3、工业机器人基础：机械臂结构、运动学与动力学、末端执行器与工具坐标系

在机器视觉引导机器人抓取系统中，视觉算法输出的目标位姿最终必须通过机械臂的精确运动才能转化为物理抓取动作。因此，理解工业机器人的本体结构、运动学与动力学模型，以及末端执行器和工具坐标系的定义，是打通“视觉感知”到“运动执行”的关键桥梁。本章将系统梳理机械臂的硬件构成、数学建模方法、执行器选型原则以及坐标系标定流程，为后续视觉标定与抓取规划奠定坚实的工程基础。

3.1 机械臂硬件结构：从基座到法兰盘的六轴架构

3.1.1 核心原理：串联关节型机器人的结构分层

工业机器人中最常见的构型是垂直串联六轴关节型机器人，其结构由基座、腰部、大臂、小臂、腕部（通常包含三个旋转轴）和末端法兰盘组成。每个关节由一个伺服电机配合减速器（RV减速器或谐波减速器）驱动，关节处安装有编码器用于反馈角度位置。从运动学角度看，每个关节提供一个旋转自由度，六个自由度恰好可以在三维空间中实现任意位置（X、Y、Z）和任意姿态（Rx、Ry、Rz）的到达。基座固定于安装面，腰部绕垂直轴旋转，大臂和小臂完成主要的位置移动，腕部三个轴负责调整末端姿态。

机械臂的负载能力、工作半径和重复定位精度是三个核心选型指标。负载能力指法兰盘末端可承受的额定重量，工作半径决定了可达空间范围，重复定位精度则直接影响抓取的一致性。例如，常见的负载6kg级别的六轴机器人，其重复定位精度通常在±0.02mm至±0.05mm之间，工作半径约700mm至900mm。视觉引导抓取场景中，机械臂的定位精度比重复定位精度更重要，因为视觉系统给出的目标位姿是坐标，若机械臂精度不足，即使重复性再好，抓取位置也会产生系统性偏差。

3.1.2 判断方法：根据抓取任务选择机械臂规格

• 负载匹配：末端执行器重量 + 工件重量 + 安全余量（通常取1.5倍）应小于机械臂额定负载。例如，吸盘重0.5kg，工件重2kg，则所需负载至少为(0.5+2)×1.5=3.75kg，应选择6kg级机器人。
• 工作半径验证：使用机械臂厂商提供的D-H参数表或三维模型，在离线编程软件中模拟抓取工位，确认所有目标抓取点均在工作空间内，且留有不少于50mm的余量。
• 精度需求评估：若工件尺寸小于10mm或配合间隙小于0.1mm，建议选择重复定位精度≤±0.02mm的机型，并考虑加装视觉二次定位。

3.1.3 案例拆解：3C装配线上的小型六轴机器人选型

某3C电子厂需要机器人从振动盘中抓取手机中框（重量80g），放置到治具上进行螺丝锁付。初始方案选用负载3kg的机器人，但实际调试中发现，由于吸盘和气管布置占用较大空间，且抓取点位于机器人工作空间边缘，导致腕部关节频繁报警。分析后确认：虽然工件轻，但末端执行器总重达1.2kg，且工作半径需求为650mm，3kg机器人有效负载在该半径下已降至1.8kg，接近极限。最终更换为6kg级机器人，工作半径800mm，问题解决。此案例说明选型不能只看额定负载，必须结合工作半径和末端重量综合计算。

3.2 运动学与动力学：从关节空间到笛卡尔空间的数学映射

3.2.1 核心原理：正运动学与逆运动学

正运动学是已知六个关节角度，求解末端法兰盘在基座坐标系下的位置和姿态。通常使用Denavit-Hartenberg（D-H）参数法建立各关节坐标系之间的齐次变换矩阵，通过矩阵连乘得到末端位姿。逆运动学则是已知目标位姿，反解六个关节角度。六轴机器人的逆运动学通常存在多组解（最多8组），需要根据关节限位、避障和运动平滑性选择最优解。实际工程中，大多数机器人控制器内置了逆解算法，但视觉工程师仍需理解其原理，以便在奇异点附近进行规避。

动力学研究的是关节力矩与运动状态（位置、速度、加速度）之间的关系。对于视觉抓取场景，动力学主要用于：① 估算抓取重物时的关节力矩是否超限；② 规划平滑的速度/加速度曲线以减少振动；③ 在高速搬运时进行前馈补偿。牛顿-欧拉递推算法是常用的动力学建模方法，但实际控制器中通常采用简化的刚体动力学模型加上摩擦补偿。

3.2.2 操作流程：利用D-H参数进行运动学建模

1. 查阅机器人手册，获取各关节的D-H参数表（a、alpha、d、theta）。
2. 建立各关节坐标系，遵循D-H约定：Z轴沿关节轴线，X轴沿相邻Z轴的公垂线。
3. 编写齐次变换矩阵函数，连乘得到正运动学方程。
4. 使用机器人示教器上的实际坐标值验证模型正确性。
5. 对于逆运动学，可调用机器人厂商提供的API或使用数值迭代法（如雅可比转置法）求解。

