二、机械臂基础：机构组成、自由度、坐标系与运动学动力学

机械臂是视觉引导拣选系统的执行终端，其硬件结构与数学模型决定了抓取精度、速度与柔性。理解机械臂的机构组成、自由度分配、坐标系定义以及运动学/动力学基础，是进行手眼标定、轨迹规划与力控抓取的前提。本节将系统梳理这些核心概念，并针对分拣场景中的典型应用进行拆解。

2.1 机械臂的机构组成与分类

机械臂本质上是一个由多个刚体通过关节串联或并联组成的空间开链机构。在视觉引导拣选系统中，最常见的构型为垂直多关节（6轴）和平面多关节（SCARA，4轴）。其核心组成模块包括：基座（固定于地面或移动平台）、腰部（实现第一旋转轴）、大臂与小臂（决定工作空间半径）、腕部（通常由3个旋转轴构成，实现末端姿态调整）、末端执行器（吸盘、夹爪或气动工具）。每个运动轴由伺服电机、谐波减速器/RV减速器、编码器及制动器构成，控制器通过总线（EtherCAT/Profinet）下发位置指令。

从机构学角度看，机械臂的工作空间由各关节运动范围及连杆长度决定。对于分拣应用，需要重点评估：水平方向覆盖范围（决定可拣选的料箱区域）、垂直方向行程（决定堆叠高度适应性）、腕部姿态范围（决定能否以最优角度插入料箱缝隙）。例如，在电商包裹分拣场景中，6轴机械臂的腕部需具备±90°以上的俯仰能力，才能适应不同尺寸包裹的抓取面。

2.2 自由度与冗余驱动

自由度（DOF）是描述机械臂独立运动变量的数目。在三维空间中，一个刚体具有6个自由度（3个平移+3个旋转）。因此，6轴机械臂恰好能实现末端在空间中的任意位姿（位置+姿态），是分拣场景的“标准配置”。4轴SCARA在平面内具有3个自由度（X、Y、绕Z轴旋转），加上Z轴升降，适合平面码垛或高速拾取扁平件。7轴冗余机械臂多一个自由度，可在保持末端位姿不变的情况下改变肘部位置，用于规避障碍物或优化力矩分配，但控制复杂度显著增加。

在视觉引导拣选中，自由度的选择直接影响逆解难度与抓取成功率。例如，当视觉系统识别出料箱中散乱堆叠的工件时，6轴机械臂可以通过调整腕部姿态，使吸盘以垂直于工件表面的方向接近，避免碰撞相邻工件。而4轴机械臂则只能以固定姿态（垂直向下）抓取，对工件摆放姿态有较高要求。

2.3 坐标系体系与齐次变换

视觉引导分拣的核心是坐标统一。机械臂系统中存在多个坐标系：基坐标系（固定在机械臂底座，是机器人内部运算的基准）、工具坐标系（TCP，定义在末端执行器中心点，通常为吸盘中心或夹爪中心）、工件坐标系（定义在料箱或传送带边缘，用于描述工件位置）、相机坐标系（视觉传感器输出像素坐标的参考系）。这些坐标系之间的转换关系通过齐次变换矩阵 T = [R | t] 描述，其中 R 为3×3旋转矩阵，t 为3×1平移向量。

在工程实践中，手眼标定（Hand-Eye Calibration）就是求解相机坐标系与机械臂基坐标系（或工具坐标系）之间的变换矩阵。常见的两种模式：眼在手上（Eye-in-Hand），相机安装在机械臂末端，随机械臂运动，标定求解的是相机与工具坐标系的变换；眼在手外（Eye-to-Hand），相机固定于工作区域上方，标定求解的是相机与基坐标系的变换。分拣场景中，眼在手外更常见，因为视野固定，便于覆盖整个料箱区域。

2.4 运动学与动力学基础

正运动学：已知各关节角度，求解末端执行器的位姿。通常采用DH（Denavit-Hartenberg）参数法建立连杆坐标系，通过4个参数（连杆长度a、连杆扭转角α、关节距离d、关节角θ）描述相邻关节的变换关系。正运动学是唯一解，计算简单，常用于验证逆解结果或进行轨迹插补。

