Blog

2026.11.11

การสอบเทียบ Hand-Eye ใน Robot Vision: RFP และ FAT/SAT

การสอบเทียบ Hand-Eye ใน Robot Vision: RFP และ FAT/SAT

เมื่อโรงงานไทยต้องการนำระบบ Hand-Eye Calibration ของ Robot Vision มาใช้งาน การที่กล้องสามารถเห็นชิ้นงานในภาพกับการที่หุ่นยนต์ไปถึงตำแหน่งนั้นได้อย่างแม่นยำ เป็นเงื่อนไขการผ่านที่แตกต่างกันโดยสิ้นเชิง โดยเฉพาะในโครงการที่มีผู้ผลิตเครื่องจักรหรืออินทิเกรเตอร์หลายรายเข้าร่วม จำเป็นต้องกำหนดล่วงหน้าก่อนสั่งซื้อว่า “จะใช้จุดอ้างอิงใดเป็นหลัก”, “จะเก็บข้อมูลในท่าทางใด”, “จะใช้ชิ้นงานใดเป็นเกณฑ์ตัดสินผ่าน/ไม่ผ่าน” บทความนี้จะสรุปกลไกการคาลิเบรต, การแยกแยะสาเหตุของความคลาดเคลื่อน, และแนวทางการคาลิเบรตซ้ำในระหว่างใช้งาน เพื่อให้ผู้รับผิดชอบสามารถนำไปจัดทำ RFP, FAT, SAT ได้อย่างเป็นระบบ บทความนี้ไม่ได้ให้ค่าความแม่นยำหรือ ROI เป็นค่ากลางสำหรับทุกกรณี

สิ่งที่ต้องตัดสินใจก่อน: กล้องจะเคลื่อนที่หรืออยู่กับที่

“Hand-eye” คือคำเรียกรวมของงานที่ต้องหาความสัมพันธ์ระหว่างพิกัดของหุ่นยนต์กับกล้อง ในแบบ eye-in-hand กล้องจะติดตั้งบนข้อมือหรือปลายแขนหุ่นยนต์และเคลื่อนที่ไปพร้อมกัน ส่วนแบบ eye-to-hand กล้องจะถูกติดตั้งอยู่กับที่บนโครงสร้างเครื่องจักร สังเกตการณ์หุ่นยนต์และชิ้นงานจากภายนอก ทั้งสองแบบนี้แตกต่างกันทั้งเรื่องจิ๊ก, สายสัญญาณ, ท่าทางการถ่ายภาพ, ตำแหน่งยึด target สำหรับคาลิเบรต, และวิธีการคาลิเบรตซ้ำในภายหลัง เอกสาร OpenCV ก็อธิบายเมทริกซ์แปลงสำหรับแต่ละแบบแยกกัน OpenCV hand-eye calibration documentation

การติดกล้องบนข้อมือเหมาะกับกรณีที่หุ่นยนต์ต้องมองชิ้นงานเดียวกันจากหลายตำแหน่ง, ต้องหลบสิ่งกีดขวาง, หรือใช้มุมมองกล้องแบบไดนามิก แต่ต้องระวังว่าขาจับกล้อง, การงอสาย, และความแม่นยำในการติดตั้งซ้ำหลังเปลี่ยนเครื่องมือจะมีผลต่อพิกัดสัมพันธ์ กล้องแบบติดตั้งอยู่กับที่เหมาะกับการมองหลายชิ้นงานหรือพื้นที่รอบสายพานในคราวเดียว แต่หากโครงสร้างฐานหรือพิกัดหุ่นยนต์เปลี่ยนไป ต้องคำนวณเมทริกซ์แปลงใหม่ คู่มือ Cognex ก็แยกขั้นตอนระหว่างแบบติดตั้งบนหุ่นยนต์กับแบบติดตั้งคงที่อย่างชัดเจน Cognex VGR procedure

หลังจากอ่าน ภาพรวมการนำเข้า Robot Vision เพื่อเลือกแนวทางแล้ว บทความนี้จะเจาะลึกเฉพาะ การจัดการพิกัดและการทดสอบรับมอบ หากเน้นงานที่ชิ้นงานเคลื่อนที่หรือใช้กล้อง 3D โปรดดู 3D Vision และการติดตามสายพาน เพิ่มเติม เพราะกรณีเหล่านั้นจะมีประเด็นเรื่องการติดตามและการซิงโครไนซ์เวลา ซึ่งการคาลิเบรตกับชิ้นงานนิ่งเพียงอย่างเดียวไม่เพียงพอ

Hand-Eye Calibration คืออะไร และต้องการอะไร

คอนโทรลเลอร์ของหุ่นยนต์จะจัดการพิกัดของ base, flange, จุดศูนย์กลางเครื่องมือ (TCP) ส่วนฝั่งกล้องจะมีพิกัดภาพ, พิกัดกล้อง, และพิกัดบอร์ดคาลิเบรต ในงานหยิบจับ ต้องแปลงตำแหน่งและทิศทางของชิ้นงานที่พบในภาพ ให้เป็นพิกัดที่หุ่นยนต์ใช้งานได้ เช่นใน eye-in-hand จะต้องหาการแปลง rigid body จากกล้องไปยังเครื่องมือ แล้วนำไปประกอบกับท่าทาง flange ที่หุ่นยนต์รายงาน ส่วน eye-to-hand จะต้องหาความสัมพันธ์ระหว่างกล้องที่ติดตั้งคงที่กับฐานหุ่นยนต์ หากสลับทิศทางเฟรมในเมทริกซ์ แม้จะคำนวณได้ในเชิงคณิตศาสตร์ แต่จะสั่งให้หุ่นยนต์ไปผิดตำแหน่งจริง

