客户需求
自动识别料框内不同位置和姿态的五金工件，计算机器人末端所需的抓取位姿，并把工作站状态与抓取结果接入机器人控制及工厂信息系统。
详细介绍
3D相机采集料框点云，视觉软件分离目标与背景，结合几何模型或深度学习识别工件姿态并筛选可抓取对象。系统完成手眼坐标转换和抓取位姿计算，通过TCP/IP向机器人发送任务数据。
工作流程
- 01
料框到位与任务触发
确认料框进入工作区，锁定当前抓取区域并触发三维采集。
- 02
点云分割与目标识别
从料框和堆叠背景中提取工件，识别各目标的空间位置和姿态。
- 03
抓取位姿规划
结合末端工具、遮挡关系和目标可达性，计算机器人可执行的抓取位姿。
- 04
机器人抓取与状态回传
通过网络通信发送抓取任务，机器人完成取放并向工作站回传执行状态。
应用优势
面向无序堆叠
三维数据保留高度、遮挡和姿态信息，适配工件随机摆放的来料状态。
柔性识别与换型
识别流程可围绕工件模型和抓取规则配置，降低更换品种时对专用定位工装的依赖。
连接机器人与信息系统
通过TCP/IP传递目标位姿、任务状态和工作站信息，便于纳入自动化生产流程。
应用成果
- 形成从无序来料识别、抓取位姿规划到机器人执行的闭环工作站。
- 机器人能够依据每次采集到的真实堆叠状态选择目标，减少固定示教对来料一致性的要求。
项目现场
项目现场
结合三维点云与深度学习识别料框内工件姿态，规划末端抓取位姿，并通过 TCP/IP 与机器人及工厂信息系统交互。
三维数据与结果
展示AI视觉引导复杂五金件无序抓取与柔性上料形成的三维数据、检测结果或加工效果。
