2. 工业机器人基础
在3D机器视觉引导工业机器人抓取的应用中，机器人本体是执行末端轨迹的物理载体，而视觉系统则是感知空间位置的“眼睛”。若要让“眼睛”与“手”协同工作，工程师必须深刻理解机器人的运动学模型、坐标系定义以及标准动作流程。本章将围绕这三个核心基础展开，帮助学习者建立从视觉定位数据到机器人关节运动的完整映射逻辑，为后续手眼标定与抓取策略设计打下坚实的理论根基。
2.1 机器人运动学核心原理：正解与逆解
机器人运动学是研究机器人末端执行器（法兰盘或工具）与各关节角度之间数学关系的学科，不涉及产生运动的力与力矩。在视觉引导抓取场景中，我们最关心的是两个方向的映射：正运动学（Forward Kinematics）与逆运动学（Inverse Kinematics）。
正运动学是指已知机器人各关节的旋转角度或位移量，通过连杆参数（DH参数或改进DH参数）计算末端执行器在基座坐标系下的位姿（位置与姿态）。其数学本质是相邻关节坐标系之间的齐次变换矩阵连乘。例如，一个六轴关节型机器人，其末端位姿矩阵 T_base_to_tool 可表示为：
T_base_to_tool = A1(θ1) × A2(θ2) × A3(θ3) × A4(θ4) × A5(θ5) × A6(θ6)其中 Ai(θi) 为第 i 个关节的齐次变换矩阵，包含旋转分量 R 与平移分量 P。正运动学解唯一，计算量固定，常用于机器人示教器上的位置显示或视觉仿真验证。
逆运动学则是正运动学的反向过程：已知末端执行器在基座坐标系下的目标位姿（通常由视觉系统给出），求解满足该位姿的关节角度组合。逆运动学解可能不唯一（多解），且存在奇异位形（如腕部翻转时关节速度趋于无穷大）。在Pick and Place应用中，视觉系统输出的抓取点坐标必须通过逆运动学转换为各关节的目标角度，才能驱动电机运动。
2.2 常用坐标系定义与转换关系
在机器人编程与视觉集成中，坐标系是描述空间位置的基准。错误使用坐标系是导致抓取偏移、碰撞事故的首要原因。以下是三大核心坐标系及其在视觉引导中的角色：
| 坐标系名称 | 原点位置 | Z轴方向 | 在视觉抓取中的用途 |
|---|---|---|---|
| 基座坐标系 (Base Frame) | 机器人安装底座中心 | 垂直向上（通常） | 全局参考基准，所有运动学计算、路径规划的最终参考系 |
| 工具坐标系 (Tool Frame / TCP) | 末端执行器（吸盘/夹爪）的有效中心点 | 沿工具指向工件的方向 | 定义抓取姿态的参考点，视觉计算的抓取点必须转换到TCP |
| 工件坐标系 (Work Object / User Frame) | 工件或托盘的特征点（如角点、定位销） | 垂直于工件安装面 | 简化编程，当工件位置偏移时只需更新工件坐标系原点 |
三者之间的转换关系为：基座坐标系 → 工件坐标系 → 工具坐标系。视觉系统通常先标定出相机到机器人基座的变换矩阵（手眼标定），再通过视觉识别工件在相机坐标下的位姿，最终计算出工件在基座坐标系下的位置。若工件安装在可移动托盘上，则需先建立工件坐标系与基座坐标系的偏移关系。
2.3 Pick and Place典型动作流程拆解
一个标准的视觉引导Pick and Place循环，从视觉触发到放置完成，通常包含以下六个阶段。每个阶段都有明确的输入、输出与判定条件。
- 视觉采集与定位：3D相机拍摄料盘或传送带上的工件，通过点云处理与模板匹配算法，输出工件的三维中心坐标 (X, Y, Z) 与姿态角 (Rx, Ry, Rz)。此数据定义在相机坐标系下。
- 坐标变换与位姿生成：将相机坐标下的工件位姿，通过手眼矩阵变换到机器人基座坐标系。同时，根据工件类型叠加一个抓取偏移量（如吸盘中心到工件表面的距离），生成目标TCP位姿。
- 路径规划与避障：机器人控制器根据当前关节位置与目标位姿，规划一条无碰撞路径。典型策略是：从当前位置提升到安全高度（Approach点），水平移动到抓取点上方，再垂直下降（Approach运动）。
