3D 視覺技術及其在缺陷檢測、尺寸量測、品質分級的應用，強調其在光照變化容忍度、複雜特徵辨識、即時檢測及自適應優化的優勢[1] [2]。特別是在金屬加工產線，AI 視覺能處理金屬表面反光與隨機堆疊問題，結合工件定位與 3D 視覺辨識，輔助機械手臂完成自動化上、下料，有效提升精度與效率。

作者:陳展揚、林昱廷、林文杰視覺慣性輪速里程計

結合各種感測器的里程計算器，是自駕車必備的基礎元件。在各類里程計中，以相機與慣性測量單元（Inertial Measurement Unit, IMU）組成的視覺慣性里程計最常被使用，因其在感測器的尺寸與價格上具有優勢。然而，視覺慣性里程計仍有所限制，例如在車輛等速行駛下，尺度將變得不可觀測。因此，有些方法將輪速編碼器和視覺慣性里程計做結合來達到更準確和強健的表現。本文將介紹我們基於開源視覺慣性里程計架構所開發的視覺慣性輪速里程計。

作者:許勝傑、黎尚昆、洪國峰視覺導引路徑生成應用於機器人超音波切割單元

作者:唐仕超、陳展揚、林文杰視覺慣性里程計

隨著自駕車及無人機等應用對準確定位的需求，各種不同感測器的里程計不斷地被開發。由於近幾年來相機與慣性測量單元因為價格便宜且輕便而普及，視覺慣性里程計成為一個非常熱門的選擇。本文將介紹視覺慣性里程計的概念、算法分類、以及目前熱門開源算法。

作者:彭彥嘉、張高銘、曾建霖、林宸霆雙臂機器人系統簡介

雙臂機器人系統模仿人類雙手來進行複雜的工作，相較於單臂機器人，可處理更加複雜的任務。本文介紹了工研院機械所機器人實驗室（ITRI Robotics Lab）所開發的雙手臂機器人系統（Dual Arm Robot System, DARS）。首先介紹DARS所使用的機械手臂，接著我們介紹如何使雙手臂同時協同運動，最後介紹DARS中所搭載智慧視覺系統。

作者:詹巧同基於影像定位之ADAS於駕訓班場域的創新應用

自動駕駛輔助系統（advanced driver assistance systems, ADAS）不僅改善現行駕駛環境更是自駕車的前哨站。本篇介紹以影像定位為基礎的自動駕駛輔助系統應用於駕訓班，尤其針對日本的高齡駕照認知測試。這個系統能減少人力成本，自動化教學指導，並創建客觀的考試環境，未來還可提供更詳細的雲端駕駛行為分析。ADAS 主要依賴影像處理以及定位技術，包括車道線、路面標記辨識、紅綠燈和號誌辨識，以及物件偵測等。它結合深度學習和電腦視覺技術，提高偵測精確度和穩定性。透過七大模組進行車輛定位和環境辨識，進而評分駕駛行為，如紅綠燈行為對應、道路標記及停止線停等、過彎軌跡評測、段差跨越和定速操駕等。除了這些評分功能，ADAS 還提供路線偏離和環境車輛距離告警，增加駕駛安全。此外，這項技術對為未來自駕車提供更豐富的感知輸入和先行探索極端情況並開發應對方案。總的來說，這種基於影像的 ADAS 技術是駕訓班應用的重要創新，提高了駕駛安全性，提升自駕車技術和為車廠開拓嶄新的服務思路。

作者:王俊勝用於多移動機器人協同控制之視覺相對定位系統

為增加工廠自動化使用彈性，多移動機器人協同作業已成發展趨勢。提升機器人間相對定位精度是開發協同控制技術的第一步。本文闡述一套低成本且可快速實現於多移動機器人間之相對定位系統，以快速響應矩陣圖碼作為識別標誌，透過視覺感測器偵測此標誌開發高精度之定位演算法。我們設計了一測試平台以量化驗證演算法估測識別標誌之二維座標準確度與精密度。

歷史雜誌