隨著經濟的發展與科技的進步，人們越來越多地將自動化技術應用到生產與生活中，與此同時，也對自動化技術提出了更高的要求。近十年來，工業機器人的普及使得機器人自動化得到了更廣泛的應用和關注。很多機器人系統已經集成了視覺系統，利用機器視覺技術實現檢測、識別、定位等功能，為后續的機器人運動提供必要的信息。

在許多自動化應用場合中，如自動化分揀、裝配、拆垛、碼垛、上料等過程中，工業機器人經常被用來進行抓取作業。要完成抓取操作，機器人系統可能需要完成目標感知、運動規劃、抓取規劃等一系列任務。視覺系統在機器人抓取作業中的作用就是識別、定位目標物體，為機器人提供目標物體的類型與位姿信息。其中，位姿估計的精度關系到抓取的成功率與精度，是非常重要的技術參數。

3D視覺技術作為新興的技術領域還存在很多亟待解決的問題，但2D視覺已不能滿足空間抓取的應用要求。
1.與2D視覺相比，3D視覺技術的優點有：

（1）3D視覺可以提供目標物體6DOF的位姿數據，而2D視覺僅能提供平面內3DOF的位姿數據；

（2）3D視覺能給出目標物體的深度信息或物體表面的點云信息。
但與此同時，3D視覺技術在機器人抓取應用中仍然面臨許多挑戰：

（1）點云空洞：用3D相機捕捉反光、透明、網狀物體表面的點云信息，經常會出現數據的丟失，丟失的點云數據形成了點云空洞；

（2）點云粘連：多個物體雜亂堆放或者兩個物體表面靠近擺放時，不同物體表面的點云會粘連在一起，這就涉及到如何穩定、準確地進行點云分割；

（3）點云密度不一致：物體表面與3D相機之間的相對位姿、物體表面的顏色均會影響點云的密度，使得目標場景的點云密度不一致，這在一定程度上給點云處理算法帶來了困難；

（4）視野局限：有限的相機視角、遮擋和陰影效果，都會阻礙3D相機獲得抓取目標的表面全貌，進而阻礙對抓取目標的識別；

（5）速度：3D視覺的原理要求其處理的數據量較大。3D相機的分辨率越高，所采集的點云質量越好，越能表征物體表面更細微的幾何特征，但相應地帶來的數據量就越大。為了適應實際應用需要，如何提高3D相機獲取目標場景點云的速度、點云處理算法的速度仍是需要研究的課題。

此外，相機傳感器的噪聲，點云分割噪聲，光照條件的變化，物體的顏色等諸多因素都是3D視覺技術所面臨的問題。
2.抓取作業機器人3D視覺系統的設計

2.1 3D相機的選擇

選擇3D相機時需要考慮相機與目標場景之間的距離以及目標場景的尺寸。目標場景最好位于相機的中間視場附近，不超出近視場和遠視場的邊界，即目標場景的高度不超出測量范圍。

3D相機的成像精度需要滿足應用場景的抓取精度要求。通常，工作距離越大，3D相機的視場越大，但成像的精度越低。此外，相機的分辨率、點云的獲取速度也是評價3D成像系統的重要指標。其中，相機的分辨率決定了點云數據量的大小及其對物體細節的表征程度，關系到點云處理算法的設計。點云的獲取時間加上點云處理算法的執行時間必須滿足抓取應用的節拍要求。

此外，相機的性價比、系統的可靠性也是選擇相機時需要考量的因素。

2.2光源、遮光板的選擇

為了避免外界環境光對視覺系統的影響、保證視覺系統的穩定性，有時需要外加光源和遮光板。外加的光源不能影響3D相機成像。

2.3視覺系統對機械設計的要求

當相機固定安裝時，機器人需要手持標定板做手眼標定。為了方便進行手眼標定，可設計專門的Tool抓持標定板，留出足夠的空間以保證標定板在手眼標定過程中不會與機器人發生干涉。相機固定安裝的優點是，對Tool位姿進行變更后，無需再做機器人手眼標定。

當機器人手持相機拍照時，一般要求抓取作業Tool（夾具、吸盤）不遮擋相機的視野。
3.3D表面成像技術

3D表面成像/重構/測量技術，可用于測量物體表面上點的（x，y，z）坐標，測量結果可表示為深度圖{zij=（xi，yj），i=1，2，…，L，j=1，2，…，M}。除了測量三維坐標，3D表面成像系統也可輸出物體表面空間點的其他光學特征值，如反射率、顏色等。這時的點云測量結果可一般表示為{Pi=（xi，yi，zi，fj），i=1，2，…，N}，其中，fi為一向量，代表第i個點的光學特征值。如常見的RGB-D（紅綠藍-深度）測量數據可表示為{Pi=（xi，yi，zi，ri，gi，bi），i=1，2，…，N}。

目前，常見的3D表面成像技術有：雙目立體視覺（binocularstereovision），多目立體視覺（multi-viewstereovision），線結構光三角測量（lasertriangulationwithsheetoflight），編碼結構光三角測量（encodedstructuredlight），飛行時間深度測量（timeofflight），聚焦深度測量（depthfromfocus），光度立體視覺（photometricstereovision）。

返回列表