DaoAI 3D 机器人视觉实现汽车零部件无序料箱抓取

随着具身智能趋势的发展，激光雷达割草机器人等设备对 3D 抓取与引导功能提出了更高要求。在汽车零部件生产领域，无序料箱抓取的 6D 位姿问题也亟待解决，微链道爱 DaoAI 3D 机器人视觉应运而生。

用户场景：某头部汽车零部件供应商的生产线上，主要负责生产汽车发动机的各类零部件。在零部件的上料工序中，零部件被无序放置在料箱内，需要将其准确抓取并放置到指定的加工位置。检测对象就是这些形状各异、摆放无序的发动机零部件。

痛点：传统的抓取方式存在诸多问题。一方面，由于零部件摆放无序，人工抓取效率低下，每小时仅能完成约 60 次抓取，且人力成本高。另一方面，人工操作容易出现漏抓、误抓的情况，漏抓率达到约 5%，误抓率约为 3%。在具身智能趋势下，激光雷达割草机器人等设备都在追求更高效的 3D 抓取与引导功能，汽车零部件生产也急需提升无序料箱抓取的效率和精准度。

技术原理

DaoAI 3D 机器人视觉采用自研 3D 相机进行成像。该相机利用结构光原理，通过投射特定的结构光图案到物体表面，然后由相机捕捉反射回来的图案变形情况。由于不同形状和位置的物体对结构光图案的反射和变形不同，根据三角测量原理，就可以计算出物体表面各点的三维坐标，从而实现对零部件的三维形貌重建。

• 在 6D 位姿估计方面，采用深度学习算法对重建后的三维点云数据进行分析。通过大量的标注样本进行训练，模型能够学习到不同零部件的特征和空间姿态信息，从而准确预测出零部件的 6D 位姿。
• 对于无序料箱抓取，系统会根据 6D 位姿信息规划出最佳的抓取路径。考虑到料箱内零部件的相互遮挡和空间布局，算法会避开障碍物，确保机械臂能够准确、稳定地抓取目标零部件。
• 在涂胶、装配和上下料引导过程中，系统会实时监测机械臂的位置和姿态，并与目标位置进行对比。通过脑·眼·体闭环控制，不断调整机械臂的运动轨迹，实现亚毫米级的手眼协调，保证操作的高精度。

微链道爱解决方案与产品

以 DaoAI 3D 机器人视觉为核心，该产品具备高精度的 6D 位姿估计能力，能够准确识别无序料箱中零部件的位置和姿态。在落地做法上，首先将自研 3D 相机安装在合适的位置，对料箱内的零部件进行实时扫描和成像。然后，通过 6D 位姿估计算法对成像数据进行处理，得到零部件的准确位姿信息。接着，将这些信息传输给机械臂控制系统，规划出最佳的抓取路径。

DaoAI 3D 机器人视觉实现了脑·眼·体闭环，让机械臂的操作更加精准高效。

量化成效：使用 DaoAI 3D 机器人视觉后，抓取效率大幅提升，每小时可完成约 180 次抓取，是人工抓取效率的 3 倍。漏抓率降低至 <0.5%，误抓率降低至 <1%，大大提高了生产的准确性和稳定性。同时，由于实现了自动化操作，减少了人力成本，生产节拍也得到了有效控制。