2、工业机器人基础：机器人结构、自由度、常用坐标系（关节、基座、工具、用户）及运动学概述

工业机器人是工业AI视觉控制系统的物理执行载体。无论是视觉识别出的目标位置，还是路径规划后的运动指令，最终都要通过机器人本体的关节驱动与末端执行器动作来落地。理解机器人的机械结构、自由度含义、坐标系定义以及运动学基本逻辑，是连接视觉信息与动作执行的关键桥梁。本章将系统梳理这些基础概念，并重点说明它们与视觉引导、坐标转换之间的工程关联。

2.1 工业机器人的机械结构与自由度

核心原理：串联关节型结构

工业机器人最主流的结构形式是垂直多关节串联型，由基座、腰部、大臂、小臂和手腕组成。基座固定在地面或支架上，腰部可绕垂直轴旋转，大臂和小臂通过肩关节和肘关节连接，手腕通常由三个旋转轴构成，实现末端姿态的灵活调整。这种结构在数学上等效于一个开式运动链，每个关节对应一个自由度。

自由度（DOF）是描述机器人运动能力的核心参数。一个刚体在三维空间中有6个自由度：沿X、Y、Z轴的平移和绕X、Y、Z轴的旋转。6轴机器人恰好能实现末端在空间中的任意位置和姿态，因此被称为6自由度机器人。少于6轴（如4轴SCARA）会限制姿态能力，多于6轴（如7轴协作机器人）则提供冗余运动学，用于避障或优化关节力矩。

判断方法：如何评估机器人自由度是否满足任务

在视觉引导项目中，判断自由度是否够用，不能只看轴数，还要看任务对末端姿态的要求。例如，一个简单的垂直取放任务（从A点垂直拿起，放到B点），末端姿态始终朝下，4轴机器人即可完成。但如果要求末端在取放过程中保持特定角度（如倾斜插入、旋转对准），则需要6轴甚至7轴。评估步骤如下：

1. 列出任务要求的末端位姿序列（位置+姿态）。
2. 检查是否存在姿态突变或连续变化需求。
3. 确认工作空间内所有目标点是否在机器人可达范围内。
4. 检查是否存在奇异点（如手腕中心与J1轴线重合）。

案例拆解：6轴机器人完成倾斜插拔

某3C电子装配线需要机器人从托盘抓取连接器，以30°倾角插入PCB板上的插座。初始方案使用4轴SCARA机器人，发现末端只能保持垂直姿态，无法实现倾斜插入。更换为6轴关节机器人后，通过示教器设定J5关节偏转30°，成功完成任务。关键参数：J5角度=30°，J4和J6配合调整使工具坐标系Z轴与插座轴线对齐。此案例说明，自由度不足时无法通过软件补偿，必须从硬件层面解决。

常见误区与总结

• 误区1：认为轴数越多越好。实际上，7轴机器人控制复杂度显著增加，且视觉标定和运动学求解更耗时。
• 误区2：忽略奇异点。当机器人处于奇异位形时，关节速度会趋于无穷大，导致视觉引导过程中出现抖动或报警。
• 总结：选择机器人时，先明确任务对位置和姿态的完整需求，再确定所需自由度，最后验证工作空间和奇异点。

2.2 常用坐标系：关节、基座、工具与用户

核心原理：四种坐标系的定义与作用

工业机器人控制中，坐标系是描述位置和姿态的基准框架。四种常用坐标系各有其物理意义和工程用途：

• 关节坐标系：以每个关节的独立角度为变量，直接反映伺服电机的位置反馈。例如J1=30°，J2=-45°。用于手动示教和单轴调试。
• 基座坐标系：固定在机器人基座上的笛卡尔坐标系，原点位于基座安装面中心，Z轴垂直向上。它是机器人运动学计算的基础，也是视觉标定中连接相机与机器人的桥梁。
• 工具坐标系（TCP）：定义在末端执行器（如吸盘、夹爪、焊枪）上的坐标系。TCP（Tool Center Point）是工具坐标系的原点，通常设置在工具的工作点（如吸盘中心、焊丝尖端）。机器人控制末端运动时，实际控制的是TCP在基座坐标系中的位姿。
• 用户坐标系：由用户自定义的工作台坐标系，可以任意平移和旋转。常用于将机器人运动指令映射到工件或工作台的物理布局中，简化编程。