เพื่อหาการแปลงนี้ จะต้องถ่ายภาพ target ที่มีขนาดทราบแน่จากหลายท่าทางของหุ่นยนต์ และจับคู่กับท่าทางของหุ่นยนต์ในแต่ละครั้ง OpenCV calibrateHandEye จะรับค่า gripper→base และ target→camera เป็นอินพุต แล้วคืนค่า camera→gripper สำหรับ eye-to-hand รูปแบบอินพุตจะต่างกัน ดังนั้นผู้พัฒนาควรล็อกชื่อเฟรม, ทิศทางลูกศร, หน่วย, และรูปแบบการหมุนให้ชัดเจนทั้งในภาพและข้อมูลทดสอบ OpenCV แนะนำว่าต้องมีการเคลื่อนที่ที่มีแกนหมุนไม่ขนานกันอย่างน้อย 3 ท่าทางขึ้นไป และในงานจริงควรใช้มากกว่านั้น แต่ การเพิ่มจำนวนท่าทางอย่างเดียวไม่ได้แปลว่าจะผ่าน OpenCV Camera Calibration

การสอบเทียบ Hand-Eye ใน Robot Vision: RFP และ FAT/SAT - figure 1

“ขนาดที่ทราบแน่” ของ target ไม่ได้หมายถึงแค่ขนาดในไฟล์ที่พิมพ์เท่านั้น หากการพิมพ์, การติด, การโก่งของแผ่น, หรือการยืดหยุ่นของอุปกรณ์ยึดทำให้ขนาดจริงหรือความเรียบเปลี่ยนไป ก็จะมีผลต่อการประมาณตำแหน่งจากภาพ ในใบสั่งซื้อควรระบุชนิด target, ขนาดที่วัดจริง, รหัสประจำตัว, วิธีการยึด, และวิธีตรวจสอบซ้ำเมื่อเปลี่ยน target คู่มือ Universal Robots ก็เน้นว่าบอร์ดคาลิเบรตต้องไม่ขยับระหว่างกระบวนการ, ต้องมีแสงสว่างสม่ำเสมอ, และหลีกเลี่ยงเงา UR camera calibration procedure

แยก Internal Parameters, TCP, Hand-Eye ให้ชัดเจน

หากใช้คำว่า “คาลิเบรต” รวม 3 งานนี้ไว้ด้วยกัน จะทำให้การแยกความรับผิดชอบเมื่อพบปัญหาใน FAT ไม่ชัดเจน Internal parameters ของกล้อง คือความสัมพันธ์ระหว่างภาพกับแสง เช่น ระยะโฟกัส, จุดศูนย์กลาง, ความบิดเบี้ยวของเลนส์ TCP คือพิกัดตำแหน่งและทิศทางจาก flange ของหุ่นยนต์ไปยังจุดทำงานจริง Hand-eye transform คือความสัมพันธ์ภายนอกระหว่างเฟรมของหุ่นยนต์กับเฟรมของกล้อง หากปรับแค่ส่วนใดส่วนหนึ่งเพื่อกลบความคลาดเคลื่อนของอีกส่วน เมื่อเปลี่ยนจุดทดสอบ ความคลาดเคลื่อนจะกลับมาอีก

API คาลิเบรตกล้องของ OpenCV จะคำนวณ internal/external parameters จาก pattern หลายมุมมอง และคืนค่า reprojection error แต่ค่า reprojection error นี้เป็นเพียงตัวชี้วัดความตรงกันในภาพ ไม่ใช่การรับประกันความแม่นยำที่จุดหยิบจริง OpenCV calib3d documentation ด้าน Universal Robots อธิบาย TCP ว่าเป็นการกำหนดตำแหน่งและทิศทางจาก flange และ TCP ที่เลือกใช้งานจะมีผลต่อการเคลื่อนที่ หากเปลี่ยนเครื่องมือแล้วเลือก TCP ผิด แม้กล้องจะคาลิเบรตถูกต้อง จุดทำงานก็จะคลาดเคลื่อน UR TCP configuration documentation

ในขั้นตอนนำเข้า ควรบันทึกทั้งสามส่วนแยกไฟล์และแยกเวอร์ชัน พร้อมระบุ “ใคร”, “เมื่อไร”, “ใช้จิ๊กอะไร” ในการเก็บข้อมูลนั้น การเปลี่ยน recipe ควรแสดง internal parameters, TCP, hand-eye transform ที่ใช้งานอยู่บนหน้าจอ และบันทึกชื่อเฟรมกับหน่วยใน log ด้วย การบันทึกแค่ “x=0.15” โดยไม่ระบุว่าเป็นเมตรหรือมิลลิเมตร, base หรือ camera จะไม่สามารถใช้วิเคราะห์ปัญหาได้

ขั้นตอนการนำเข้า Robot Vision Calibration: ตั้งแต่ตรวจสอบหน้างานจนถึงรับมอบ

1. กำหนดชิ้นงานและกระบวนการก่อน

ก่อนเลือกกล้อง ให้รวบรวมตัวอย่างชิ้นงานทั้งแบบปกติและแบบยาก ระบุวัสดุ, ความเงา, สี, ค่าสัมประสิทธิ์ขนาด, วิธีวาง, การซ้อน, ด้านหน้า/หลัง, ความหลากหลายของท่าทาง, ตำแหน่งถาดหรือสายพาน ระบุชัดว่าต้องการตรวจจับพิกัดใด เช่น จุดศูนย์กลาง, รู, มุม, พื้นที่หยิบ การที่กล้อง “เห็น” ชิ้นงานไม่ได้แปลว่าหุ่นยนต์จะหยิบได้อย่างปลอดภัย ต้องตกลงกับฝ่ายกระบวนการว่าหากหยิบพลาดหรือชนกันจะส่งผลต่อการผลิตอย่างไร