逆运动学：已知末端目标位姿，求解各关节角。这是视觉引导分拣中最关键的计算环节。6轴机械臂的逆解存在多组解（通常8组），需要根据关节限位、碰撞避免、能耗最小等原则选择最优解。解析法（如Pieper方法）适用于满足相邻三轴交于一点的构型，计算速度快；数值法（如雅可比迭代）通用性强但耗时。在分拣节拍要求高（<1.5s/次）的场景下，优先采用解析法并预计算多组解。

动力学：研究关节力矩与运动状态（位置、速度、加速度）之间的关系。对于高速分拣，动力学模型用于：① 前馈力矩补偿，提高轨迹跟踪精度；② 负载辨识，当抓取不同重量工件时调整控制参数；③ 碰撞检测，通过力矩异常判断是否发生意外碰撞。常用的动力学建模方法有牛顿-欧拉递推法和拉格朗日法。

2.5 案例拆解：6轴机械臂视觉抓取流水线工件

场景背景：某汽车零部件工厂需要将传送带上的铝制壳体（尺寸120×80×45mm，重量0.8kg）抓取至检测台。传送带速度0.5m/s，工件在传送带上随机摆放（平面内任意旋转角度）。要求节拍≤2.5s/件，抓取位置精度±1mm。

系统配置：6轴垂直多关节机械臂（臂展1.2m，重复定位精度±0.03mm），眼在手外安装2D相机（分辨率500万像素，视野600×450mm），吸盘式末端执行器（带真空压力传感器）。

实施步骤：

1. 手眼标定：使用12×9棋盘格，采集15组图像，通过OpenCV的calibrateHandEye函数求解相机到基坐标系的变换矩阵，重投影误差控制在0.3像素以内。
2. 工件定位：相机触发拍照，通过模板匹配识别壳体轮廓，输出工件中心像素坐标(u,v)及旋转角度θ。利用标定矩阵将像素坐标转换为基坐标系下的位置(X,Y,Z)。
3. 逆解计算：设定吸盘接近方向为垂直向下（保持Z轴姿态不变），将目标位姿输入逆解模块，从8组解中筛选出满足关节限位且各关节角度变化最小的解。
4. 轨迹规划：采用梯形速度曲线，设置最大速度1.5m/s，加速度5m/s²。为避免吸盘与相邻工件碰撞，在接近段（最后50mm）降低速度至0.2m/s。
5. 抓取确认：吸盘接触工件后，真空传感器检测负压达到-60kPa，确认抓取成功；若压力不足，则重新定位尝试。

结果与复盘：实际运行节拍2.1s/件，抓取成功率99.2%。失败案例主要源于工件表面油污导致吸盘漏气。后续改进：增加吹气清洁工序，并采用波纹吸盘提高适应性。此外，在高速运动时发现末端振动导致定位偏差约0.5mm，通过调整轨迹平滑系数（S曲线滤波）解决。

2.6 总结与工程要点

机械臂基础是视觉引导分拣系统的“骨架”。机构组成决定了物理能力边界，自由度配置影响抓取灵活性，坐标系统一是视觉与运动控制融合的桥梁，运动学与动力学模型则是实现高精度、高节拍控制的理论基石。在系统设计时，应遵循以下原则：

• 选型匹配：根据工件重量、尺寸、节拍要求选择合适负载等级和臂展的机械臂，避免“大马拉小车”造成成本浪费。
• 标定优先：手眼标定和TCP标定是视觉引导精度的基础，建议每次维护后重新标定，并保存标定日志。
• 逆解鲁棒性：在控制器中预置多组逆解策略，根据当前关节位置选择最优解，避免相邻周期关节角跳变。
• 动力学前馈：对于高速分拣（>1m/s），启用动力学前馈控制，可显著降低轨迹跟踪误差。