1. iRVision系统认知与工程导入

iRVision 是 FANUC 机器人系统内置的机器视觉功能包，它并不是一套独立于机器人控制器之外的“外挂视觉软件”，而是运行在 R-30iB / R-30iB Plus 等控制器上的集成化视觉系统。理解这一点非常关键：在 FANUC 的体系里，视觉与运动控制共享同一个控制器、同一套坐标系、同一份 I/O 与程序结构，因此视觉结果可以直接参与机器人运动决策，而不需要经过外部 PC 的二次通信转发。这也是 iRVision 在产线集成中响应快、同步性好、故障点少的根本原因。

从系统定位上看，iRVision 处于“感知—决策—执行”链条的感知端。相机采集图像后，视觉程序在控制器内部完成图像处理，输出位姿偏移量、存在性判断、测量结果等数据，机器人程序再据此修正抓取点、判断工件有无或执行分拣。它与 ROBOGUIDE 仿真环境、iRCalibration 标定工具、视觉专用 I/O 以及示教器上的视觉界面共同构成一个闭环工程环境。

典型应用场景

iRVision 的工程应用大致可归为四类。第一类是二维视觉引导抓取，最常见于传送带或料框上的工件定位，相机固定安装，通过 2D 单相机识别工件平面位置与旋转角度，机器人据此偏移抓取。第二类是三维视觉引导，使用 3D 相机或双目/结构光方案获取工件高度与姿态，适用于堆叠、散乱来料的拆垛与上料。第三类是视觉检测与测量，例如判断装配是否到位、孔位是否偏移、标签是否存在，输出 OK/NG 信号。第四类是视觉跟踪，配合编码器对运动中的传送带工件进行动态抓取，视觉结果与传送带位移实时同步。

这些场景虽然形态不同，但工程导入的底层逻辑一致：先明确“看什么、看多准、看多快”，再决定相机选型、安装方式、标定方法和程序结构。

软硬件组成概览

硬件层面，iRVision 的核心包括：视觉控制器（集成于机器人控制器内的视觉板卡或通过以太网连接的视觉单元）、工业相机（2D 面阵相机、3D 相机或线阵相机）、镜头、光源及光源控制器、标定板或标定工装，以及用于触发和结果输出的 I/O 模块。软件层面，则包括 iRVision 选配功能包、视觉程序编辑界面、标定工具（如 Grid Pattern 标定、3D 标定）、以及机器人程序中的视觉指令（如 VISION RUN、VISION GET_OFFSET 等）。

工程任务地图与学习路径

面向工程落地，iRVision 的学习可以按“认知—搭建—标定—编程—调试—优化”推进。认知阶段要弄清控制器型号、视觉选配、相机接口与通信方式；搭建阶段完成相机安装、光源布置、焦距与视野计算；标定阶段建立像素坐标与机器人坐标的映射关系；编程阶段编写视觉程序并嵌入机器人运动逻辑；调试阶段通过实际工件验证重复精度与节拍；优化阶段则针对光照变化、工件反光、来料姿态波动做鲁棒性调整。

下面这张图把 iRVision 在 FANUC 系统中的位置、主要组成与工程数据流串联起来，帮助建立整体认知框架。

工程导入的关键判断

在实际项目中，导入 iRVision 前需要先回答几个问题：工件是平面定位还是三维姿态？来料是否稳定？光照环境是否可控？节拍要求是多少？这些答案直接决定相机数量、安装方式与标定策略。例如，平面工件且来料姿态稳定时，单台 2D 相机加固定光源即可满足；若工件存在高度差或倾斜，则必须引入 3D 视觉或多次拍摄。

标定是工程导入中最容易出问题的环节。2D 标定通常使用 Grid Pattern 标定板，通过多点采集建立像素坐标与机器人坐标的仿射变换关系；3D 标定则需要获取相机与机器人之间的外参。标定完成后，务必用实际工件在视野内多个位置验证重复精度，而不是只看标定界面的残差数值。

学习路径建议

建议按以下顺序推进：先熟悉示教器上 iRVision 的菜单结构与视觉程序编辑界面；再完成一次完整的 2D 单相机标定与抓取示例；随后扩展到 3D 视觉与视觉跟踪；最后结合 ROBOGUIDE 进行离线仿真验证。每完成一个阶段，都应回到实际工件上验证识别率、重复精度与节拍，形成“配置—验证—修正”的闭环。