创新技术搞定苛刻位置测量,堡盟OX系列智能型2D轮廓传感器

简介: 堡盟推出的智能型2D轮廓传感器提供了一种高效替代方案,尤其适合复杂形状和边缘检测。它具备高速、高精度,即使在对比度低的情况下也能稳定工作,无需额外光源。通过直观的Web界面进行参数设置,支持多测量值和IO-Link/以太网连接。广泛应用在金属加工、电子、物流等领域,实现定位、尺寸检查和自动化控制,降低运营成本。

在出产制造活动中,快速可靠地对工件和设备元件进行准确定位是经常遇到的使命,

目前,普遍选用的方法是智能视觉传感器或多传感器的组合式解决计划。

But Now,堡盟为职业供给了第三种挑选,也是结合了目前各类产品长处的替换型计划:智能型2D概括传感器。

它到底有哪些优势能在很多计划中锋芒毕露呢?让我们一探终究!

不惧各种,奇形怪状

与智能视觉传感器相比,堡盟智能2D概括传感器更加适用于边际、空隙(凹槽)、电缆或管道直径等环境复杂位置严苛的检测,

甚至是对各种不规则的随意形状履行可靠且准确的检测定位。

只要被测工件或东西供给了相应的特征和距离信息,智能型2D传感器就能经过高度概括对目标进行检测,

目前应用涵盖包括边际检测、机器人定位、东西定位。

而同时它又具有体积细巧、易于集成,且坚固耐用的特点,是一款有用的定位丈量解决计划。

比视觉速度更快,应用场景更广

与同类的2D智能视觉传感器相比,堡盟的OX系列智能型概括传感器选用了不同的方法进行扫描丈量,

因而能够以更高的速率传输被测物体的位置数据。不同于根据对比度原理的智能视觉传感器,

它能够以更快的方法丈量物体,因而也缩短了丈量周期和加工时刻,为出产进一步节省了本钱。

堡盟智能型2D概括传感器操作与视觉传感器相似,用户能够像运用智能视觉传感器检测部件或符号对比度图画相同,

运用OX系列智能型2D概括传感器为其设定根据边际、空隙、圆、距离等定位及丈量使命。

当然还有一种状况拉开了两种产品的差异化特点,就是当在灰度图画中无法提取所需信息时,OX系列2D概括传感器就成为了应用中的仅有挑选。

精度可靠,操作便利

OX系列智能型概括传感器能够做到装置即运用,运用即上手:

● 产品亮点

1、无需经过其它软件辅佐只用直观的Web界面即轻松快速地完成参数设置和装备,并且支撑自在设置多达7个丈量值;

2、其分辨率高达5μm并供给多种功能东西,便于直接在传感器中处理所有概括数据;

3、它无需光源,仅经过高度概括供给定位信息,因而也不受对比度影响;

4、支撑IO-Link/以太网衔接,无需控制系统进行数据后处理,节省用户时刻。

应用广泛,降本增效

堡盟OX系列智能型2D概括传感器性能优异,在多种工业场景中应用自若,包括在线形状检测,

尺度精度查看,位置控制,机器人精度定位,仓储机器人控制等等。在金属加工,电子电力,食品包装

,运送物流等职业中也都有其作业的身影,是用户降本增效的理想挑选。

相信以其高性价比的定位以及强壮的丈量能力,会更多应用场景不断被开发开辟。

相关文章
|
6月前
光学雨量计:高精度测量降水量的理想解决方案
光学雨量计:高精度测量降水量的理想解决方案
光学雨量计:高精度测量降水量的理想解决方案
|
6月前
[Halcon&测量] 两线直线的角度测量
[Halcon&测量] 两线直线的角度测量
152 0
|
机器学习/深度学习 传感器 编解码
【雷达成像】基于BP成像方式模拟飞机雷达正侧视或斜视模式下对地面目标成像附matlab代码
【雷达成像】基于BP成像方式模拟飞机雷达正侧视或斜视模式下对地面目标成像附matlab代码
【雷达成像】基于BP成像方式模拟飞机雷达正侧视或斜视模式下对地面目标成像附matlab代码
|
传感器 存储 算法
使用车载激光雷达数据在惯性测量单元读数帮助下构建地图
处理来自安装在车辆上的传感器的 3-D 激光雷达数据,以便在惯性测量单元 (IMU) 读数的帮助下逐步构建地图。这样的地图可以促进车辆导航的路径规划,也可以用于定位。
107 0
|
传感器 存储 编解码
使用激光雷达数据构建地图并使用SLAM算法估计车辆轨迹
使用激光雷达数据构建地图并使用SLAM算法估计车辆轨迹。
218 0
|
传感器 机器学习/深度学习 算法
【多传感器融合】基于卡尔曼、无迹卡尔曼、拓展卡尔曼、粒子滤波实现非移动 GPS 干扰器的多传感器融合和位置估计附matlab代码
【多传感器融合】基于卡尔曼、无迹卡尔曼、拓展卡尔曼、粒子滤波实现非移动 GPS 干扰器的多传感器融合和位置估计附matlab代码
|
传感器 算法 智慧交通
智慧交通day03-车道线检测实现02-1:相机校正
我们所处的世界是三维的,而照片是二维的,我们可以把相机认为是一个函数,输入量是一个场景,输出量是一幅灰度图。这个从三维到二维的过程的函数是不可逆的。
162 0
|
算法 API 计算机视觉
智慧交通day03-车道线检测实现03:相机校正和图像校正的实现
标定的图片需要使用棋盘格数据在不同位置、不同角度、不同姿态下拍摄的图片,最少需要3张,当然多多益善,通常是10-20张。该项目中我们使用了20张图片
152 0
|
智慧交通
智慧交通day03-车道线检测实现05:透视变换+代码实现
为了方便后续的直方图滑窗对车道线进行准确的定位,我们在这里利用透视变换将图像转换成俯视图,也可将俯视图恢复成原有的图像
183 0