对生产零件进行在线表面缺陷检测是机器视觉检测最常见的应用之一。在这些应用中，作为整个检测环节的其中一环，技术工程师需要依赖2D Blob分析来对表面随机分布的区域进行初始分割。

标准2D Blob分析

在提取2D Blob时，只能基于指定的强度数据阈值将图像待检测特征与背景分离开来。2D无法识别基于形状的Blob，例如零件表面上的凹痕或凸起，或不均匀表面上的Blob（即存在台阶高度差时）。

为应对这一检测挑战，我们开发出一套特定的测量算法 – 点云Blob工具来执行3D点云Blob分割。

检测挑战

为解释2D Blob提取的局限性，我们检测了具有倾斜表面和多个随机分布凹痕的黑色托架。

问题在于样品的黑色表面（低对比度）使得2D扫描无法捕获待检测Blob的任何可用边缘，无法成功进行Blob分割。

智能3D解决方案 – 点云Blob工具

您可使用点云Blob工具从形状数据（即3D高度图）中提取特征，超越了标准的2D分割。这意味着您可以识别出平坦表面的凸起或凹陷的区域。这些平坦表面可设为参考区域或参考平面，您便可处理因台阶高度变化造成局部表面差异，且其中单个高度阈值不足以准确地分割所需特征等特殊情况。

通过设置参考平面，您可以执行3DBlob分析识别样品的凹陷或浅的凹痕，而这些是无法使用2D强度检测出来的。

总结

除了可执行典型的2D Blob分析之外，您还可以使用点云Blob工具从3D高度图数据中提取Blob，以识别基于形状的特征。 并且，您现在可以识别出相对于参考平面的凹陷或凸起特征，或倾斜表面上任意区域的特征，在测量和检测过程中实现更大的灵活度和控制力。

每个Gocator® 3D智能传感器都内置了点云Blob工具。您可访问我们官网的固件网页探索其他150多个内置的测量工具。