檢視 3D视觉技术在机器人抓取作业中的应用的原始碼

{| class="wikitable" align="right"
|-
|<center><img src=http://5b0988e595225.cdn.sohucs.com/images/20180209/bd35648583cb41a3b239b51b9d622871.jpeg width="300"></center>
<small>[https://www.sohu.com/a/221771824_809329 来自 搜狐网 的图片]</small>
|}

'''3D视觉技术在机器人抓取作业中的应用'''近年来，[[机器人]]自动化领域越来越多地应用3D视觉技术对目标物体进行定位。本文主要研究3D视觉技术在机器人抓取作业中的应用，总结了3D视觉技术在识别、定位物体时面临的挑战，给出了抓取作业机器人3D视觉系统的[[设计]]方法，归纳了现有的3D表面成像方法和视觉处理算法，最后给出一个结合3D视觉技术对白色抽屉纸盒进行抓取分拣的实际应用案例。

关键词：3D视觉；工业机器人；抓取

==案例背景介绍==

===1　引言===

随着经济的发展与[[科技]]的进步，人们越来越多地将自动化技术应用到生产与生活中，与此同时，也对自动化技术提出了更高的要求。近十年来，工业机器人<ref>[https://it.sohu.com/a/696924815_121124373 工业机器人最全知识介绍] ，搜狐，2023-07-10 </ref>的普及使得机器人自动化得到了更广泛的应用和关注。很多机器人系统已经集成了视觉系统，利用机器[[视觉]]技术实现检测、识别、定位等功能，为后续的机器人运动提供必要的信息。

在许多自动化应用场合中，如自动化分拣、装配、拆垛、码垛、上料等过程中，工业机器人经常被用来进行抓取作业。要完成抓取操作，机器人[[系统]]可能需要完成目标感知、运动规划、抓取规划等一系列任务。视觉系统在机器人抓取作业中的作用就是识别、定位目标物体，为机器人提供目标物体的类型与位姿信息。其中，位姿估计的精度关系到抓取的成功率与精度，是非常重要的[[技术]]参数。

==3D视觉技术的优点==

3D视觉技术作为新兴的技术领域还存在很多亟待解决的问题，但2D视觉已不能满足空间抓取的应用要求。与2D视觉相比，3D视觉技术的优点有：

（1）3D视觉可以提供目标物体6DOF的位姿[[数据]]，而2D视觉仅能提供平面内3DOF的位姿数据；

（2）3D视觉能给出目标物体的深度[[信息]]或物体表面的点云信息。

但与此同时，3D视觉技术在机器人抓取应用中仍然面临许多挑战：

（1）点云空洞：用3D相机捕捉反光、透明、网状物体表面的点云信息，经常会出现数据的丢失，丢失的点云数据<ref>[https://www.sohu.com/a/479663880_114819 数据的来源以及数据是什么？]，搜狐，2021-07-26 </ref>形成了点云空洞；

（2）点云粘连：多个物体杂乱堆放或者两个物体表面靠近摆放时，不同物体表面的点云会粘连在一起，这就涉及到如何稳定、[[准确]]地进行点云分割；

（3）点云密度不一致：物体表面与3D相机之间的相对位姿、物体表面的[[颜色]]均会影响点云的密度，使得目标场景的点云密度不一致，这在一定程度上给点云处理算法带来了困难；

（4）视野局限：有限的相机视角、遮挡和阴影效果，都会阻碍3D相机获得抓取目标的[[表面]]全貌，进而阻碍对抓取目标的识别；

（5）速度：3D视觉的原理要求其处理的数据量较大。3D相机的[[分辨率]]越高，所采集的点云质量越好，越能表征物体表面更细微的几何特征，但相应地带来的数据量就越大。为了适应实际应用需要，如何提高3D相机获取目标场景点云的速度、点云处理算法的速度仍是需要研究的课题。

此外，相机[[传感器]]的噪声，点云分割噪声，光照条件的变化，物体的颜色等诸多因素都是3D视觉技术所面临的问题。

本文主要研究3D视觉技术在机器人抓取作业中的应用。文章第二部分介绍抓取作业机器人3D视觉系统的[[设计]]，包括视觉设备的选择、与机械设计的关系；第三部分介绍几种3D表面成像技术；第四部分介绍3D视觉处理算法，包括点云分割、3D匹配等；第五部分给出一个实际应用案例：工业机器人结合3D视觉分拣白色抽屉纸盒；第六部分为总结。

==参考文献==
[[Category:500 社會科學類]]