ในโรงงานไทย สภาพแสง, กะการทำงาน, การสะท้อนจากอุปกรณ์ข้างเคียง, วิธีทำความสะอาด อาจต่างจากห้องทดลอง ดังนั้นควรเก็บข้อมูลจากไลน์จริง ไม่ใช่ใช้สถิติกลางแนวตลาด ใน RFP ควรแนบทั้งภาพตัวอย่างชิ้นงานปกติและกรณียาก พร้อมระบุสภาพแวดล้อมขณะเก็บข้อมูล หากไม่แสดงตัวอย่างกรณียากให้ผู้พัฒนา มักจะถูกตีความว่า “นอกสเปค” หลังเริ่มผลิตจริง

2. ล็อกแผนผังพิกัดและจุดอ้างอิงเครื่องจักร

ในแบบควรนิยามเฟรม robot base, flange, TCP, camera, target, fixture, workpiece แต่ละเฟรมเพียงครั้งเดียว หากเป็นกล้องคงที่ให้ระบุความสัมพันธ์ระหว่างฐานกล้องกับฐานหุ่นยนต์ หากเป็นกล้องติดข้อมือให้ระบุความสัมพันธ์ระหว่างขาจับกับ flange ลูกศรแปลงพิกัดควรนิยามเป็นข้อความว่า “จุดในพิกัด A แปลงไปยังพิกัด B” ไม่ปล่อยให้ผู้ออกแบบตั้งชื่อเมทริกซ์เอง เพราะแต่ละยี่ห้อหุ่นยนต์อาจใช้รูปแบบท่าทาง, ทิศทางแกน, หน่วยองศาไม่เหมือนกัน ควรตกลงรูปแบบอินพุตที่จุดเชื่อมต่อ

การคืนตำแหน่งอ้างอิงของเครื่องจักร, stopper, pin, ความแม่นยำในการเปลี่ยนจิ๊ก ก็เป็นเงื่อนไขตั้งต้นของการคาลิเบรต แม้กล้องจะดีแค่ไหน แต่ถ้าถาดวางชิ้นงานเปลี่ยนตำแหน่งทุกครั้ง อัตราการหยิบจับก็ไม่ดีขึ้น การเปลี่ยนจุดอ้างอิงเครื่องจักรต้องถือเป็นการเปลี่ยนที่ต้องคาลิเบรต hand-eye หรือจุดทำงานใหม่ หลังฝ่ายซ่อมบำรุงขันโครงสร้างใหม่ ควรมีวิธีตรวจสอบตำแหน่งอย่างง่าย

3. ถ่ายภาพและคาลิเบรต internal parameters

หากเก็บแต่ภาพที่ target อยู่มุมเดียวของภาพ จะไม่สามารถตรวจสอบความบิดเบี้ยวของภาพหรือความครอบคลุมของพื้นที่ทำงานได้ ควรถ่ายภาพในระยะและตำแหน่งต่าง ๆ ที่ใช้งานจริง ตรวจสอบโฟกัส, การรับแสง, แสงสะท้อน, motion blur หลังติดตั้งกล้องและเลนส์ควรล็อกค่าต่าง ๆ และตรวจสอบว่า autofocus หรือ auto exposure มีผลต่อความแม่นยำหรือไม่ ค่า reprojection error ของ OpenCV ใช้ดูคุณภาพฝั่งประมวลผลภาพเท่านั้น อย่าใช้ค่านี้เพียงอย่างเดียวตัดสินผ่าน/ไม่ผ่านด้านตำแหน่งเครื่องจักร

ถ้าสภาพแสงเปลี่ยนตามกะ ควรตรวจสอบการตรวจจับ target และชิ้นงานในสภาพเช้า-กลางวัน-กลางคืน หากแสงอยู่ในเครื่องจักรจะควบคุมสภาพแวดล้อมได้ง่ายกว่า แต่ถ้ามีแสงรบกวนหรือวัตถุสะท้อนในไลน์ ควรบันทึกสภาพแสงทั้งใน FAT และ SAT ภาพที่บันทึกอาจมีข้อมูลส่วนบุคคลหรือสินค้าลับ ควรกำหนดขอบเขตการเก็บ, ระยะเวลา, และสิทธิ์เข้าถึงในสเปคการนำเข้า

4. กำหนด TCP และท่าทางถ่ายภาพ

สอน TCP ด้วย gripper, suction cup, fixture ที่ใช้งานจริง หากใช้ TCP ชั่วคราวแล้วคาลิเบรต hand-eye หลังเปลี่ยนเครื่องมือ จุดหยิบจะเปลี่ยน คู่มือ UR อธิบายว่า TCP คือพิกัดตำแหน่งและทิศทางจาก flange และ TCP ที่ใช้งานจะมีผลต่อการเคลื่อนที่ ดังนั้นใน FAT ควรบันทึกชื่อ TCP และเวอร์ชันที่ใช้งานไว้ในบันทึกรับมอบ UR TCP configuration documentation

ท่าทางถ่ายภาพไม่ควรแค่ขยับจุดเดิมเล็กน้อย ต้องออกแบบให้ครอบคลุมพื้นที่ทำงานและมีแกนหมุนหลากหลาย ตรวจสอบว่า target ไม่หลุดออกนอกภาพ, หุ่นยนต์ไม่ชน, สายกล้องไม่ตึงเกินไป การประเมินความเสี่ยงของรั้วนิรภัยหรือโหมดสอนต้องครอบคลุมโหมด manual สำหรับคาลิเบรตด้วย ห้ามปิดระบบป้องกันเฉพาะตอนคาลิเบรตโดยไม่มีมาตรการรองรับ