3.2.3 实战场景：奇异点规避与轨迹规划

当腕部三个关节的轴线交于一点时，机器人处于腕部奇异位形，此时逆运动学求解会出现退化，导致关节速度突变。在视觉引导抓取中，若目标点恰好位于奇异点附近，机械臂会表现出“抖动”或“失控”现象。规避方法包括：① 在路径规划时增加奇异点检测，若目标位姿接近奇异构型，则调整抓取姿态角；② 使用阻尼最小二乘法（DLS）替代纯雅可比逆解；③ 在示教阶段手动避开奇异区域。

3.3 末端执行器与工具坐标系：抓取动作的最终执行单元

3.3.1 核心原理：法兰盘与工具坐标系的区别

法兰盘是机械臂最后一个运动部件的安装接口，其坐标系原点位于法兰盘中心，Z轴指向外部。工具坐标系（TCP，Tool Center Point）则定义在末端执行器实际工作点（如吸盘中心、夹爪指尖中心），其姿态通常与法兰盘坐标系一致，但原点位置沿Z轴偏移一定距离。机器人控制器通过工具坐标系进行运动控制，使得示教和编程时可以直接指定TCP的位姿，而无需关心法兰盘的具体位置。

工具坐标系的标定精度直接影响抓取精度。若TCP标定误差为1mm，则视觉引导抓取时，即使视觉定位完全准确，实际抓取位置也会偏差1mm。常用的标定方法有四点法（通过四个不同姿态触碰固定参考点求解TCP位置）和六点法（额外确定工具Z轴和X轴方向）。对于吸盘类工具，TCP通常设置在吸盘底面中心；对于夹爪，TCP设置在两个手指闭合后的中心点。

3.3.2 操作流程：四点法标定TCP

1. 在机器人工作空间内固定一个尖锐的参考点（如锥形针尖）。
2. 手动操作机器人，使工具尖端（如吸盘边缘）以四种差异较大的姿态触碰参考点，记录每个姿态下的法兰盘位姿。
3. 控制器根据四个法兰盘位姿，通过最小二乘法求解工具偏移量（X、Y、Z）。
4. 验证：将TCP移动到参考点上方，旋转腕部关节，观察TCP是否保持不动。
5. 若误差超过0.5mm，重新标定或检查工具安装是否松动。

3.3.3 案例拆解：视觉引导吸盘抓取中的TCP标定与验证

某食品包装线采用视觉引导机器人抓取散装饼干（尺寸约80mm×60mm），末端执行器为海绵吸盘。初始调试时，视觉系统定位准确，但抓取位置总是偏移约3mm，导致饼干破损率高达5%。排查过程：首先检查视觉标定，确认相机到机器人坐标系的变换矩阵无误；然后检查TCP标定，发现操作人员使用两点法而非四点法，且参考点选择不当。重新使用四点法标定后，TCP误差从3mm降至0.3mm，破损率降至0.2%。复盘经验：TCP标定是视觉引导系统中“最后一厘米”的精度保障，必须使用规范的四点法或六点法，并在标定后通过旋转验证确保精度。

3.4 常见误区与总结复盘

3.4.1 常见误区

• 误区一：忽略定位精度。视觉引导系统依赖坐标，而机器人出厂标称的重复定位精度远高于定位精度（通常差3-5倍）。若工件公差要求高，需进行精度补偿或增加二次视觉定位。
• 误区二：TCP标定一次到位。工具更换、碰撞后TCP可能发生偏移，应建立定期校验机制，例如每班次开始前用参考点快速验证。
• 误区三：忽视动力学影响。高速抓取时，惯性力会导致实际轨迹偏离规划轨迹，尤其在加减速阶段。应使用机器人控制器的动力学前馈功能，或降低加速度设定值。
• 误区四：坐标系混淆。视觉系统输出的是相机坐标系下的位姿，必须经过手眼标定矩阵变换到机器人基座坐标系，再通过逆运动学求解。任何一步坐标系变换错误都会导致抓取失败。

3.4.2 总结复盘

本章从机械臂硬件结构出发，建立了从基座到法兰盘的物理认知；通过运动学与动力学模型，理解了关节空间与笛卡尔空间的映射关系；最后聚焦末端执行器与工具坐标系，明确了抓取动作的最终精度来源。在视觉引导机器人抓取系统中，机械臂不仅是执行机构，更是视觉标定和运动规划的基准载体。工程师应重点掌握：① 根据负载、半径和精度选型；② 理解正逆运动学在视觉引导中的角色；③ 规范执行TCP标定并定期验证；④ 在调试中关注精度与动力学的耦合影响。