1. 课程导入与系统总览

1.1 什么是3D无序抓取

3D无序抓取（3D Bin Picking）是指利用三维视觉传感器获取料框中散乱堆叠工件的点云与位姿信息，由抓取规划算法计算无碰撞的抓取位姿，再驱动机械臂完成抓取、搬运与放置的自动化技术。它与传统"定位抓取"的根本区别在于：工件没有固定夹具定位，位姿随机、相互遮挡、可能重叠，因此系统必须"先看见、再理解、后决策"。

理解这一概念需要抓住三个关键词：无序——工件在料框中的位置、姿态、层叠关系均不可预知；3D——必须依赖深度信息而非二维图像，才能判断抓取高度与遮挡关系；闭环——每次抓取后料框内状态改变，视觉需重新采集，形成"扫描—规划—抓取—再扫描"的循环。

1.2 典型应用场景

3D无序抓取主要落地于以下场景：

• 机加上下料：铸件、锻件毛坯从料框抓取至机床卡盘，节拍通常要求6～12秒/件，工件重量1～30kg。
• 冲压/焊接上料：板类零件从堆垛中分离抓取，需处理粘连与磁性吸附问题。
• 物流分拣：包裹、箱体在笼车中随机堆叠，抓取对象尺寸差异大，对视觉视野要求高。
• 装配供料：小型零件（如齿轮、壳体）从振动盘或料框中取出，精度要求可达±0.5mm。

不同场景对视觉精度、节拍、负载、防护等级的要求差异显著，这也是后续工作站设计必须"一场景一方案"的原因。

1.3 系统组成与工作流程

一套完整的3D无序抓取系统由五大部分构成：3D视觉传感器（结构光或ToF相机）、机械臂与末端执行器（夹爪或吸盘）、抓取规划软件（点云处理、位姿估计、碰撞检测、抓取排序）、控制系统（机器人控制器与视觉软件的通信）、安全与外围（安全围栏、光栅、料框定位机构）。

其工作流程可概括为：相机采集点云 → 点云预处理（滤波、分割）→ 目标识别与位姿估计 → 抓取位姿生成与碰撞检测 → 抓取排序与路径规划 → 机械臂执行抓取 → 放置并判断是否继续。这一循环中，视觉与规划是"大脑"，机械臂与末端是"手脚"，通信与安全是"神经与护栏"。

1.4 架构设计与工作站设计的边界

本课程将"架构设计"与"工作站设计"作为两条主线，二者边界清晰但相互约束。

架构设计回答"系统由什么构成、如何协同"：包括视觉方案选型（结构光还是ToF、视野与精度取舍）、算法链路设计（点云滤波→分割→位姿估计→抓取规划）、通信协议与接口定义（相机与工控机、工控机与机器人控制器）、软件模块划分与数据流。其交付物通常是系统架构图、接口定义文档、算法流程说明与选型报告。

工作站设计回答"设备怎么摆、节拍能不能达标、安全如何保证"：包括相机安装位置与角度、料框定位方式、机械臂与末端选型、抓取节拍核算、安全围栏与光栅布局、线缆走线。其交付物通常是工作站布局图、设备清单、节拍计算表、安全评估报告与验收标准。

二者的关系是：架构决定工作站的"能力上限"，工作站决定架构的"落地形态"。例如架构选定结构光相机，工作站就必须考虑其工作距离与遮挡盲区；工作站要求6秒节拍，架构就必须在算法实时性上做出取舍。

1.5 本课程的学习路径与交付物

后续章节将按"感知—规划—执行—集成—验证"的顺序展开。学习过程中，你将逐步完成以下可交付成果：视觉选型对比表、手眼标定记录表、抓取节拍计算表、工作站布局草图、安全防护检查清单、系统联调记录表。这些成果不是纸面作业，而是真实项目中可直接复用的工程文档。