3. 视觉引导抓取系统架构设计

视觉引导抓取系统的架构设计，本质上是把“看得见”变成“抓得准”的工程落地过程。它需要回答五个相互耦合的问题：用什么相机获取图像、用什么光源让目标特征稳定显现、用什么计算单元完成识别与位姿解算、用什么通信接口把结果送到机器人、以及这些部分如何组织成一条从成像到抓取的工作流。本节围绕这五个问题展开，并给出可参考的选型与集成方法。

一、相机选型：从任务精度反推分辨率与类型

相机选型的起点不是参数表，而是任务精度。假设抓取目标为边长 60 mm 的工件，要求视觉定位精度达到 ±0.2 mm，视场需要覆盖约 400 mm × 300 mm 的工作区域。按“精度优先”原则，单个特征至少需要 3～5 个像素来稳定提取，取 4 像素对应 0.2 mm，则像素当量约为 0.05 mm/pixel。横向所需像素数为 400 / 0.05 = 8000 像素，这显然超出常规面阵相机能力，说明必须缩小视场或采用更高精度方案。若将视场缩小到 200 mm × 150 mm，则横向像素需求为 200 / 0.05 = 4000 像素，可选用 500 万像素（2448 × 2048）相机，实际像素当量约 200 / 2448 ≈ 0.082 mm/pixel，配合亚像素边缘提取可满足 ±0.2 mm 要求。

相机类型上，2D 面阵相机适合平面工件、二维码定位和轮廓识别；3D 相机（结构光或 ToF）适合散乱堆叠、高度变化明显的场景，可直接输出点云并计算抓取位姿。若工件为规则平面且光照可控，优先选 2D 相机以降低成本与算力；若存在堆叠、遮挡或需要 Z 向定位，则应选 3D 相机。镜头焦距可按 f = (靶面尺寸 × 工作距离) / 视场估算，例如 2/3 英寸靶面（8.8 mm × 6.6 mm）、工作距离 500 mm、视场 200 mm，则 f ≈ (8.8 × 500) / 200 = 22 mm，可选 25 mm 定焦镜头并微调工作距离。

二、光源方案：让特征“自己跳出来”

光源的目标不是照亮，而是制造对比。常见方案包括环形光、条形光、背光和同轴光。环形光适合表面纹理丰富的工件，能以一定角度突出边缘；背光适合测量轮廓和尺寸，可得到高对比度剪影；同轴光适合高反光金属表面，能消除镜面反射造成的过曝。对于黑色橡胶件，建议采用低角度条形光掠射，使表面微小起伏产生阴影，从而增强轮廓；对于透明件，则常用背光加偏振片抑制杂散光。

光源控制上，建议使用可调光控制器，将亮度固定在使目标灰度落在 120～200 区间的水平，避免饱和或过暗。若环境光波动明显，应加装遮光罩，并在调试阶段记录不同亮度下的图像直方图，选择特征最稳定的工作点。光源与相机的相对位置一旦确定，应在机械结构上锁死，避免振动导致光照漂移。

三、工控机与边缘计算单元

计算单元的选择取决于算法复杂度与节拍要求。若采用传统视觉算法（模板匹配、边缘提取、Blob 分析），一台带四核 CPU、8 GB 内存的工控机即可满足 10～20 Hz 的处理节拍。若采用深度学习分割或 3D 点云配准，则建议配置独立 GPU，例如 6 GB 显存的边缘计算单元，以将单帧推理控制在 50 ms 以内。存储方面，系统盘建议 256 GB SSD，数据盘用于保存图像样本和日志，容量按每天 8 小时、每秒 1 帧、每帧 2 MB 估算，约 57 GB/天，需定期清理或转存。

接口资源需提前规划：至少 2 个千兆网口（一个接相机，一个接机器人或上位机）、4 个 USB 3.0 接口（用于调试与授权）、以及 RS-232/485 或数字 IO 用于触发光源和接收传感器信号。若相机为 GigE 接口，建议使用独立网卡并开启巨帧，避免图像丢包。

四、通信接口与系统集成框架

视觉系统与机器人的通信通常有三种方式：TCP/IP 套接字、Modbus TCP 和数字 IO。TCP/IP 适合传输位姿数据（如 X、Y、Z、Rx、Ry、Rz 六个浮点数），灵活但需自定义协议；Modbus TCP 适合传输寄存器数据，便于与 PLC 集成；数字 IO 则用于触发拍照和抓取完成信号，实时性最好但信息量小。工程上常采用“IO 触发 + TCP 传位姿”的组合：PLC 给出拍照触发，视觉返回位姿字符串，机器人解析后执行抓取。

系统集成框架可分为三层：设备层（相机、光源、传感器）、计算层（工控机/边缘单元）和决策层（机器人控制器或上位机）。数据流为：传感器触发 → 相机采集 → 图像预处理 → 目标识别与位姿计算 → 坐标转换（相机坐标系到机器人基坐标系）→ 通信发送 → 机器人抓取。其中坐标转换是精度关键，需通过手眼标定获得变换矩阵，并在每次更换相机或机器人后重新标定。

五、工作流程与关键参数示例

以某工件抓取任务为例，完整工作流如下：光电传感器检测到工件到位，向 PLC 发出信号；PLC 通过数字 IO 触发相机拍照，同时点亮光源；相机采集一帧图像并通过 GigE 传输至工控机；工控机执行预处理（高斯滤波、阈值分割），提取工件轮廓并计算质心与角度；结合手眼标定矩阵，将像素坐标转换为机器人基坐标系下的位姿（X、Y、Z、Rz）；通过 TCP 将位姿字符串发送给机器人控制器；机器人执行抓取并返回完成信号，系统进入下一循环。

关键参数示例：相机分辨率 2448 × 2048，像素当量 0.082 mm/pixel，工作距离 500 mm，光源亮度 70%，曝光时间 8 ms，增益 0 dB，单帧处理耗时约 35 ms，通信延迟约 5 ms，整体节拍约 25 Hz。若实际节拍不足，可优先降低图像分辨率或缩小 ROI 区域，而非盲目升级硬件。

架构设计的最终检验标准是：在真实工况下连续运行 1 小时，抓取成功率不低于 99%，单次节拍稳定在设定值以内，且图像特征在环境光波动下不出现明显漂移。达到这一标准，说明相机、光源、计算单元、通信接口与工作流已经形成闭环，系统具备可交付的工程能力。