3. 机器人基础

在3D机器视觉引导机器人抓取系统中，视觉系统负责“看懂”工件的位置与姿态，而机器人本体则负责“执行”抓取动作。两者之间的桥梁，正是机器人运动学、坐标系标定与末端执行器选型。如果视觉系统给出的坐标无法被机器人正确解析，或者工具坐标系标定存在偏差，即使3D视觉精度再高，抓取也会落空。本章将系统讲解机器人运动学正逆解原理、工具坐标系与用户坐标系的标定方法，以及常用抓取末端执行器的选型与适配，帮助学员建立从“视觉坐标”到“机器人动作”的完整技术链路。

上图展示了3D视觉引导机器人抓取系统的完整链路。视觉系统输出工件在相机坐标系下的位姿，经过坐标变换得到机器人基座坐标系下的目标位姿，再通过运动学逆解计算出各关节的目标角度，最后由末端执行器完成抓取。其中，工具坐标系标定决定了机器人法兰盘与夹爪之间的精确位姿关系，用户坐标系标定则建立了工作台或传送带与机器人基座之间的映射。下面逐一展开。

3.1 机器人运动学：正解与逆解

3.1.1 核心原理

机器人运动学描述的是关节空间与笛卡尔空间之间的映射关系。正运动学（Forward Kinematics）已知各关节角度，通过连杆参数（DH参数或改进DH参数）计算末端执行器的位置和姿态；逆运动学（Inverse Kinematics）则相反，已知末端目标位姿，反解出满足条件的关节角度组合。对于6轴串联机器人，逆解通常存在多组解（如肘上/肘下、腕部翻转等），需要根据关节限位、碰撞规避和运动平滑性选择最优解。

对比项	正运动学	逆运动学
输入	关节角度 θ₁~θ₆	末端位姿 (x,y,z,Rx,Ry,Rz)
输出	末端位姿矩阵 T	关节角度组合（可能多组）
计算方法	矩阵连乘（DH参数）	解析法/数值迭代法
唯一性	唯一确定	多解，需筛选
典型耗时	<0.1ms	0.1~1ms（解析法）

3.1.2 判断方法与操作流程

在实际抓取场景中，视觉系统给出的目标位姿通常是6D位姿（位置+欧拉角或四元数）。操作流程如下：

1. 位姿转换：将视觉输出的四元数或旋转矩阵转换为机器人控制器支持的欧拉角格式（如ZYX或ZYZ）。
2. 逆解计算：调用机器人厂商提供的逆解函数（如KUKA的KR C4、ABB的RAPID、发那科的KAREL），或自行实现解析逆解。
3. 多解筛选：根据当前关节位置、关节限位、奇异位形距离、运动时间等指标，选择最优解。
4. 奇异规避：当机器人处于奇异位形（如腕部中心与肩部中心共线）时，逆解可能退化，需通过路径规划绕开。

3.1.3 案例拆解：视觉引导的PCB板抓取

某3C电子厂使用6轴机器人抓取传送带上的PCB板，视觉系统输出PCB中心在相机坐标系下的位姿为 (120.5mm, -45.2mm, 30.0mm, 0°, 0°, 180°)。经过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为 (450.0mm, 120.0mm, 80.0mm, 0°, 0°, 180°)。机器人控制器执行逆解，得到两组解：

• 解1：θ = [15°, -45°, 120°, 30°, 60°, 90°]（肘上姿态）
• 解2：θ = [15°, -135°, 60°, -30°, -60°, 90°]（肘下姿态）

由于当前机器人处于肘上姿态且解1的关节运动量更小，控制器选择解1。整个逆解耗时约0.3ms，满足产线节拍要求。

3.1.4 常见误区与总结

运动学正逆解是机器人控制的基石。正解用于验证和仿真，逆解用于实际控制。在视觉引导场景中，逆解的实时性和多解筛选的合理性直接影响抓取成功率。

3.2 工具坐标系与用户坐标系标定

3.2.1 核心原理

工具坐标系（Tool Center Point, TCP）定义了末端执行器（如夹爪、吸盘）的中心点相对于机器人法兰盘的位置和姿态。机器人控制器默认的工具中心在法兰盘中心，但实际抓取点往往偏离法兰盘，因此必须标定TCP。用户坐标系（User Frame）则定义了工件、工作台或传送带相对于机器人基座的参考系，便于编程和视觉坐标映射。

TCP标定常用四点法（或六点法）：将工具尖端对准一个固定参考点，从不同姿态接近该点，通过多组法兰盘位姿求解工具中心偏移量。用户坐标系标定则通过三点法（原点+X轴点+XY平面内一点）建立。

