３Dビジョンセンサーの種類
２Dビジョンセンサーでは、縦横の２次元の情報を取得するのに対し、３Dビジョンセンサーでは縦横に加えて奥行を取得できるカメラです。その奥行を取得する方法を３種類あり、それぞれ撮影方式によって異なります。

①ステレオカメラ方式
複数台のカメラを用いることで奥行を割り出す三角測量の原理を応用しています。
人間は２つの目で見ているため立体的にものを見ることができます。
カメラも同様に２台のカメラを用いることで奥行を算出します。

ステレオカメラ方式のメリットは安定性で、リアルタイムで安定した距離測定が可能である点です。
人間に近い空間把握能力を有している為、撮影距離、奥行精度ともに安定した計測が可能です。
屋外での撮影も可能であるため、車の自動運転アシスト用の車載カメラとしても採用されています。

②ToF方式
光源から照射された光がカメラに戻ってくるまでの時間から奥行を割り出す方式です。
ToFとはTime of Flightの頭文字で飛行時間を意味し、ToF方式では光の時間から奥行を求めているということです。
ToF方式のメリットは撮影距離の広さです。他にも暗所での撮影が可能であること、コストが安価であることなどから非常に使いやすいカメラとして物流分野のピッキングロボットで広く採用されています。
ToFカメラで大きさや形状を測定できることから箱詰め作業などでも用いられています。

デメリットとして屋外での撮影には対応できない点です。
イメージセンサーが太陽光に反応してしまうため、光源から出た光の反射を計測できなくなります。
使用環境が屋内に限定されてはいますが、採用実績もあるため検討しやすい方式といえます。

③プロジェクター方式（構造化照明）
照明の光を物体に照射して光の状態から凹凸を把握、奥行を割り出す方式です。
前述のToF方式ではカメラと光源が一式となっていますが、構造化照明方式では照明（プロジェクター）とカメラが別です。
照明から照射対象へパターン光を照射し、カメラは照明とは異なった角度から観察します。
照射対象へ当たった光の歪みをカメラで観察することで対象物の奥行を測定します。

構造化照明の場合、カメラとプロジェクターが必要であるためコンパクト性に欠けることと屋外での撮影にも向きません。
ただし構造化照明の場合、精度の高い撮影が可能な点が一番のメリットです。
①、②の方式と比較して10～100倍の精度を出すことができるためアプリケーションなどに向いているといえます。

ビジョンセンサー本体参考価格として約１５０万円～となります。
上記にもある通り、ビジョンセンサー単体で使用できるものではなく、
ビジョンセンサーを用いて画像処理による検査を行うなど装置の一部部品となります。
導入検討の際は画像処理システムや検査装置システムをパッケージとして検討することが多くなります。

①カメラ（ハードウェア）性能の選定
3Dビジョンはプロジェクタとカメラから構成されています。撮像した画像は小さな３次元の座標情報（x,y,z）を持った点の集合でできています。これを点群と言います。点群は、プロジェクタから照射された縞模様を、サイドのカメラで認識することにより取得します。100万点以上の点群を1秒未満の時間で撮像し、３次元の物体認識を行っています。この高速で高精度な処理が、ロボットの運用能力を高めるキーとなっています。

②画像認識（ソフトウェア）性能の選定
CADマッチング
事前に登録したワークのCADデータ（stlデータ）を基に、実際のワークを認識します。撮影した写真の色の濃淡を識別して認識を行う輪郭マッチングと、点群計測による点群マッチングの二つの認識により、事前に登録したワークを探し出します。CADマッチング方式では、ワークを正確に把持することができるため、後工程で精度が求められるような工程で活躍します。
マスタレス
事前のワーク登録なしで認識を行うことができます。多品種を扱う工程の場合でも、毎回ワーク登録を行う必要がなく、より汎用的な運用が可能となります。ロボットが機械学習により「様々な箱」を学習し、事前登録なしでも安定的な認識を実現しています。
形状が複雑なワークなどは対応できない場合があります。

トラブル事例
想定していたよりも画像認識に時間がかかりタクトタイムが間に合わない。
レイアウト変更時にロボットのピッキング位置がずれる。

原因①
認識する製品の多さや形状の複雑さなどワーク情報が変更されていた。
原因②
自動キャリブレーション機能がなかった。

対策①
ワーク情報や認識数を変更する場合は、再度設定を行いタクトタイムや認識内容を検証する。
対策②
自動キャリブレーション機能を持ったビジョンシステムを導入する。