5. คำนวณ Hand-Eye และตรวจสอบด้วยท่าทางที่ไม่ได้ใช้ในการคำนวณ

แม้ผลคำนวณจะดีในท่าทางที่ใช้คำนวณ แต่ต้องตรวจสอบกับท่าทางอื่นและตำแหน่งอื่นในภาพด้วย วัดซ้ำที่ target หรือจุดอ้างอิงในท่าทางที่ไม่ได้ใช้ในการคำนวณ เปรียบเทียบจุดหยิบที่กล้องทำนายกับจุดอ้างอิงทางกายภาพที่แยกจากกัน บันทึกทั้งตำแหน่งและมุม ไม่ใช่แค่ค่าเฉลี่ย แต่ควรเก็บค่าสูงสุด, การกระจาย, แนวโน้มที่ขอบภาพ การไม่ตัดสินผ่านจากการสาธิตเพียงครั้งเดียวคือวิธีลดความเสี่ยงที่ดีที่สุดสำหรับฝ่ายจัดซื้อ

ผลคำนวณควรบันทึกทั้งเมทริกซ์แปลง, ท่าทางหุ่นยนต์ที่ใช้, ผลการตรวจจับ target, ภาพที่ตัดทิ้ง, เวอร์ชันซอฟต์แวร์ หากผลคำนวณเปลี่ยนในภายหลัง จะสามารถย้อนดูได้ว่าเกิดจากอินพุตหรืออัลกอริทึมใด คู่มือของ Cognex อาจระบุจำนวนท่าทางที่แนะนำ แต่ไม่ควรนำไปใช้กับกล้องหรือหุ่นยนต์อื่นโดยไม่มีการทดสอบกับข้อมูลจริงของไลน์

การสอบเทียบ Hand-Eye ใน Robot Vision: RFP และ FAT/SAT - figure 2

การกำหนด “กี่มิล” ในสเปคอย่างถูกต้อง

หากเขียนใน RFP แค่ “ความแม่นยำ ±○mm” จะไม่ชัดว่าหมายถึงความคลาดเคลื่อนของการตรวจจับภาพ, TCP, การวางตำแหน่งซ้ำของหุ่นยนต์, ความคลาดเคลื่อนของจิ๊ก, หรือความแตกต่างของชิ้นงาน สิ่งสำคัญคือต้องกำหนด ความคลาดเคลื่อนสุดท้ายที่กระบวนการยอมรับได้ พร้อมวิธีทดสอบ เช่น งานสอดพินเข้ารู ต้องดูระยะห่าง, ระยะปลอดภัย, มุมเอียงของชิ้นงาน งานหยิบกล่องต้องดูพื้นที่หยิบและการคงตำแหน่งระหว่างขนส่ง แม้กล้องจะเหมือนกันแต่แต่ละกระบวนการจะมี tolerance ต่างกัน

การนำค่าคลาดเคลื่อนแต่ละชั้นมาบวกกันเป็น “ความแม่นยำรับประกัน” ต้องระวัง เพราะความคลาดเคลื่อนที่เป็นอิสระกับความคลาดเคลื่อนที่เกิดจากอุณหภูมิหรือการติดตั้งมีลักษณะต่างกัน ควรแยกสาเหตุเป็น “การตรวจจับในภาพ”, “การแปลงภาพเป็น 3D”, “hand-eye transform”, “TCP”, “หุ่นยนต์/เครื่องจักร”, “การป้อนชิ้นงาน” และกำหนดตัวแปรที่สังเกตได้ในแต่ละขั้น หากค่า reprojection error ในภาพต่ำแต่ตำแหน่งหยิบจริงคลาดเคลื่อน ให้สงสัย target, ทิศทางแปลง, TCP, การติดตั้ง ในทางกลับกัน หากการตรวจจับในภาพไม่เสถียร การสอนหุ่นยนต์ใหม่อย่างเดียวไม่ช่วย

ค่ารับมอบต้องกำหนดจากแบบผลิตภัณฑ์และความสามารถกระบวนการในแต่ละโครงการ และตกลงกับซัพพลายเออร์ บทความนี้จะไม่ระบุค่ากลางทั่วไป จุดทดสอบควรมีทั้งกลางภาพ, ขอบภาพ, ระดับสูง/ต่ำของชิ้นงาน, ก่อนและหลังรันต่อเนื่อง เพื่อให้เห็นปัญหาที่การแก้ไขเฉพาะจุดอาจซ่อนไว้ การตัดสินผ่าน/ไม่ผ่านต้องกำหนดจำนวนรอบทดสอบ, วิธีจัดการ NG, เงื่อนไขทดสอบซ้ำ, การจัดการเครื่องมือวัดและจิ๊ก หากตกลงแค่ตัวเลขแต่ไม่กำหนดวิธีวัด ปัญหาจะถูกส่งต่อจาก FAT ไป SAT

