2、工业机器人基础：机器人运动学、常用坐标系（基座、工具、用户）、末端执行器与抓取方式

在3D机器视觉引导的Pick and Place（抓取与放置）应用中，工业机器人是执行机构，视觉系统是感知器官。二者能否高效协同，取决于工程师对机器人运动学模型、坐标系定义以及末端执行器选型的理解深度。本章将系统梳理这三个核心基础模块，帮助读者建立从“视觉坐标”到“机器人动作”的完整映射逻辑。

2.1 机器人运动学：从关节空间到笛卡尔空间

运动学描述机器人关节运动与末端执行器位姿之间的数学关系，不涉及产生运动的力和力矩。在Pick and Place场景中，视觉系统输出的是目标物体在笛卡尔空间（三维直角坐标）中的位置和姿态，而机器人控制器需要将这些信息转换为各关节的转动角度或位移量，这一过程依赖运动学模型。

2.1.1 核心原理：正运动学与逆运动学

正运动学（Forward Kinematics）：已知各关节变量（如关节角度θ₁, θ₂, …, θₙ），求解末端执行器在基座坐标系下的位姿（位置x, y, z和姿态Rx, Ry, Rz）。数学上通过齐次变换矩阵的连乘实现：

T_base_to_tool = T_1 × T_2 × T_3 × … × T_n

其中每个Tᵢ表示相邻连杆间的变换矩阵（包含旋转和平移）。正运动学有唯一解，常用于机器人示教、仿真和碰撞检测。

逆运动学（Inverse Kinematics）：已知末端执行器期望位姿，反解各关节变量。这是视觉引导的核心——视觉系统给出目标抓取位姿后，机器人必须通过逆运动学计算出各关节的目标角度。逆运动学存在以下特点：

• 多解性：同一末端位姿可能对应多组关节角（如6轴机器人的“肘上/肘下”构型）；
• 奇异性：在某些位姿下，关节速度与末端速度的映射关系退化，导致某些方向无法运动；
• 可达性：目标位姿必须在机器人工作空间内，且避开关节限位。

2.1.2 判断方法与操作流程

在实际工程中，工程师通常不需要手动推导运动学方程，而是通过机器人控制器内置算法完成。但理解以下流程有助于排查问题：

1. 确认机器人型号与DH参数：查阅技术手册获取连杆长度、关节偏移等参数；
2. 设定工具坐标系：在控制器中定义TCP（Tool Center Point）相对法兰盘的位置；
3. 调用运动学求解器：控制器自动完成正/逆解计算；
4. 验证可达性：在离线仿真软件（如RoboDK、RobotStudio）中预演轨迹；
5. 处理多解：通过“姿态参数”（如腕部翻转标志）指定期望构型。

2.1.3 案例拆解：6轴机器人抓取传送带上的随机工件

背景与约束：某汽车零部件产线使用6轴关节机器人（臂展1.8m）从传送带上抓取金属支架，工件在传送带上位置随机，且可能旋转0-360°。视觉系统（3D结构光相机）固定安装于机器人上方2.5m处，检测精度±0.5mm。

初始现象：调试初期，机器人频繁报“目标位姿不可达”错误，且偶尔出现抓取时工具与工件碰撞。

分析过程：

• 检查视觉输出的位姿数据，发现姿态角（Rx, Ry, Rz）使用欧拉角表示，但机器人控制器内部使用四元数，转换时存在角度环绕问题（如179°与-179°）；
• 通过仿真软件验证，部分目标位姿位于机器人工作空间边缘，逆运动学无解；
• 部分位姿虽然可达，但工具坐标系Z轴与工件表面法线夹角过大（>15°），导致吸盘吸附失败。

解决方案：

1. 在视觉程序中统一使用四元数输出姿态，避免欧拉角转换歧义；
2. 增加“预抓取点”逻辑：先运动到目标上方100mm的安全点，再沿工具Z轴直线下降；
3. 在视觉算法中增加“姿态过滤”条件，若目标法线与工具Z轴夹角超过10°，则重新规划抓取策略（如调整机器人基座位置）。

结果对比：优化后，抓取成功率从87%提升至99.2%，平均节拍时间从12.5s缩短至10.8s。

复盘经验：运动学问题往往不是“算不出来”，而是“坐标系定义不一致”或“未考虑工具姿态约束”。视觉与机器人联调时，务必先验证坐标变换的正确性，再优化运动路径。

2.1.4 常见误区与总结

2.2 常用坐标系：基座、工具、用户

坐标系是连接视觉系统与机器人控制器的“通用语言”。在Pick and Place系统中，至少涉及四个坐标系：机器人基座坐标系{B}、工具坐标系{T}、用户坐标系{U}（也称工件坐标系）以及视觉传感器坐标系{C}。理解它们之间的变换关系是系统集成的核心。

