2. 机器人基础

在视觉引导拣选与机器人抓取系统中，机械臂是执行末端动作的物理载体。视觉系统负责“感知与决策”，而机械臂则负责“运动与执行”。若缺乏对机械臂本体机构的深刻理解，视觉工程师将难以设定合理的相机安装位姿、规划抓取路径、评估抓取可行性，甚至无法正确解读逆解多解问题。本章从机构类型、自由度、工作空间、运动学正逆解及坐标系体系五个维度，构建机械臂应用的基础认知框架。

2.1 机械臂的机构类型与选型逻辑

核心原理：串联与并联的博弈

机械臂按机构拓扑可分为串联机构与并联机构两大类。串联机构由多个连杆通过转动副或移动副依次连接而成，典型代表为六轴垂直多关节机器人（如FANUC M-20iA、KUKA KR系列）。其特点是工作空间大、灵活性高，但刚性相对较弱，末端误差由各关节误差累积。并联机构则通过多个运动链同时连接基座与动平台，典型代表为Delta机器人（常用于高速分拣）和Stewart平台。并联机构刚度大、动态响应快，但工作空间较小且控制模型复杂。

在视觉引导拣选场景中，还需关注SCARA机器人（平面关节型）与直角坐标机器人。SCARA在水平方向具有大刚度、垂直方向柔顺的特性，适合插件、装配等垂直插入动作；直角坐标机器人则结构简单、定位精度高，但占用空间大且灵活性差。

判断方法：按任务需求匹配机构

案例拆解：深箱拣选中的机构选型

某汽车零部件工厂需从深约400mm的料箱中抓取异形金属支架，来料姿态随机。若选用SCARA，其垂直行程通常不足且末端刚度有限，难以伸入深箱并承受侧向力；若选用Delta，则工作空间形状与深箱不匹配。最终方案采用六轴垂直多关节机器人（负载10kg级），配合3D视觉引导。关键考量在于：六轴机器人的腕部可灵活调整姿态，使夹爪能以最优角度进入料箱，避免与箱壁碰撞。同时，其垂直向下可达深度需通过运动学仿真验证，确保末端在箱底时各关节不超限位。

2.2 自由度与冗余自由度

核心原理：自由度决定运动能力边界

自由度（DOF）指描述物体空间位姿所需的最小独立坐标数。在三维空间中，一个刚体具有6个自由度：3个平动（X、Y、Z）与3个转动（Rx、Ry、Rz）。六轴机器人恰好匹配这6个自由度，可实现末端在空间内任意位置和姿态。四轴SCARA则牺牲了Rx、Ry两个转动自由度，仅保留绕Z轴的旋转，因此无法实现倾斜姿态抓取。

当机器人自由度大于6时，称为冗余机器人（如7轴KUKA iiwa）。冗余自由度带来额外灵活性：可在保持末端位姿不变的情况下调整肘部位置，从而避开障碍物或优化关节力矩分配。但冗余也导致逆解无穷多，需要引入优化准则（如最小能量、最大刚度）来求解。

判断方法：从任务需求反推自由度

• 纯平面拾放（无姿态倾斜）：3自由度（X、Y、Z）即可，若需调整放置角度，则需4自由度（加Rz）。
• 空间任意姿态抓取：至少6自由度，且需验证腕部姿态范围是否覆盖目标姿态。
• 深孔或狭窄空间作业：考虑7自由度冗余，利用自运动规避奇异位形。

案例拆解：7轴机器人避障优势

在飞机翼梁的钻孔任务中，6轴机器人因肘部与夹具干涉而无法到达部分孔位。改用7轴机器人后，通过算法优化肘部角度，使机器人“弓背”绕过障碍物，将可达率从82%提升至99.5%。代价是逆解计算时间增加约15ms，但视觉引导系统每周期耗时约200ms，该增量完全可接受。

2.3 工作空间与可达性分析

核心原理：工作空间是运动学的外在表现

工作空间（Workspace）指机器人末端参考点所能到达的空间区域集合。分为可达工作空间（末端至少以一个姿态到达）与灵活工作空间（末端以任意姿态到达）。六轴机器人的工作空间通常呈近似球体，但中心区域存在空洞（因连杆长度限制），且靠近边界处姿态能力急剧下降。视觉引导拣选必须确保目标物体位于灵活工作空间内，否则即使“够得着”也无法以所需姿态抓取。

判断方法：利用仿真软件进行可达性验证

1. 在机器人仿真软件（如RoboDK、Visual Components）中导入机器人模型与料箱/传送带模型。
2. 设定相机安装位姿与视野范围，将视觉系统输出的候选抓取点映射到机器人基座坐标系。
3. 对每个候选点执行逆解，检查是否存在可行解且各关节角度在限位范围内。
4. 若存在不可达点，调整料箱位置、机器人安装高度或增加机器人第七轴（地轨）。