ชั้นของความคลาดเคลื่อนสิ่งที่สังเกตในหน้างานวิธีตรวจสอบหลักแนวทางแยกสาเหตุเมื่อไม่ผ่าน
การถ่ายภาพ/ตรวจจับจุดมุม target, ลักษณะเด่นของชิ้นงาน, สภาพแสงภาพและ log การตรวจจับ, ตรวจสอบแต่ละตำแหน่งในภาพแสง, โฟกัส, สะท้อน, เลนส์, อัลกอริทึม
การคาลิเบรตกล้องค่า reprojection error, ความบิดเบี้ยวที่เหลือตรวจสอบภาพที่ไม่ได้ใช้และพื้นที่ทำงานขนาดบอร์ด, ความเรียบ, การเบี่ยงเบนของภาพ
hand-eyeพิกัด/มุมของจุดอ้างอิงที่ทำนายท่าทางที่ไม่ได้ใช้และจิ๊กอ้างอิงอิสระทิศทางแปลง, การกระจายท่าทาง, การยึดบอร์ด
TCP/หุ่นยนต์ตำแหน่งปลายเครื่องมือจริงตรวจสอบด้วยเครื่องมือและจิ๊กวัดการเลือก TCP, การติดตั้งเครื่องมือ, จุดอ้างอิงเครื่องจักร
กระบวนการผลสำเร็จของการหยิบ/สอด/ขนส่งทดสอบต่อเนื่องกับตัวอย่างปกติและกรณียากการป้อนชิ้นงาน, การชน, tolerance

หัวข้อในตารางนี้ใช้เป็นต้นแบบแผนการวัดใน RFP ค่า reprojection error กับอัตราสำเร็จของกระบวนการมีหน่วยและความหมายต่างกัน อย่าแปลงค่าระหว่างกันหรือสรุปว่า “แม่นยำเท่ากัน” ให้บันทึกทั้งสองค่า

รายการสเปคที่ควรใส่ใน RFP: ต้องส่งอะไรให้ซัพพลายเออร์

เพื่อเปรียบเทียบผู้เสนอราคา ต้องให้ข้อมูลเงื่อนไขเดียวกัน ได้แก่ วิดีโอกระบวนการ, แบบชิ้นงาน, ตัวอย่างจริง, แบบจิ๊ก, รุ่นหุ่นยนต์/ซอฟต์แวร์ควบคุม, I/O หรือโปรโตคอลที่ใช้ได้, พื้นที่ติดตั้ง, ข้อจำกัดแสงและความปลอดภัย ระบุความต้องการ eye-in-hand หรือ eye-to-hand พร้อมเหตุผล, ขอบเขตที่เปลี่ยนแปลงได้จากอุปกรณ์เดิม, นโยบายการเป็นเจ้าของและสำรองข้อมูลคาลิเบรต หากยังไม่ตัดสินใจแนวทาง ให้ขอทั้งสองแบบและให้เสนอเปรียบเทียบจิ๊ก, เวลาหยุด, งานบำรุงรักษาในแต่ละแบบ

ผลลัพธ์ที่ต้องระบุ ได้แก่ แผนผังพิกัด, คู่มือคาลิเบรต, สเปค target, พารามิเตอร์ที่มีเวอร์ชัน, log ภาพและท่าทางหุ่นยนต์, สถานะการจัดการข้อยกเว้น, แบบฟอร์ม FAT/SAT, คู่มือคาลิเบรตซ้ำสำหรับช่างบำรุง หากมีการส่งมอบซอร์สโค้ด, ขอบเขตไลเซนส์, วิธีอัปเดตโมเดล AI ต้องระบุแยก การที่ผู้ปฏิบัติงานเห็นแค่ “คาลิเบรตสำเร็จ” บนจอ ไม่ได้แปลว่าค่าคาลิเบรตนั้นถูกนำไปใช้ใน recipe ผลิตจริง ควรออกแบบให้แสดง ID ของค่าที่ใช้งาน และป้องกันการสลับค่าก่อนเริ่มเดินเครื่อง

ในคำถาม RFP ควรระบุ “เปลี่ยนแปลงใดต้องคาลิเบรตซ้ำ”, “ใครและอย่างไรจะตรวจสอบความถูกต้องของคาลิเบรต”, “ขั้นตอนและอุปกรณ์ที่ต้องใช้เมื่อเปลี่ยนกล้อง” หากข้อเสนอมีแค่ตัวเลขความแม่นยำเดียว ให้สอบถามเพิ่มเรื่องชิ้นงานทดสอบ, ตำแหน่งในภาพ, จำนวนรอบ, วิธีวัด, สภาพแวดล้อม หากกล้องกับหุ่นยนต์มาจากคนละบริษัท ต้องแจกแจงความรับผิดชอบเรื่อง timestamp, เวลาที่อ่านท่าทาง, การ implement การแปลง, การเก็บ log เมื่อเกิดปัญหา

สิ่งที่ต้องตรวจสอบใน FAT: มากกว่าแค่ “เครื่องทำงาน”

FAT ทำในสภาพแวดล้อมของซัพพลายเออร์ แต่ต้องจำลองเงื่อนไขการผลิตจริงให้มากที่สุด เริ่มจากตรวจสอบการติดตั้งเครื่องจักร, กล้อง/เลนส์/แสง/สาย, target, เครื่องมือ, TCP กับแบบและเวอร์ชัน จากนั้นลบหรือสำรองข้อมูลคาลิเบรต แล้วลองคาลิเบรตใหม่ตามคู่มือ เพื่อดูว่าขึ้นอยู่กับความรู้เฉพาะตัวของผู้ปฏิบัติงานหรือไม่ หากการลบข้อมูลเสี่ยง ควรตรวจสอบขั้นตอน backup/restore ก่อน