操作流程：TCP标定与用户坐标系设定

TCP标定是视觉引导项目中最关键的步骤之一。常用“四点法”或“六点法”：

1. 在机器人工作空间内固定一个尖点（如锥形针）。
2. 手动操作机器人，使工具尖端从不同方向（至少4个）对准该固定点。
3. 记录每个姿态下的关节角，控制器通过最小二乘法计算出TCP相对于法兰中心的偏移量。
4. 验证：让机器人以不同姿态接近固定点，观察TCP是否始终重合。

用户坐标系设定：通常使用三点法——在工件平面上定义原点、X轴方向点和Y轴方向点。视觉系统检测到工件位置后，将像素坐标转换为用户坐标系坐标，再通过用户坐标系与基座坐标系的变换关系，得到机器人实际运动目标。

案例拆解：视觉引导下的PCB板定位抓取

某项目要求机器人从传送带上抓取PCB板，放置到测试治具中。现场布局：相机固定安装在传送带上方（眼在外），机器人基座位于传送带侧面。实施步骤：

• 第一步：建立用户坐标系，以传送带边缘为X轴，垂直方向为Y轴，原点设在相机视野中心。
• 第二步：进行手眼标定，得到像素坐标到用户坐标系的变换矩阵。
• 第三步：标定工具坐标系，吸盘中心作为TCP。
• 第四步：视觉系统检测PCB板角点，计算其在用户坐标系中的位置和旋转角度。
• 第五步：机器人根据用户坐标系坐标，结合TCP偏移，规划运动路径。

结果：系统成功实现±0.5mm的定位精度，节拍从人工的15秒缩短至6秒。复盘发现，关键风险在于传送带振动导致用户坐标系漂移，后续增加了视觉二次定位补偿。

常见误区与总结

• 误区1：将基座坐标系与用户坐标系混淆。基座坐标系是机器人固有的，用户坐标系是任务相关的，两者之间需要明确的变换关系。
• 误区2：TCP标定不准确，导致视觉引导的末端位置偏差。TCP误差1mm，在视觉引导中可能被放大为3-5mm的抓取偏差。
• 总结：坐标系管理是视觉与机器人集成的核心。每次更换工具或调整相机位置后，必须重新标定TCP和手眼矩阵。

2.3 运动学概述：正运动学与逆运动学

核心原理：从关节空间到笛卡尔空间

运动学是研究机器人关节运动与末端位姿之间关系的学科，分为正运动学和逆运动学。

正运动学：已知各关节角度，求解末端执行器在基座坐标系中的位置和姿态。数学上通过齐次变换矩阵连乘实现。对于6轴机器人，正运动学公式为：T = A1 × A2 × A3 × A4 × A5 × A6，其中Ai是第i个关节的变换矩阵。正运动学是唯一的，计算简单。

逆运动学：已知末端期望位姿，求解各关节角度。这是视觉引导中最常用的计算，因为视觉系统给出的是目标位置和姿态，需要转换为关节角才能驱动电机。逆运动学通常存在多解（如肘部在上或在下），需要根据关节限位、避障和运动平滑性选择最优解。

判断方法：如何选择逆运动学最优解

当逆运动学存在多个解时，工程上通常按以下优先级筛选：

1. 排除超出关节限位的解。
2. 排除会导致碰撞的解（通过工作空间检查）。
3. 选择与当前关节角变化量最小的解（减少运动时间）。
4. 避免奇异位形（如J5接近0°时，J4和J6会快速旋转）。

案例拆解：视觉引导下的连续轨迹焊接

某汽车零部件焊接工位，机器人需要沿视觉识别的焊缝轨迹运动。焊缝由相机扫描生成一系列离散点，每个点包含位置和姿态。系统每20ms下发一个目标位姿，控制器实时求解逆运动学。初始调试时发现，当焊缝经过机器人奇异点附近时，J4和J6关节速度突变，导致焊接质量下降。解决方案：在路径规划中增加奇异点规避算法，将目标位姿微调，使J5角度保持在15°以上。最终焊接速度从8mm/s提升至15mm/s，且焊缝一致性良好。

常见误区与总结

• 误区1：认为逆运动学求解是控制器的“黑盒”，不需要理解。实际上，理解多解和奇异点有助于调试视觉引导中的异常运动。
• 误区2：忽略工具坐标系对运动学的影响。逆运动学求解的是法兰中心的位姿，而视觉给出的是TCP的位姿，两者之间需要TCP偏移补偿。
• 总结：运动学是连接视觉坐标与关节驱动的数学桥梁。正运动学用于仿真验证，逆运动学用于实时控制，而TCP和坐标系管理则是两者之间的润滑剂。