2.2.1 核心原理：各坐标系定义与作用

基座坐标系{B}：固定在机器人安装底座上，Z轴通常垂直向上，原点位于第一关节轴线与安装面的交点。所有机器人运动学计算均以此坐标系为参考基准。

工具坐标系{T}：原点位于工具中心点（TCP），Z轴通常指向工具的工作方向（如吸盘的法线方向、夹爪的闭合方向）。工具坐标系随机器人末端运动而运动，是视觉引导中目标位姿的最终参考系。

用户坐标系{U}：由用户自定义，通常建立在工件、工作台或夹具上。使用用户坐标系可以简化编程——例如在传送带平面上定义用户坐标系，则视觉输出的坐标可直接映射到该坐标系，无需关心传送带相对机器人的精确位置。

2.2.2 坐标变换流程

视觉系统检测到目标在相机坐标系{C}下的位姿后，需要经过以下变换链传递到机器人控制器：

目标位姿(在{C}中) → 变换到{B} → 变换到{U} → 变换到{T} → 机器人执行

其中，手眼标定确定{C}到{B}的变换矩阵（若相机固定安装）或{C}到{T}的变换矩阵（若相机安装在机器人末端）。用户坐标系{U}到{B}的变换可通过三点法（原点、X轴点、XY平面内一点）在机器人示教器上直接定义。

T_B_target = T_B_C × T_C_target

T_U_target = T_U_B × T_B_target

2.2.3 实战场景：传送带抓取中的坐标系配置

场景描述：一条皮带传送带以0.5m/s速度运行，3D相机固定于传送带上方，检测到工件位置后，机器人需在运动中抓取（飞拍模式）。

坐标系配置方案：

1. 在传送带平面建立用户坐标系{U}，原点位于相机视野中心，X轴沿传送带运动方向；
2. 视觉系统输出工件在{U}中的坐标（x, y, θ），其中θ为工件绕Z轴的旋转角；
3. 机器人控制器通过编码器实时获取传送带位移Δs，将目标坐标修正为：x' = x + Δs（补偿传送带运动）；
4. 机器人以修正后的坐标为目标，在用户坐标系下执行抓取动作。

优势：使用用户坐标系后，即使传送带位置有微小偏移，只需重新定义{U}即可，无需修改视觉程序。

2.2.4 常见误区与总结

• 误区1：认为基座坐标系是“正确”的，忽略用户坐标系的便利性。实际上，在工件平面上编程可大幅减少坐标转换错误。
• 误区2：手眼标定后未验证精度。标定误差会直接叠加到抓取误差中，建议使用多组验证点（≥10个）评估标定精度。
• 误区3：工具坐标系Z轴方向与抓取方向不一致。例如吸盘倾斜安装时，TCP的Z轴应指向吸盘吸附面法线，而非法兰盘Z轴。

2.3 末端执行器与抓取方式

末端执行器是机器人“手”的延伸，直接决定抓取的成功率与可靠性。在3D视觉引导场景中，末端执行器的选型需综合考虑工件材质、形状、重量、表面状态以及节拍要求。

2.3.1 核心原理：常见末端执行器类型

2.3.2 选型判断流程

1. 工件特性分析：材质（铁磁/非铁磁）、表面粗糙度、是否透气、承压能力；
2. 重量与尺寸：计算所需吸盘直径或夹爪行程；
3. 抓取姿态：视觉系统输出的目标法线方向决定吸盘或夹爪的接近方向；
4. 节拍要求：吸盘响应时间约50-100ms，夹爪约100-200ms，电磁铁约30ms；
5. 环境因素：粉尘、油污、温度等影响真空度或夹持力。

2.3.3 案例拆解：多品种小批量电子元件分拣

背景：某3C电子代工厂需要分拣12种不同尺寸的PCB板（尺寸从30mm×30mm到200mm×150mm，重量5-80g），来料堆叠在料箱中，位置随机且相互遮挡。

方案设计：

• 选用真空吸盘组（4个独立控制的吸盘，可单独启停），配合柔性海绵吸盘以适应不同PCB表面；
• 视觉系统（3D相机）识别每个PCB的位姿和尺寸，自动选择启用哪些吸盘（大板启用4个，小板启用2个）；
• 吸盘间距可调（通过伺服电机驱动），适应不同板宽。

实施过程：

1. 视觉系统输出每个PCB的中心坐标、旋转角及长宽尺寸；
2. 机器人控制器根据尺寸信息计算吸盘间距，并生成抓取路径；
3. 抓取时先下降至PCB上方5mm，开启对应吸盘，确认真空度达标后提升；
4. 放置到指定料盒时，先破真空（吹气）再释放。

结果：分拣成功率99.5%，节拍4.2s/件，较人工效率提升3倍。

复盘：吸盘间距的自动调整是关键创新点，但增加了机械复杂度。若产品种类固定，可简化为手动调节。

2.3.4 常见误区与总结

• 误区1：吸盘直径越大越好。实际上，吸盘过大可能导致吸附时工件变形，且真空流量需求增大。
• 误区2：忽略真空发生器的响应时间。在高速抓取中，真空建立时间直接影响节拍。
• 误区3：夹爪夹持力过大导致工件损伤。建议使用带力控或柔性垫片的夹爪。