ในการทดสอบ ควรใช้ตำแหน่ง/ท่าทางที่ไม่ได้ใช้ในการเรียนรู้/คาลิเบรต, ตัวอย่างชิ้นงานที่แตกต่างกันทั้งขนาด/สี/การสะท้อน, ตำแหน่งขอบของการป้อน ตรวจสอบไม่ใช่แค่ความสำเร็จในการตรวจจับ แต่รวมถึงการหยิบ, การตกหล่นระหว่างขนส่ง, การหยิบผิด, การหยิบไม่เจอ, การหยุด/ลองใหม่/คัดออกเมื่อเกิดข้อผิดพลาด ผลการประเมินควรผูกภาพ, พิกัดตรวจจับ, ท่าทางหุ่นยนต์, ตำแหน่งจริง, OK/NG, เงื่อนไขที่เกิด กับ trial ID เดียวกันเพื่อความ reproducible

ค่าพารามิเตอร์ที่ผ่าน FAT ต้องล็อกด้วย hash หรือเวอร์ชัน แล้วนำไปเปรียบเทียบใน SAT หลังขนส่ง/ติดตั้งใหม่ บอร์ดคาลิเบรตหรือจิ๊กควรส่งมอบพร้อมเครื่องหรือมีแบบสำหรับผลิตใหม่ที่หน้างาน ทดสอบกรณีผิดปกติ เช่น ไฟดับ, สายขาด, กล้องไม่ต่อ, ไฟเสีย, เปลี่ยน gripper, เลือก TCP ผิด การผ่าน FAT ไม่ใช่แค่คาลิเบรตสำเร็จ แต่ต้องกลับมาทำงานได้อย่างปลอดภัยในฐานะเครื่องจักร

สิ่งที่ต้องตรวจสอบใน SAT: รับมือกับสภาพแวดล้อมจริงในไทย

ใน SAT ต้องตรวจสอบตำแหน่งฐานหุ่นยนต์, ฐานกล้อง, จิ๊ก, แสง กับแบบใน FAT หากไม่สามารถยืนยันได้ว่าขาจับกล้องไม่ขยับระหว่างขนส่ง/ติดตั้ง ต้องคาลิเบรตใหม่ที่หน้างาน คู่มือ Universal Robots แนะนำให้คาลิเบรตซ้ำหลังปรับตำแหน่งกล้อง แม้เป็นขั้นตอนเฉพาะยี่ห้อ แต่ก็สอดคล้องกับหลักการที่การแปลงพิกัดขึ้นกับการจัดวางแบบ rigid UR camera mount documentation

ที่หน้างานควรใช้ชิ้นงานและอุปกรณ์ป้อนจริง เลือกเงื่อนไขตัวแทน เช่น กะ, แสง, หลังทำความสะอาด, อุณหภูมิเปลี่ยน หากไม่สามารถจำลองทุกสภาพได้ในเวลาจำกัด ให้แยกเงื่อนไขผ่าน SAT ทันที กับรายการที่ต้องสังเกตหลังเริ่มผลิตจริง พร้อมกำหนดผู้รับผิดชอบและกำหนดเวลา สำหรับโอเปอเรเตอร์ที่ใช้ภาษาไทย ควรฝึกความเข้าใจหน้าจอแจ้งเตือน, ขีดจำกัดการลองใหม่, สัญญาณเตือนว่าต้องคาลิเบรต, ช่องทางติดต่อฝ่ายซ่อม แม้จะมีคู่มือภาษาอังกฤษ แต่การตัดสินใจแต่ละกะอาจไม่เหมือนกัน

หากผล FAT กับ SAT แตกต่าง ให้ตรวจสอบความต่างของสภาพถ่ายภาพและการติดตั้งเครื่องจักรก่อน จากนั้นแยก TCP, พารามิเตอร์แปลง, การป้อนชิ้นงานทีละขั้น ก่อนจะปรับค่าชดเชยที่หน้างานเพื่อให้ผ่านชั่วคราว ต้องบันทึกข้อมูลเดิมไว้ หากต้องเพิ่มค่าชดเชย ให้ระบุขอบเขต, อุณหภูมิอ้างอิง, recipe, วิธีคืนค่า เพื่อป้องกันการชดเชยซ้ำซ้อนในคาลิเบรตครั้งถัดไป จุดประสงค์ไม่ใช่ห้ามปรับที่หน้างาน แต่ต้องสามารถย้อนกลับสาเหตุและเวอร์ชันได้

การสอบเทียบ Hand-Eye ใน Robot Vision: RFP และ FAT/SAT - figure 3

ดริฟท์และการคาลิเบรตซ้ำ: ใครควรตรวจสอบอะไรหลังเริ่มผลิต

ค่าคาลิเบรตไม่ใช่ค่าคงที่ตลอดไป หากเปลี่ยนกล้อง/เลนส์, ขาจับหลวม, ย้ายหุ่นยนต์/จิ๊ก, เปลี่ยนเครื่องมือ, ชน, หรือบอร์ดคาลิเบรตเสียหาย ต้องตรวจสอบเฟรมที่ได้รับผลกระทบ หากเปลี่ยน internal settings ของกล้อง ให้คาลิเบรต internal ใหม่ หากเปลี่ยนจุดทำงานจาก flange ให้คาลิเบรต TCP หากเปลี่ยนตำแหน่งสัมพัทธ์กล้องกับหุ่นยนต์ ให้คาลิเบรต hand-eye การคาลิเบรตทุกอย่างใหม่ทุกครั้งจะเพิ่มเวลาหยุด แต่ถ้าไม่มีประวัติการเปลี่ยนแปลงก็ไม่สามารถตัดสินใจข้ามขั้นตอนได้