案例拆解：传送带动态抓取的工作空间优化

某物流分拣线采用固定式六轴机器人配合2D视觉，传送带速度0.5m/s。初始方案中，机器人安装在传送带侧面，视觉系统识别到包裹后，机器人需在包裹经过抓取窗口的0.8秒内完成抓取。实测发现，当包裹位于传送带远端时，机器人腕部需过度伸展，导致抓取姿态不稳定。通过仿真分析，将机器人底座抬高200mm并向传送带方向前移150mm，使包裹经过区域全部落入灵活工作空间，抓取成功率从91%提升至98.7%。

2.4 运动学基础：正解与逆解

核心原理：关节空间与笛卡尔空间的映射

正运动学（Forward Kinematics, FK）已知各关节角度，求解末端执行器的位姿（位置+姿态）。通常采用DH参数法（Denavit-Hartenberg）建立连杆坐标系，通过齐次变换矩阵连乘得到末端位姿。逆运动学（Inverse Kinematics, IK）则相反，已知末端期望位姿，求解各关节角度。六轴机器人逆解通常存在多组解（如8组），需根据关节限位、避障、能耗等条件选择最优解。

在视觉引导系统中，视觉算法输出的是目标物体在相机坐标系下的位姿，经手眼标定矩阵变换后得到机器人基座坐标系下的目标位姿，随后调用逆解模块计算各关节目标角度。因此，逆解的实时性与稳定性直接影响抓取节拍。

判断方法：逆解多解的取舍策略

案例拆解：视觉引导中的逆解优选

在3C电子装配中，机器人需将芯片从托盘抓取至PCB板。视觉系统给出目标位姿后，逆解模块返回8组解。若不加选择地使用第一组解，可能出现肘部与供料器干涉。通过设定优先级规则：优先选择腕部关节角度值之和最小的解（即“最舒适”姿态），其次检查各关节是否在限位内，最后用碰撞检测剔除干涉解。该策略将调试时间从3天缩短至4小时。

关节 i | a(i-1) | alpha(i-1) | d(i) | theta(i)
  1    |   0    |    0°      | 330  | θ1
  2    |  150   |   -90°     |  0   | θ2
  3    |  600   |    0°      |  0   | θ3
  4    |  120   |   -90°     | 640  | θ4
  5    |   0    |    90°     |  0   | θ5
  6    |   0    |   -90°     |  95  | θ6

2.5 常用坐标系及其在视觉引导中的角色

核心原理：坐标系是空间变换的基准

在机器人视觉引导系统中，至少涉及以下坐标系：基座坐标系（机器人底座中心，固定于世界）、工具坐标系（TCP，Tool Center Point，位于夹爪或吸盘末端）、工件坐标系（附着于被抓取物体）、相机坐标系（光学中心）、用户坐标系（操作者自定义，如料箱角点）。视觉标定的本质就是求解相机坐标系与机器人基座坐标系之间的齐次变换矩阵。

判断方法：手眼标定的两种模式

• 眼在手上（Eye-in-Hand）：相机安装在机械臂末端，随机器人运动。标定时需移动机器人拍摄不同位姿的标定板，求解相机与工具坐标系的变换关系。优点是视野灵活，可近距离观察目标；缺点是标定过程复杂，且运动时图像易模糊。
• 眼在手外（Eye-to-Hand）：相机固定安装于工作空间上方。标定时机器人携带标定板运动，求解相机与基座坐标系的变换。优点是视野稳定，适合大范围拣选；缺点是需要保证目标不被机器人本体遮挡。

案例拆解：手眼标定精度对抓取的影响

某食品包装线采用眼在手外方案，相机安装于传送带上方1.2m处。标定后理论精度为±0.5mm，但实际抓取时发现饼干盒偏移达3mm。排查发现，标定板在机器人运动过程中发生轻微倾斜（因吸盘固定不牢），导致标定数据引入误差。重新设计标定板夹具（采用三点磁性定位）后，实际抓取精度恢复至±0.8mm。此案例说明，标定过程的机械稳定性与算法同等重要。

2.6 本章总结与复盘

机械臂基础是视觉引导拣选系统的“骨骼”。机构类型决定了运动能力的上限，自由度与工作空间决定了抓取任务的可行性边界，运动学正逆解是连接视觉感知与关节运动的数学桥梁，而坐标系体系则是视觉与机器人融合的“通用语言”。在实际项目中，建议按以下流程进行系统设计：

1. 根据工件尺寸、重量、来料姿态确定机器人负载与自由度需求；
2. 通过仿真验证目标区域是否位于灵活工作空间内；
3. 设计手眼标定方案（眼在手上或眼在手外），并预留标定板固定接口；
4. 在视觉程序中集成逆解优选逻辑，避免奇异位形与关节超限；
5. 建立坐标系变换链路文档，确保每个变换矩阵的来源与精度可追溯。