半导体加工平台的视觉定位方案

相机固定在加工平台上，无机械臂，只有XYZ三轴运动系统 ，这是一个典型的龙门平台视觉定位 场景。与机械手方案的核心区别是：视觉系统直接测量工件相对于平台坐标系的位置，而不是通过手眼标定。

---

一、系统架构分析

物理布局

• 相机安装：固定于加工平台（龙门架）上，随XY轴移动（或固定在某处）

• 运动系统：X轴、Y轴、Z轴（可能是音圈电机或伺服+滚珠丝杠）

• 任务目标：定位夹具上某个Mark点的初始位置，驱动平台移动到目标加工位置

关键特点

• 无机械臂 → 无需手眼标定中的末端执行器坐标系

• 相机与平台刚性连接 → 相机坐标系与平台坐标系有固定的偏移关系

• 平面运动 → Mark点在同一平面（忽略高度变化）

---

二、坐标系定义

坐标系定义：
├── 平台坐标系 (R)：以平台原点（如左下限位）为基准，单位 mm
├── 相机坐标系 (C)：以相机光心为原点，单位 mm
└── 像素坐标系 (P)：图像左上角为原点，单位 pixel

核心关系 ：相机固定在平台上，因此相机坐标系与平台坐标系之间的相对位姿是固定的。

设平台当前位置为 (Xr,Yr)(Xr​,Yr​)（平台坐标系下），则相机光心在平台坐标系中的位置为：

XcameraYcamera\]=\[XrYr\]+\[ΔXoffsetΔYoffset\]\[Xcamera​Ycamera​​\]=\[Xr​Yr​​\]+\[ΔXoffset​ΔYoffset​​

其中 (ΔXoffset,ΔYoffset)(ΔXoffset​,ΔYoffset​) 是相机安装位置相对于平台坐标系的固定偏移。

三、标定流程（核心）

步骤1：相机内参标定（张正友法）

• 目的：获得畸变参数和焦距，将像素坐标转换为归一化坐标

• 方法：棋盘格拍摄15-20张照片，使用OpenCV calibrateCamera

• 输出：内参矩阵 KK，畸变系数 (k1,k2,p1,p2)(k1​,k2​,p1​,p2​)

步骤2：像素当量标定（Pixel to mm）

由于相机光轴垂直于工件平面，可以直接建立线性映射。

方法一：两点法

1. 平台移动到位置 P1=(X1,Y1)P1​=(X1​,Y1​)，拍摄Mark点，记录像素坐标 (u1,v1)(u1​,v1​)

2. 平台移动到位置 P2=(X2,Y2)P2​=(X2​,Y2​)，拍摄同一Mark点，记录像素坐标 (u2,v2)(u2​,v2​)

3. 计算像素当量：

   Sx=∣X2−X1∣∣u2−u1∣,Sy=∣Y2−Y1∣∣v2−v1∣Sx=∣u2−u1∣∣X2−X1∣,Sy=∣v2−v1∣∣Y2−Y1∣

   单位为 mm/pixel

方法二：多点拟合（推荐）

• 移动平台到9个不同位置，记录 (Xi,Yi)(Xi​,Yi​) 和对应的 (ui,vi)(ui​,vi​)

• 建立仿射变换模型：

  XY\]=\[abcd\]\[uv\]+\[txty\]\[XY\]=\[acbd\]\[uv\]+\[txty

• 使用最小二乘法求解6个参数

• 此方法可补偿相机安装旋转（如果相机有微小偏角）

步骤3：相机安装偏移标定

目的：确定相机光心与平台坐标系原点的固定偏移 (ΔXoffset,ΔYoffset)(ΔXoffset​,ΔYoffset​)

方法：

1. 在平台上固定一个标准Mark点（如玻璃基板上的十字）

2. 移动平台，使Mark点正好位于相机视野中心（通过图像处理找到中心并微调）

3. 记录此时平台的坐标 (Xcenter,Ycenter)(Xcenter​,Ycenter​)

4. 相机光心在平台坐标系中的位置即为 (Xcenter,Ycenter)(Xcenter​,Ycenter​)

5. 偏移量计算（如果平台原点在左下角）：

   ΔXoffset=Xcenter,ΔYoffset=YcenterΔXoffset=Xcenter,ΔYoffset=Ycenter

---

四、在线定位流程

初始化阶段

1. 平台移动到拍照位置 (Xphoto,Yphoto)(Xphoto​,Yphoto​)