ในการตรวจสอบประจำวัน สามารถใช้ชิ้นงานหรือจิ๊กอ้างอิงที่ติดตั้งคงที่ เปรียบเทียบตำแหน่งที่ตรวจจับในภาพกับจุดทำงานที่หุ่นยนต์ทำนาย เป็น “health check” หากค่าตรวจสอบเกินขอบเขต ให้หยุดผลิต, แยกสาเหตุ, ดำเนินการคาลิเบรตตามขั้นตอน ค่า threshold นี้ควรกำหนดจาก tolerance ของกระบวนการและความแปรปรวนของการวัด ไม่ควรใช้ค่ากลางจากบทความนี้ บันทึกการตรวจสอบควรระบุเวอร์ชันพารามิเตอร์, TCP ที่ใช้, การตั้งค่ากล้อง, รหัสจิ๊ก, วันเวลา, ผู้ปฏิบัติงาน, ผลการตัดสิน

ควรกำหนดสิทธิ์การคาลิเบรตด้วย เช่น โอเปอเรเตอร์ตรวจพบความผิดปกติและหยุด/แจ้ง, ช่างซ่อมบำรุงตรวจสอบเครื่องและสาย, วิศวกรอัปเดตพารามิเตอร์และตรวจสอบ, ผู้รับผิดชอบอนุมัติการกลับเข้าสู่การผลิตจริง เพื่อป้องกันการสื่อสารแบบปากเปล่าในกะต่อกะ ควรแสดงกราฟหรือ log ของค่าตรวจสอบ อย่างไรก็ตาม บางครั้งการตรวจสอบประวัติการเปลี่ยนจิ๊กหรือเครื่องมือจะหาสาเหตุได้เร็วกว่าการวิเคราะห์เชิงสถิติ

ข้อผิดพลาดที่พบบ่อยและวิธีป้องกัน

ข้อแรก คือการกลับทิศทางการแปลงพิกัด เช่น ใช้ camera→tool กับ tool→camera ปะปนกัน ชื่อเฟรมและหน่วยไม่ชัดเจน ในท่าทางจำกัดอาจดูเหมือนถูกต้องแต่จะผิดที่ขอบภาพ วิธีป้องกันคือวาดแผนผังเฟรมชัดเจน, ทดสอบจุดที่ทราบตำแหน่ง, ตรวจสอบการกลับเมทริกซ์ในโค้ด ข้อสอง คือการขยับ target ระหว่างเก็บภาพแต่ละท่าทาง หากวิธีคาลิเบรตสมมติว่า target ต้องคงที่ ต้องเริ่มเก็บข้อมูลใหม่ทันทีที่มีการขยับ

ข้อสาม คือการใช้ค่า reprojection error ในภาพตัดสิน “ความแม่นยำของหุ่นยนต์” ทั้งที่เป็นแค่ตัวชี้วัดฝั่งกล้อง ความสำเร็จของกระบวนการต้องวัดกับเครื่องมือและชิ้นงานจริง ข้อสี่ คือไม่สามารถตรวจสอบการเลือก TCP จากหน้าจอ/log/recipe ได้ ยิ่งมีหลายเครื่องมือหรือ TCP ยิ่งต้องบันทึกค่าที่ใช้งานจริง ข้อห้า คือการเก็บข้อมูลคาลิเบรตไว้ในเครื่องอย่างเดียว ไม่ส่งมอบ backup หากเกิดปัญหาจะไม่สามารถคืนค่าเดิมได้

ข้อหก คือการทดสอบ FAT เฉพาะชิ้นงานกลางภาพแบบเดียวกันซ้ำ ๆ แล้วพบปัญหาที่ขอบภาพหรือชิ้นงานสะท้อนใน SAT ควรกำหนดจุดทดสอบและกรณียากในแบบฟอร์มทดสอบ ข้อเจ็ด คือการสับสนระหว่างปัญหา hand-eye กับปัญหา delay การสื่อสารหรือการเคลื่อนที่ของชิ้นงาน ในสายพานที่เคลื่อนที่ ต้องตรวจสอบเวลาถ่ายภาพ, encoder, เวลาสั่งหุ่นยนต์แยกกัน หากสำเร็จในชิ้นงานนิ่ง ให้ดู บทความ 3D Vision และการติดตามสายพาน เพื่อแยกประเด็น อย่ารวมทุกปัญหาเป็น “กล้องคลาดเคลื่อน” เพราะจะทำให้การแก้ไขล่าช้า

เช็กลิสต์ก่อนตัดสินใจนำเข้า

ก่อนสั่งซื้อ ควรตรวจสอบ ① ตัวอย่างชิ้นงานและกรณียาก, ② ความแม่นยำสุดท้ายที่ต้องการและวิธีวัด, ③ เหตุผลที่เลือก eye-in-hand หรือ eye-to-hand, ④ แผนผังพิกัด, ⑤ การแบ่งความรับผิดชอบ internal calibration/TCP/hand-eye, ⑥ การทดสอบ FAT/SAT ที่รวมท่าทางที่ไม่ได้ใช้ในการคำนวณ, ⑦ trigger และผู้รับผิดชอบการคาลิเบรตซ้ำ, ⑧ เวอร์ชันและ backup ของพารามิเตอร์, ⑨ การหยุดและกลับมาทำงานอย่างปลอดภัยเมื่อเกิดปัญหา, ⑩ คู่มือภาษาไทยสำหรับผู้ปฏิบัติงานจริง ในตารางเปรียบเทียบข้อเสนอ ควรแยก “ทำได้” กับ “พิสูจน์กับเครื่องจริงแล้ว” เพื่อไม่ให้เข้าใจผิดเรื่องราคาที่เห็น