- 抓取执行：TCP到达抓取点后，发送信号给末端执行器（如真空电磁阀或夹爪气缸），完成抓取。需通过传感器（真空压力开关或夹爪到位信号）确认抓取成功。
- 放置运动：机器人携带工件提升到安全高度，移动到放置点（如装配工位或传送带）上方，执行下降与放置动作。放置点坐标通常预先示教或由视觉二次定位。
- 状态复位与循环：机器人返回初始位或等待下一个视觉触发信号，同时更新料盘计数或工件队列状态。
2.4 案例拆解：视觉引导的传送带动态抓取
下面通过一个实际项目案例，展示上述理论如何综合应用。某汽车零部件工厂需要机器人从连续运动的传送带上抓取金属支架，放置到检测治具中。原方案为人工上下料，节拍约12秒/件，现要求提升至8秒/件以内。
系统配置：六轴机器人（负载10kg），3D结构光相机固定安装于传送带上方，真空吸盘作为末端执行器。传送带速度0.5m/s，工件在传送带上随机摆放（平面内旋转任意角度）。
关键参数与初始现象：视觉系统输出工件在相机坐标系下的坐标 (Xc, Yc, Zc) 及绕Z轴旋转角 θ。手眼标定矩阵已提前计算。初始调试时发现，当传送带速度超过0.3m/s时，机器人抓取位置滞后约15mm，导致吸盘偏移工件中心，抓取失败率高达30%。
分析判断过程：滞后量 = 传送带速度 × 视觉处理时间 + 机器人通信延迟。经测量，视觉处理耗时120ms，机器人控制器接收坐标到开始运动耗时80ms，总延迟200ms。在0.5m/s速度下，理论滞后为100mm。但实际滞后仅15mm，说明视觉系统或PLC已做了部分预补偿。进一步检查发现，视觉系统输出的坐标是拍摄时刻的位置，而机器人运动到抓取点时，工件已向前移动了100mm。因此，必须在视觉软件中增加动态补偿算法：
X_compensated = X_camera + V_conveyor × (T_vision + T_comm + T_robot)
Y_compensated = Y_camera // 传送带方向为X轴实际操作步骤：1) 在视觉软件中读取传送带编码器速度，并设定固定延迟时间T_total=200ms；2) 将补偿后的坐标通过TCP/IP发送给机器人；3) 机器人采用“追踪运动”指令（如ABB的TrackMotion或KUKA的同步运动），使TCP在传送带运动过程中保持相对静止；4) 增加抓取确认信号，若真空压力不足则自动放弃并记录。
结果对比：补偿后，抓取成功率从70%提升至99.5%，节拍缩短至7.2秒/件。但代价是增加了编码器硬件与软件滤波的复杂度，且对传送带速度波动敏感。若速度波动超过±5%，需引入实时反馈闭环。
复盘经验：视觉引导动态抓取的核心不是“看”得准，而是“算”得准——必须将系统总延迟作为一阶惯性环节进行补偿。同时，机器人运动指令应选择支持连续轨迹追踪的模式，避免“走停-走”模式带来的节拍损失。
2.5 常见误区与总结复盘
在培训与项目交付中，初学者常犯以下四类错误，需特别警惕：
- 误区一：混淆工具坐标系与法兰盘坐标系。法兰盘是机械接口，TCP是实际工作点。若未正确设定TCP，视觉引导的抓取点会整体偏移一个固定矢量。解决方法是使用四点法或六点法精确标定TCP。
- 误区二：忽略工件坐标系的动态更新。当料盘或夹具位置发生微小移动时，若仍使用固定的工件坐标系，会导致所有抓取点系统性偏移。应定期用视觉或机械探针重新标定工件坐标系原点。
- 误区三：逆运动学多解处理不当。某些姿态下，机器人可能给出多个关节角组合。若未约束“最短路径”或“优先轴配置”，机器人可能走出大回环路径，增加节拍与碰撞风险。
- 误区四：视觉坐标与机器人坐标的轴向映射错误。相机坐标系与机器人基座坐标系的X/Y/Z轴方向往往不一致（例如相机Z轴朝下，机器人Z轴朝上）。手眼标定后必须验证各轴方向，否则会出现“镜像抓取”或“翻转抓取”的严重事故。