一、3D视觉无序抓取概述

大家好，我是你们这门课的主讲。在工业自动化领域摸爬滚打了十几年，我见过太多「看着很美、落地很痛」的项目了。今天咱们聊的无序抓取，就是其中一个典型。

什么叫无序抓取？说白了，就是让机器人从一堆乱糟糟的工件里，准确地把目标捡起来。你想想看，传送带上零件东倒西歪，料框里工件层层叠叠——传统的振动盘、治具搞不定，人工又太慢。这时候，3D视觉就派上用场了。

1.1 为什么需要3D视觉？

2D视觉做了这么多年，为什么还要上3D？我举个真实例子。几年前有个汽车零部件项目，用2D相机抓取刹车盘。工件是黑色的，背景也是黑色的，2D死活分不出来。后来换成3D，深度图一打，轮廓清清楚楚。

3D视觉的核心优势就三条：

• 不受光照影响——结构光、激光三角测量，自己带光源
• 能处理堆叠——深度信息可以区分前后层
• 输出6D位姿——X、Y、Z、Rx、Ry、Rz，机器人直接能用

嗯，这里要注意：3D不是万能的。碰到高反光、透明件，照样头疼。后面章节我会专门讲怎么「治」这些难搞的材料。

1.2 工业中的典型应用场景

我这些年跑过的现场，3D无序抓取主要集中在以下几个领域：

行业	典型工件	难点
汽车零部件	刹车盘、曲轴、连杆	金属反光、油污、尺寸大
3C电子	手机中框、PCB板	小件、薄片、易划伤
物流仓储	快递包裹、周转箱	尺寸多变、表面纹理少
食品饮料	瓶罐、包装盒	透明、反光、卫生要求高
金属加工	铸件、锻件、毛坯	形状不规则、毛刺多

每个行业都有自己的坑。我记得做3C项目时，手机中框只有几毫米厚，3D相机稍微没标定好，抓取位姿就偏了。后来我养成了一个习惯：先做可抓取性分析，再动手部署。

1.3 课程整体框架

这门课一共30章，我把它分成四个阶段。你跟着走下来，基本能独立搞定一个无序抓取项目。

1.4 学习目标

学完这门课，我希望你能做到三件事：

1. 能独立完成3D视觉系统的标定——从相机内参到手眼矩阵，每一步都知道为什么这么做
2. 能调试并部署一个无序抓取项目——从点云采集到机器人抓取，全流程跑通
3. 能解决现场80%的常见问题——标定误差、抓取失败、节拍不达标，知道从哪入手排查

1.5 你需要准备什么

硬件方面，我建议你手头有：

• 一台3D相机（结构光或双目都行，后面会讲怎么选）
• 一个六轴机器人（或者至少能连上仿真环境）
• 标定板（棋盘格或圆点阵，第17章会教你怎么做）

软件方面，我们会用到：

• Python 3.8+
• Open3D / PCL（点云处理库）
• 机器人SDK（具体品牌后面会讲）