1. 课程导入与工程认知

在开始学习FANUC机器人视觉引导与智能抓取之前，先建立一套完整的工程认知框架，比急于记住某个指令或参数更重要。视觉引导抓取并不是“相机加机器人”的简单叠加，而是一套由感知、计算、通信、执行、安全五个层面协同工作的系统。任何一个环节的偏差，都会在最终抓取位置或节拍上被放大。因此，本章先回答三个问题：这套系统由什么组成、它用在哪些场景、以及学习与操作时必须遵守哪些安全底线。

一、系统典型组成：从“看见”到“抓稳”的闭环

一套典型的FANUC视觉引导抓取系统，可以按信号流向拆解为以下部分：

• 视觉传感器：常见为2D智能相机（如FANUC iRVision内置相机或外置Camera）与3D视觉传感器（结构光、双目、ToF等）。2D用于平面定位、有无判断、字符识别；3D用于获取工件位姿（X、Y、Z、Rx、Ry、Rz），尤其适合散乱堆叠、无序抓取。
• 视觉处理单元：iRVision运行在机器人控制柜内的视觉板卡或独立视觉控制器上，完成图像采集、标定、特征提取、位姿计算，并输出抓取目标坐标。
• 机器人本体与控制柜：FANUC R-30iB/R-30iB Plus等控制柜执行运动规划，通过视觉引导指令（如VISION RUN_FIND、VISION GET_OFFSET）获取目标偏移量，并修正抓取点。
• 末端执行器：真空吸盘、气动夹爪、电动夹爪或磁吸工具。选型取决于工件材质、重量、表面状态与节拍要求。
• 通信链路：相机与控制器之间常用Ethernet/IP、PROFINET或iRVision内部总线；机器人与上位机/PLC之间常用I/O、EtherNet/IP或Socket消息。
• 安全与外围：安全围栏、安全门锁、光栅、急停回路、气压监测、工件到位检测等。

这些部分不是并列关系，而是形成一条“成像→标定→识别→位姿计算→坐标变换→运动修正→抓取→放置→结果反馈”的闭环链路。下图给出该链路的信号流与关键接口，便于后续章节逐段深入。

二、典型应用场景：为什么需要视觉引导

视觉引导的价值，在于把“固定示教位置”升级为“按实际来料位置动态修正”。常见场景包括：

• 无序抓取（Bin Picking）：工件散乱堆叠在料框中，3D视觉识别最上层可抓工件，输出位姿，机器人避障抓取。典型参数：料框约600×400×200 mm，工件直径80 mm，节拍要求约6～8秒/件。
• 传送带跟踪抓取：视觉识别传送带上运动工件，结合编码器跟踪，实现动态抓取。关键参数为传送带速度（如200 mm/s）与视觉处理延迟补偿。
• 定位装配：2D视觉找Mark点或轮廓，修正装配孔位偏差，常用于手机中框、连接器插装。
• 缺陷检测与分拣：视觉判断外观合格与否，机器人将不良品放入指定料道。
• 码垛与拆垛：识别箱体位置与姿态，完成整层抓取或逐件拆垛。

这些场景的共同点是：来料位置存在随机偏差，且人工示教无法覆盖所有情况。视觉引导的本质，是用“测量—计算—修正”替代“固定记忆”。

三、学习路径：从单点认知到系统集成

本课程后续章节将按“由静到动、由单机到系统”的顺序展开。建议的学习路径如下：

1. 基础认知：理解坐标系（世界、工具、用户、相机）、标定原理、视觉指令体系。
2. 2D视觉入门：完成相机安装、标定、模板训练、单目标定位与抓取。
3. 3D视觉与无序抓取：点云处理、位姿估计、抓取策略与避障。
4. 通信与集成：机器人与PLC、上位机、MES的数据交互，节拍优化。
5. 调试与排障：标定误差分析、抓取失败分类、参数整定。
6. 安全与工程规范：风险评估、安全回路设计、现场验收。

每一阶段都应以“能独立完成一个可复现的抓取任务”为验收标准，而不是只看懂概念。

四、安全规范：视觉引导系统的底线

• 速度限制：调试阶段将机器人手动速度倍率降至10%以下，自动模式首次运行使用低速（如250 mm/s）并保持急停在手。
• 安全围栏与门锁：人员进入工作区必须触发安全门锁，切断伺服使能；不得绕过门锁进行“观察式调试”。
• 视觉误判防护：设置抓取高度上限、工作空间软限位、碰撞检测灵敏度；当视觉置信度低于阈值时，程序应报警而非强行抓取。
• 气压与夹持确认：吸盘/夹爪必须配置真空压力开关或夹持到位传感器，抓取后确认信号再移动。
• 急停与复位：明确急停后的复位流程，禁止在未确认工件状态时直接重启自动循环。

五、本节小结与工程视角

视觉引导抓取系统的工程认知，可以概括为一句话：用视觉测量替代固定示教，用安全回路兜住所有不确定性。组成上，它包含视觉、处理、控制、执行、安全五个层面；应用上，它服务于无序抓取、传送带跟踪、定位装配、分拣与码垛；学习上，它遵循“标定—识别—位姿—运动—集成—排障”的递进路径；安全上，它要求速度限制、门锁、误判防护、夹持确认与急停复位形成闭环。