หากต้องการเริ่มจากการพิสูจน์ขนาดเล็ก ควรผสมตัวอย่างกรณียากกับตัวอย่างปกติ ใช้จิ๊กและเครื่องมือจริง วัดความคลาดเคลื่อนในท่าทางที่ไม่ได้ใช้ในการคำนวณและความสำเร็จของกระบวนการ หากผ่านจึงค่อยขยายไปยังชิ้นงานและเงื่อนไขอื่น ๆ แม้ยังไม่ออก RFP หากมีภาพชิ้นงาน/กระบวนการ, tolerance, cycle time, ข้อจำกัดของเครื่องจักรเดิม ก็สามารถวิเคราะห์ข้อมูลที่ขาดได้ อย่าเริ่มจาก “ฟีเจอร์ของแต่ละยี่ห้อ” แต่ให้ย้อนกลับจากเงื่อนไขรับมอบของกระบวนการ จะทำให้การถก FAT/SAT ชัดเจนขึ้น

คำถามที่พบบ่อย

Hand-Eye Calibration ของ Robot Vision คืออะไร?

คือการหาความสัมพันธ์ระหว่างพิกัดกล้องกับหุ่นยนต์ เพื่อแปลงตำแหน่งและทิศทางที่พบในภาพให้หุ่นยนต์ใช้งานได้ ใน eye-in-hand กับ eye-to-hand จะมีการแปลงและวิธีวาง target ต่างกัน ต้องคาลิเบรต internal ของกล้องและตั้งค่า TCP แยกต่างหาก ไม่ใช่แค่ hand-eye อย่างเดียวแล้วจะได้ความแม่นยำของกระบวนการ

ต้องใช้ท่าทางถ่ายภาพกี่จุดจึงจะเพียงพอ?

ไม่มีจำนวนที่ตายตัวสำหรับทุกกรณี OpenCV อธิบายเงื่อนไขขั้นต่ำและแนะนำให้ใช้ท่าทางที่หลากหลาย แต่สิ่งสำคัญคือความหลากหลายของแกนหมุน, ขอบเขตพื้นที่ทำงาน, การมองเห็น target, และการทดสอบกับท่าทางที่ไม่ได้ใช้ในการคำนวณ ให้ยึดตามคู่มือกล้องที่ใช้และการทดสอบรับมอบ

หากเปลี่ยนกล้องต้องคาลิเบรตใหม่เสมอหรือไม่?

เพราะเลนส์หรือคุณสมบัติภายในของกล้องและตำแหน่งติดตั้งอาจเปลี่ยน หลังเปลี่ยนควรตรวจสอบ internal parameters และความสัมพันธ์กล้อง-หุ่นยนต์ แล้วคาลิเบรตเฉพาะส่วนที่เปลี่ยน แม้จะไม่เห็นผลกระทบจาก health check ก่อน/หลังเปลี่ยน ควรบันทึกขั้นตอนและผลการตัดสินผ่าน/ไม่ผ่าน

หากผ่าน FAT แล้ว สามารถข้าม SAT ที่โรงงานไทยได้หรือไม่?

สภาพการติดตั้ง, แสง, จิ๊ก, อุปกรณ์ป้อน, ชิ้นงานจริงจะแตกต่างจาก FAT ใน SAT อย่างน้อยต้องตรวจสอบจุดที่เปลี่ยนและรับมอบกับเครื่องจริง การทดสอบซ้ำขึ้นกับขอบเขตการขนส่ง/ติดตั้งใหม่และเงื่อนไขใน RFP ไม่สามารถรับประกันกระบวนการผลิตจริงด้วยผล FAT เพียงอย่างเดียว

เหตุใดคาลิเบรต hand-eye สำเร็จแต่ตำแหน่งหยิบยังคลาดเคลื่อน?

อาจเกิดจากการตรวจจับภาพ, internal calibration, ขนาด target, ทิศทางแปลง, การเลือก TCP, การติดตั้งเครื่องมือ, ตำแหน่งจิ๊ก, การป้อนชิ้นงาน หากแยกวัดค่า reprojection error ในภาพ, ความคลาดเคลื่อนของจุดอ้างอิงในท่าทางที่ไม่ได้ใช้, ความคลาดเคลื่อนของเครื่องมือจริง จะช่วยแยกสาเหตุได้ หากชิ้นงานเคลื่อนที่ ต้องตรวจสอบการซิงโครไนซ์เวลาและการควบคุมติดตามด้วย

สรุป

การนำเข้า Hand-Eye Calibration ของ Robot Vision ต้องกำหนดเงื่อนไขผ่านของกระบวนการและนิยามพิกัดให้ชัดเจนก่อนเลือกวิธี ควรแยกการคาลิเบรต internal ของกล้อง, TCP, hand-eye ออกจากกัน ทดสอบกับท่าทางที่ไม่ได้ใช้ในการคำนวณและชิ้นงานจริง ตรวจสอบความเสถียรและการกลับมาทำงานหลังผิดปกติใน FAT ตรวจสอบสภาพหลังติดตั้งใน SAT และติดตาม drift ด้วยประวัติการเปลี่ยนแปลงและ health check ระหว่างผลิต ความสำเร็จของการนำเข้าขึ้นกับวิธีวัดและการแบ่งความรับผิดชอบที่เหมาะสมกับกระบวนการ มากกว่าค่าความแม่นยำกลาง

TOMAS TECH ให้คำปรึกษาเรื่องแผนผังพิกัด, รายการประเมินใน RFP, แบบฟอร์ม FAT/SAT สำหรับโครงสร้างชิ้นงาน, จิ๊ก, หุ่นยนต์ในโรงงานไทย แม้ยังไม่สรุปวิธี สามารถแจ้งเงื่อนไขกระบวนการผ่าน ติดต่อเรา ได้

แหล่งข้อมูลอ้างอิง