2. 此时相机视野覆盖夹具上的Mark点

实时定位（每次夹具到位后）

text

1. 触发相机拍照
2. 图像预处理（滤波、二值化）
3. 匹配算法定位Mark点，获得像素坐标 (u, v)
4. 亚像素优化，得到 (u_sub, v_sub)
5. 畸变校正：
   └─ 使用张正友标定的畸变系数校正 (u_sub, v_sub) → (u_corrected, v_corrected)
6. 像素坐标 → 相机坐标系（单位mm）：
   └─ X_cam = (u_corrected - u_center) × S_x
   └─ Y_cam = (v_corrected - v_center) × S_y
   （其中 (u_center, v_center) 是图像中心像素坐标）
7. 相机坐标 → 平台坐标系：
   └─ X_mark = X_photo + X_cam + ΔX_offset
   └─ Y_mark = Y_photo + Y_cam + ΔY_offset
8. 计算目标偏移：
   └─ ΔX_target = X_target_desired - X_mark
   └─ ΔY_target = Y_target_desired - Y_mark
9. 发送给运动控制器：平台移动 (ΔX_target, ΔY_target)

---

五、关键优化点

1. 相机安装方向标定

如果相机安装有微小旋转（非90°垂直），需要标定旋转角 θθ。

方法：

• 移动平台X轴固定距离 DD，测量Mark点在图像中的像素位移 (Δu,Δv)(Δu,Δv)

• 计算旋转角：

  θ=arctan⁡(ΔvΔu)θ=arctan(ΔuΔv)

• 在坐标转换时加入旋转补偿：

  XcamYcam\]=\[cos⁡θsin⁡θ−sin⁡θcos⁡θ\]\[Sx⋅(u−ucenter)Sy⋅(v−vcenter)\]\[XcamYcam\]=\[cosθ−sinθsinθcosθ\]\[Sx⋅(u−ucenter)Sy⋅(v−vcenter)

2. Z轴高度变化的影响

如果Z轴有升降（如调焦或加工头升降），且Mark点在不同平面：

解决方案：

• 使用远心镜头（对高度变化不敏感）

• 或建立高度补偿模型：

  • 在不同Z高度拍摄标准Mark点，记录像素坐标变化

  • 建立 (u,v)=f(Z)(u,v)=f(Z) 查找表

  • 在线时根据当前Z高度查表补偿

3. 多Mark点定位（提高精度）

对于高精度要求（如±1μm），使用多个Mark点求平均：

• 夹具上设计3-4个Mark点

• 依次定位每个Mark点，得到 (Xi,Yi)(Xi​,Yi​)

• 计算夹具整体位姿：

  Xcenter=1n∑Xi,Ycenter=1n∑YiXcenter=n1∑Xi,Ycenter=n1∑Yiθrotation=arctan⁡(Y2−Y1X2−X1)θrotation=arctan(X2−X1Y2−Y1)

• 同时输出旋转角用于校正（若加工头可旋转）

---

六、精度分析与误差控制

误差源	典型值	控制方法
相机标定误差	±0.5 pixel	多点拟合 + 亚像素
像素当量标定	±0.1%	大范围移动（>100mm）
畸变校正残差	±0.1 pixel	高质量镜头 + 高阶畸变模型
平台重复定位精度	±1 μm	光栅尺闭环
温度漂移	±2 μm/°C	恒温环境 + 定期标定
总系统精度	±2-5 μm	上述综合

---

七、工程实现示例（伪代码）

python

import cv2
import numpy as np

class PlatformVisionSystem:
    def __init__(self):
        # 加载标定参数
        self.camera_matrix = np.load('camera_matrix.npy')
        self.dist_coeffs = np.load('dist_coeffs.npy')
        self.pixel_to_mm = 0.005  # 5 μm/pixel（示例）
        self.cam_offset = (150.0, 100.0)  # 相机安装偏移（mm）
        self.image_center = (640, 512)  # 图像中心
        
    def locate_mark(self, image, current_platform_pos):
        # 1. 畸变校正
        undistorted = cv2.undistort(image, self.camera_matrix, self.dist_coeffs)
        
        # 2. 匹配Mark点（模板匹配或轮廓检测）
        u, v = self.find_mark_center(undistorted)  # 亚像素精度
        
        # 3. 计算相机坐标系下的偏移
        dx_pixel = u - self.image_center[0]
        dy_pixel = v - self.image_center[1]
        x_cam = dx_pixel * self.pixel_to_mm
        y_cam = dy_pixel * self.pixel_to_mm
        
        # 4. 转换到平台坐标系
        x_mark = current_platform_pos[0] + x_cam + self.cam_offset[0]
        y_mark = current_platform_pos[1] + y_cam + self.cam_offset[1]
        
        return (x_mark, y_mark)
    
    def calculate_move(self, mark_pos, target_pos):
        delta_x = target_pos[0] - mark_pos[0]
        delta_y = target_pos[1] - mark_pos[1]
        return (delta_x, delta_y)

---

八、与传统机械手方案的区别总结

项目	机械手方案	龙门平台方案（你的场景）
坐标系关系	手眼标定 AX=XBAX=XB	固定偏移 + 像素当量
标定复杂度	高（需解旋转矩阵）	低（线性映射即可）
旋转角输出	需要（多自由度）	通常不需要（若只有XY）
Z轴影响	可忽略（末端固定）	需补偿（若升降）
精度	±0.02-0.1mm	±0.002-0.005mm（可达更高）