1. 课程导入与VisionPro机器人引导概览
在智能制造产线上，机器人“看不见”工件时只能执行固定轨迹的盲抓，一旦来料位置、姿态或批次发生变化，就需要停机重新示教。VisionPro机器人引导系统要解决的核心问题，就是把工业相机的二维图像信息转换为机器人可执行的位姿指令，让机器人具备“看到—定位—抓取”的闭环能力。本课程围绕Cognex VisionPro与主流工业机器人（如FANUC、ABB、Yaskawa、KUKA、UR等）的集成展开，本章先建立整体认知框架：学习目标、系统组成、典型应用场景与集成流程总览。
一、学习目标
完成本课程后，你应当能够独立完成一套视觉引导系统的搭建与调试，具体目标包括：
- 理解视觉引导的坐标链路：从像素坐标到机器人基坐标系的完整变换关系，能说清每个坐标系的原点、轴向与标定方式。
- 掌握VisionPro的核心工具链：图像采集、Calibration（标定）、PatMax/PatQuick定位、Blob分析、Caliper卡尺、结果输出与通信。
- 能完成手眼标定（Eye-in-Hand与Eye-to-Hand两种构型），并判断标定精度是否满足抓取要求。
- 能通过EtherNet/IP、PROFINET、TCP/IP套接字或机器人专用接口，把视觉结果（X、Y、角度、合格标志）传给机器人控制器。
- 能设计抓取策略：单目标抓取、多目标排序抓取、料框抓取、传送带动态跟踪，并处理无目标、多目标、误匹配等异常。
- 能对系统进行精度验证与节拍优化，给出可复现的测试数据与判断依据。
二、系统组成
一套典型的VisionPro机器人引导系统由五个部分构成，它们之间的信号与数据流向决定了集成方式。
1. 成像单元。包括工业相机（面阵CCD/CMOS，常见分辨率500万～1200万像素）、镜头（定焦或远心）、光源（环形光、条形光、背光、同轴光）与相机支架。成像质量直接决定定位稳定性，例如金属反光件常用漫射穹顶光，而轮廓测量常用背光。
2. 视觉处理单元。运行VisionPro的工控机或智能相机。VisionPro以Job（作业）为单位组织工具，一个Job内可包含多个Tool，工具之间通过终端（Terminal）传递图像与数据。
3. 标定与坐标转换单元。包括标定板（如棋盘格、圆点阵列）、标定算法（九点标定、N点标定、手眼标定）以及坐标变换矩阵。这是视觉与机器人之间的“翻译层”。
4. 通信单元。视觉PC与机器人控制器之间的数据通道，常见有EtherNet/IP、PROFINET、Modbus TCP、TCP/IP Socket，以及机器人厂商提供的视觉接口（如FANUC iRVision接口、ABB RobotWare Vision）。
5. 执行单元。机器人本体、末端夹爪或吸盘、PLC与安全回路。视觉给出目标位姿后，机器人需要结合工具坐标系（TCP）与抓取偏移量计算最终运动目标点。
三、典型应用场景
VisionPro机器人引导的应用场景可按“目标状态”和“运动方式”两个维度划分。
场景一：料框/托盘抓取（3D位姿已知，2D定位）。工件平放在料框中，高度由料框层数决定，视觉只需给出X、Y和绕Z轴旋转角度。例如汽车零部件产线抓取法兰盘，相机安装在料框上方，PatMax定位工件上的两个特征孔，计算中心点与角度。抓取精度通常要求±0.5mm，标定残差需控制在0.2mm以内。
场景二：传送带动态跟踪。工件在传送带上连续运动，视觉在触发拍照后给出工件位置，机器人需要结合编码器或时间戳推算抓取时刻的位置。这类场景对通信延迟和节拍要求高，常采用EtherNet/IP实时通信，视觉处理时间需控制在50ms以内。
场景三：无序抓取（Bin Picking）。工件随机堆叠，需要3D视觉或2D+高度传感器，VisionPro结合PatMax与Blob分析识别最上层可抓取工件，输出抓取点与姿态。这类场景需要处理遮挡、反光和重叠，误抓率是核心指标。
场景四：装配引导。机器人需要把轴插入孔中，视觉不仅定位孔位，还要给出角度偏差，引导机器人进行柔顺装配。此时标定精度和重复定位精度要求更高，常配合力控或浮动机构。
四、集成流程总览
无论哪种场景，集成流程都遵循一条主线：需求分析 → 选型 → Job搭建 → 标定 → 通信联调 → 验证优化 → 部署维护。
需求分析要明确工件尺寸、材质、来料方式、抓取精度、节拍、环境光照等约束。例如工件直径200mm、抓取精度±0.5mm、节拍3秒/件，这些参数直接决定相机分辨率和镜头视野。
选型包括相机、镜头、光源、标定板和通信方式。一个实用的估算方法是：视野宽度除以相机像素数得到像素当量，再乘以定位算法精度（PatMax通常可达0.1像素），得到理论定位精度。例如视野300mm、相机500万像素（2448×2048），像素当量约0.12mm/pixel，理论精度约0.012mm，实际受光照和标定影响会放大到0.05～0.1mm。
Job搭建在VisionPro中完成，典型工具链为：CogAcqFifoTool采集图像 → CogCalibNPointToNPointTool标定 → CogPatMaxTool定位 → CogBlobTool辅助分析 → CogFixtureTool建立坐标系 → 结果输出。每个工具的输出终端可连接到下一个工具的输入，形成数据流。
手眼标定是精度关键。Eye-to-Hand构型下，相机固定，标定板安装在机器人末端，机器人走多个姿态，视觉识别标定板，计算相机与机器人基坐标系的变换矩阵。Eye-in-Hand构型下，相机安装在末端，标定板固定，同样通过多姿态求解。标定后需检查残差，通常要求残差小于抓取公差的1/3。
通信联调要确定数据格式和触发方式。例如视觉发送字符串“X=123.45,Y=67.89,A=30.5,OK”，机器人解析后计算目标点。触发方式可以是机器人到达拍照位后发信号，也可以是PLC发触发信号。
验证优化包括重复定位测试、抓取成功率测试和节拍测试。重复定位测试让机器人对同一工件抓取20次，记录每次视觉输出的X、Y、A，计算标准差。若标准差超过0.1mm，需要检查光源稳定性、标定精度和相机固定刚性。