3.2.2 操作流程

TCP四点法标定步骤：

1. 在机器人工作空间内固定一个尖锐参考点（如锥形针尖）。
2. 手动操作机器人，使工具尖端从4个不同姿态对准参考点，记录每个姿态下的法兰盘位姿。
3. 控制器根据4组位姿数据，通过最小二乘法求解工具中心偏移量 (Tx, Ty, Tz) 及姿态偏移。
4. 验证：将工具尖端对准参考点，旋转工具姿态，观察尖端是否保持不动。

用户坐标系三点法标定步骤：

1. 在工件台上确定原点O（如传送带边缘角点）。
2. 沿X轴方向确定一点X（如传送带运动方向上的某点）。
3. 在XY平面内确定一点Y（如垂直于传送带方向上的点）。
4. 控制器根据三点坐标建立用户坐标系。

标定类型	方法	精度范围	适用场景
TCP标定	四点法/六点法	±0.1~0.5mm	更换夹爪/吸盘后
用户坐标系	三点法	±0.5~1mm	固定工作台/传送带
手眼标定	AX=XB	±0.2~0.8mm	相机安装后

3.2.3 案例拆解：吸盘工具标定

某物流分拣机器人使用真空吸盘抓取纸箱，吸盘中心距法兰盘下方120mm，且吸盘轴线与法兰盘Z轴重合。采用四点法标定，4组法兰盘位姿数据如下（简化）：

姿态1: X=500,Y=0,Z=300, Rx=0,Ry=0,Rz=0
姿态2: X=500,Y=0,Z=300, Rx=0,Ry=30,Rz=0
姿态3: X=500,Y=0,Z=300, Rx=0,Ry=-30,Rz=0
姿态4: X=500,Y=0,Z=300, Rx=30,Ry=0,Rz=0

控制器计算得到TCP偏移为 (0, 0, 120mm)，与理论值一致。标定后，吸盘中心在机器人基座坐标系下的位姿计算准确，视觉引导的纸箱抓取位置误差从±5mm降低到±1mm。

3.2.4 常见误区与总结

坐标系标定是视觉引导抓取中误差的主要来源之一。标定精度不足时，视觉识别再准也无法转化为准确的机器人动作。建议每次更换末端执行器后重新标定TCP，并定期检查用户坐标系是否因碰撞或热变形发生偏移。

3.3 常用抓取末端执行器

3.3.1 核心原理与选型

末端执行器是机器人直接接触工件的部件，其选型直接影响抓取成功率、节拍和安全性。常用类型包括：

• 二指平行夹爪：适用于规则形状、刚性工件，夹持力大，定位精度高。
• 三指/多指夹爪：适用于圆柱形、球形工件，自适应性强。
• 真空吸盘：适用于平面、光滑、透气性低的工件（纸箱、玻璃、塑料板），抓取速度快，不损伤表面。
• 电磁吸盘：适用于铁磁性材料，断电失磁，安全性好。
• 软体夹爪：适用于易碎、异形工件，柔性好，但夹持力较小。

3.3.2 选型判断流程

1. 工件特性：材质（金属/塑料/纸）、表面（光滑/粗糙/多孔）、形状（规则/异形）、重量。
2. 抓取方式：夹持（需考虑夹持面）或吸附（需考虑吸附面积和密封性）。
3. 环境约束：温度、湿度、洁净度、防爆要求。
4. 节拍要求：吸盘开合速度快（<0.1s），夹爪稍慢（0.2~0.5s）。
5. 成本与维护：吸盘耗材更换频繁，夹爪寿命更长。

类型	适用工件	抓取力	速度	成本
二指夹爪	规则刚性件	50~500N	中	中
真空吸盘	平面/光滑件	10~200N	快	低
电磁吸盘	铁磁性件	100~1000N	快	中
软体夹爪	易碎/异形件	5~50N	慢	高

3.3.3 案例拆解：混合抓取方案

某电商仓库的3D视觉引导拣选工位，需要抓取两类商品：纸箱（重量≤5kg，表面平整）和塑料袋装软包（重量≤1kg，表面不平整）。单一末端执行器无法兼顾。最终方案采用组合式末端执行器：

• 两个大直径真空吸盘（Φ40mm）用于纸箱抓取，吸盘间距可调。
• 一个软体夹爪（三指）用于软包抓取，避免夹破包装。

视觉系统先识别工件类型，再控制机器人选择对应的抓取工具。该方案使抓取成功率从单一吸盘的82%提升至97%，节拍从8秒/件缩短至5秒/件。

3.3.4 常见误区与总结

末端执行器的选型没有“万能方案”，必须结合工件特性、节拍、成本和维护综合评估。在视觉引导场景中，末端执行器的尺寸和抓取中心必须与TCP标定一致，否则视觉给出的抓取点会偏离实际接触点。