機器視覺不僅可以克服人眼標準的不一致性、非重復性和主觀性等問題，為行業(yè)制定品質管控的數(shù)字標準，還能在高速、高光譜、高分辨率、高可靠性以及工作持續(xù)性、環(huán)境適應性等方面全面超越人眼極限。

背景介紹及案例概述

近些年，隨著工業(yè)自動化與物流技術的不斷發(fā)展，如何使用自動化設備提高物流效率，減少人工，成為目前物流行業(yè)最關心的問題。機器視覺系統(tǒng)可以迅速獲取大量圖像信息，并進行自動處理，該特點使得機器視覺幫助物流行業(yè)快速向智能化、自動化方向邁進。目前在工業(yè)自動化應用中，機器視覺廣泛應用于缺陷檢查、掃描識別、定位判斷和位置測量等領域。在節(jié)省人力成本提高整體作業(yè)效率的同時可以極大的提高空間利用率，從而降低運輸成本。

隨著電商、物流行業(yè)的快速發(fā)展，分揀方式的發(fā)展迫在眉睫，人工分揀存在效率低，錯誤率高，成本高等缺點，特別是在拆碼垛應用中，由于作業(yè)強度大，工作內(nèi)容單一，人工作業(yè)的質量及效率普遍低下，自動化拆碼垛系統(tǒng)應運而生，而傳統(tǒng)自動化拆碼垛應用中，“拆”和“碼”的對象往往要求是規(guī)則且尺寸單一的貨物，這就限制了自動化應用的范圍，尤其是拆碼垛作業(yè)環(huán)節(jié)中，來料完全隨機的情況下。該情境下，用傳統(tǒng)的人工示教的方式難度大且效率低下，為了解決此問題，?？禉C器人研發(fā)了一套基于機器視覺引導的機械臂拆碼垛方案，可以解決多SKU且來料無序的問題。

?？禉C器人采用自主研發(fā)的高精度3D相機配合機器人運動控制平臺軟件同時搭配智能算法的方案，將AI算法，深度學習緊密結合，突破傳統(tǒng)自動化拆碼垛的使用場景限制，可應對垛形復雜多變，箱體種類繁多且隨機的場景。

方案介紹

該方案中，3D相機負責獲取作業(yè)范圍內(nèi)，如托盤或傳送帶上箱體的深度信息及高清2D圖像，并將深度信息及2D圖像信息發(fā)送給機器人控制平臺軟件，平臺軟件中內(nèi)置3D視覺算法和智能軌跡規(guī)劃算法，3D視覺算法通過AI深度學習+3D點云分割的方法將箱體在托盤或皮帶線上的位置快速且準確的定位到，智能軌跡規(guī)劃算法提供準確的抓取點位、放置點位和軌跡點位，引導機械臂快速抓取和碼放動作。

3D視覺引導拆碼垛系統(tǒng)

方案中使用的3D相機為?？禉C器人最新推出的大視野雙目結構光立體相機，兼具高精度、大景深、大視野的特點，相機檢測精度達到±3mm, 檢測范圍達到1800mm，近視場為1350mm×1200mm，遠視場為3650mm×2750mm（如圖2所示），輕松適配1.2m*1m*1.8m等主流垛形。同時具備極高的檢測效率和穩(wěn)定性，從拍照到軌跡算法輸出抓取點位的時間小于1.5s。

3D相機視野示意圖

為了客戶更方便的自主搭建機械臂拆碼垛控制系統(tǒng)，海康機器人專門研發(fā)了一款機器人運動控制平臺軟件。軟件采用圖形化，無代碼式的編程界面，簡單易用（如圖3所示）。軟件內(nèi)置軌跡規(guī)劃、碰撞檢測及抓取規(guī)劃等多種智能算法，同時軟件可適配國內(nèi)外各種主流品牌機器人。

拆碼垛視覺定位模塊采用AI深度學習+3D點云分割的方案。利用RGBD相機實時對堆垛進行拍照，獲取包裹、托盤的三維數(shù)據(jù)（深度圖+RGB圖）。定位處理流程如圖4所示，首先利用深度學習網(wǎng)絡對RGB圖進行包裹的粗定位；然后利用物體表面紋理特征和點云邊緣特征進行包裹精定位，并基于包裹表面點云計算出最優(yōu)的抓取點坐標；最后利用預先獲取到的手眼標定關系將視覺位姿轉換到機械臂坐標系下執(zhí)行抓取處理。

視覺定位技術路線

?？禉C器人3D相機擁有卓越的抗環(huán)境光能力，在典型廠房光照條件下（>20000lx），?？禉C器人3D相機的點云數(shù)據(jù)明顯優(yōu)于其他相機，對比圖片如圖5所示。同時海康機器人3D相機對高反光及黑色物體的點云呈現(xiàn)效果上也優(yōu)于其他相機，對比圖像如圖6所示。實際測試樣本中在高反光金屬和黑色紙箱處，其他3D相機在這部分區(qū)域的點云數(shù)據(jù)已有較大程度的損失，而?？禉C器人3D相機仍能保證相對完整的呈現(xiàn)。

抗環(huán)境光對比

高反光和黑色物體對比測試

本方案采用2D+3D聯(lián)合視覺定位處理，具有精度高、魯棒性強、抗環(huán)境光能力強、無懼深色物體的特點，能準確適用于各種箱體、包裝盒、料盒、編織袋、工件等物件，且定位效果與精度不受物體擺放位姿的影響。

定位效果圖

智能軌跡規(guī)劃算法包含對拆垛流程及碼垛流程的點位規(guī)劃，如圖8所示，由拆垛分析/碼垛分析決策出路徑規(guī)劃的終點構型，再依據(jù)感知信息、環(huán)境配置等進行碰撞檢測，規(guī)劃出一條安全的拆/碼垛路徑，其中，拆跺分析及碼垛分析的大致流程如下：

拆垛分析是基于3D視覺分類好的點云，通過平面擬合并計算出其對應的法向量、重心位置等信息，以獲得每類點云的拆垛點位置；同時由外接矩形確定物體尺寸，用以在路徑規(guī)劃過程中進行碰撞檢測；隨后通過基坐標/托盤變換關系、機器人狀態(tài)及拆垛方式等對拆垛位姿的代價進行評估，最終確定最優(yōu)拆垛構型。

碼垛分析是對由用戶編輯或自動生成的垛型（如圖9所示）進行解碼，并通過基坐標/托盤變換關系計算等對各放置位姿的代價進行評估排序，獲得放置構型序列，并根據(jù)輸入的放置索引及機械臂逆運動學位姿獲得最終的放置構型，同時內(nèi)部儲存已碼垛箱子信息用于路徑規(guī)劃過程中的碰撞檢測。

拆碼垛整體流程

碼垛規(guī)則定義示意圖

總結

?？禉C器人3D視覺引導拆碼垛系統(tǒng)旨在解決在非結構化環(huán)境中對未知形狀物體無法抓取或抓取成功率低的問題?；诟呔?D相機對抓取物和環(huán)境的2D彩色圖像信息，同時結合3D點云數(shù)據(jù)，精確提取抓取物邊緣輪廓，依靠智能算法，篩選最優(yōu)抓取點位，并基于軟件中設定的環(huán)境約束，輸出最優(yōu)軌跡點位，提高了整體系統(tǒng)的準確性和可靠性。通過使用該系統(tǒng)，用戶可以輕松應對多SKU且來料完全隨機的拆碼垛場景，在滿足自動化拆碼垛需求的同時，進一步提高生產(chǎn)效率，降低生產(chǎn)成本。