1. 课程导入与系统全景

在智能制造与柔性产线中，机器人要完成抓取、装配、涂胶、检测等任务，前提是它必须知道“目标在哪里、姿态如何、是否合格”。传统示教方式依赖固定工装与重复定位，一旦工件位置、型号或来料姿态发生变化，就需要重新示教甚至停机调整。SICK机器人视觉引导系统正是为解决这类问题而设计：它通过2D/3D视觉传感器获取工件的位置与姿态信息，经视觉控制器或上位软件计算后，把坐标与姿态结果发送给机器人控制器，使机器人能够对随机摆放或输送线上的工件进行定位、抓取与装配。

本课程围绕“如何把SICK视觉系统真正集成到机器人工作站”展开，而不是只讲某一款相机或某一个软件按钮。要建立系统全景，先要理解它的四个基本组成部分及其职责边界。

• 视觉传感器/相机：负责采集图像或点云。常见有2D智能相机（如Inspector系列）、3D视觉相机（如Visionary-T、Ruler3000系列等），分别适用于有无判断、尺寸测量、平面定位和三维抓取等场景。
• 视觉处理与算法软件：负责标定、模板匹配、点云分割、位姿计算。SICK提供SOPAS、Inspector Viewer、Visionary-T配套软件以及Robot Vision Suite等工具，用于配置作业、训练模板和输出结果。
• 通信与坐标变换环节：视觉结果通常以像素坐标、相机坐标或工件坐标表达，必须经过手眼标定转换为机器人基坐标或工具坐标，再通过TCP/IP、EtherNet/IP、PROFINET、Modbus TCP或串口等方式发送给机器人。
• 机器人控制器与执行机构：机器人接收位姿数据后，结合抓取策略、夹具补偿和路径规划完成动作。视觉系统只提供“目标在哪”，不直接决定机器人如何运动。

这四个部分的关系可以用下面的系统全景图表示。图中同时标出了数据流方向与标定关系，便于后续章节逐层展开。

从图中可以看到，视觉系统并不是孤立设备，而是“感知—计算—通信—执行”的闭环。实际集成时，最容易出问题的往往不是算法本身，而是坐标关系、触发时序和通信数据格式。例如，相机给出的是工件在相机坐标系下的位姿，机器人需要的是基坐标系下的目标位姿，中间必须经过手眼标定矩阵变换；如果标定误差偏大，机器人抓取就会系统性偏移。再如，视觉结果需要在机器人到达拍照位、工件稳定后触发，若触发时机不对，图像模糊或工件未停稳，定位结果就会跳变。

典型应用场景可以按“定位维度”和“任务类型”来理解。2D视觉引导多用于平面定位、有无检测、字符识别和尺寸测量，例如输送线上纸箱的抓取、零件正反判断；3D视觉引导多用于散乱堆叠工件的抓取、三维装配对位、涂胶轨迹引导，例如从料框中抓取随机摆放的金属件。不同场景对相机安装方式也有不同要求：Eye-to-Hand（相机固定在支架上，看整个工作区域）适合输送线跟踪和大范围抓取；Eye-in-Hand（相机安装在机器人末端）适合近距离、高精度对位，但需要机器人运动到拍照位。

学习路径建议按“先通系统、再通标定、后通通信与调试”的顺序推进。第一阶段建立系统全景，理解各部件职责和数据流；第二阶段掌握相机选型与安装，能根据视野、精度、工作距离和工件特征选择2D或3D方案；第三阶段重点攻克手眼标定，理解标定板、采样点、残差和坐标系变换；第四阶段完成通信配置与机器人程序对接，把视觉结果变成机器人可执行的位姿指令；第五阶段进入调试与排障，处理定位跳变、抓取偏移、通信超时和节拍不足等问题。每一阶段都应以“能独立完成一个最小工作站”为目标，而不是停留在软件界面操作。

集成目标可以概括为三条可检验的标准：第一，视觉系统能稳定输出目标位姿，重复精度满足抓取或装配要求；第二，机器人能正确接收并解析位姿数据，完成抓取、放置或对位动作；第三，整个工作站能在节拍要求内连续运行，异常时能安全停止并给出可诊断信息。以随机抓取为例，若工件直径约80 mm，抓取精度要求±1 mm，则3D相机的工作距离、点云分辨率和标定残差都需要围绕这个指标来配置；若输送线速度约200 mm/s，则从拍照到机器人抓取的延迟必须控制在允许范围内，否则需要加入跟踪补偿或提前触发。