1. 课程导入与系统认知

在工业自动化现场，机器人擅长的是"重复而精确地运动"，但它本身并不知道工件在哪里、姿态如何。如果工件每次都被夹具精确固定，机器人可以靠示教点位完成抓取；一旦来料位置有偏差、工件在料框中散乱堆叠、或者需要从输送线上动态取件，机器人就必须先"看见"目标，再根据视觉给出的位置与角度修正自己的运动轨迹。Cognex In-Sight 视觉系统在机器人引导中承担的正是这个角色：它是机器人的"眼睛+测量尺"，把图像中的目标转换成机器人坐标系下可用的位姿数据。

理解这一点，需要先分清两类任务。第一类是检测类：判断工件有无、字符是否正确、表面是否有缺陷，输出的是"合格/不合格"或测量值。第二类是引导类：输出目标在空间中的位置（X、Y，必要时还有 Z）和绕光轴的旋转角度 θ，供机器人做抓取或装配。本课程聚焦第二类。引导类应用的核心链路可以概括为：相机成像 → 标定建立像素与物理量的映射 → 定位工具求出目标位姿 → 与机器人坐标系对齐 → 通过通信把结果发给机器人 → 机器人偏移抓取。这条链路上任何一环出错，最终都会表现为"抓偏"或"抓空"。

上图把这条链路和三个坐标系放在一起。需要特别强调的是坐标系约定：本课程统一采用 X 向右、Y 向上、θ 逆时针为正的右手约定。相机图像的原点在左上角，Y 轴向下，因此从图像坐标转换到物理坐标时，Y 方向通常需要取反。这个符号问题在后续标定和偏移计算中反复出现，一旦搞反，机器人会朝相反方向偏移，表现为"越纠越偏"。

典型应用场景

In-Sight 引导机器人的常见场景可以按"相机装在哪"来区分。Eye-to-Hand（眼在手外）：相机固定在支架或龙门上，俯视整个工作区，视野大、标定一次长期有效，适合料框抓取、输送线跟踪、码垛拆垛。Eye-in-Hand（眼在手上）：相机装在机器人末端法兰上，随机器人移动，适合大工件局部精定位、装配对位，但需要做手眼标定，且线缆走线要处理。选择哪种，取决于工件尺寸、节拍要求和精度需求。

按任务类型还可以分为：散乱堆叠抓取（Bin Picking）、输送线动态跟踪抓取、托盘/料框定点抓取、装配前的二次精定位。它们的共同点是都需要输出 X、Y、θ，区别在于是否需要 Z 高度、是否需要跟踪编码器、以及精度要求是毫米级还是亚毫米级。

软硬件环境准备

动手之前，先把环境搭起来。硬件侧通常包括：In-Sight 相机（如 2000/7000 系列，具体型号按视野和精度选）、镜头与光源、24V 电源、以太网交换机、标定板、以及作为上位或对端的机器人控制器。软件侧是 In-Sight Vision Suite（含 In-Sight Explorer 与电子表格视图），用于连接相机、配置作业、标定和调试。

一个可参考的入门配置示例（属于教学示例参数，非实测结果）：相机分辨率 1600×1200，工作距离约 400 mm，视野约 300 mm×225 mm，则单像素对应物理尺寸约为 300/1600 ≈ 0.1875 mm/pixel。若定位工具重复精度约为 0.5 像素，则理论定位重复性约 0.09 mm。这个估算帮助你在选型阶段快速判断"这套配置够不够用"，实际精度还需通过标定和现场验证确认。

整体学习路径

本课程按"认知 → 标定 → 定位 → 通信 → 集成 → 排障"的顺序推进。先建立系统链路和坐标系概念，再掌握相机标定与手眼标定，接着用 PatMax 等工具稳定求出目标位姿，然后打通 In-Sight 与机器人的通信（EtherNet/IP、PROFINET 或 TCP/IP 字符串），最后完成偏移量计算、抓取验证与常见故障排查。每一环都会给出可操作的参数、判断依据和示例数据，而不是停留在概念层面。

学习过程中请始终带着一个问题：我输出的这个数，机器人拿到之后会怎么用？ 只要这个问题能答清楚，标定、定位和通信的细节就有了统一的判断标准。