三维位姿识别
通过点云获取工件位置和姿态，为无序抓取、上下料和定位装配提供空间参数。
解决方案
面向具身智能的机器人三维视觉引导
面向无序抓取、柔性上下料、二次定位、焊缝跟踪和装配引导，以三维相机为机器人提供环境与工件的空间感知，通过点云分割、位姿匹配、手眼标定和路径计算，将视觉结果转换为机器人可直接执行的抓取位姿、偏移补偿或连续作业轨迹。
为机器人建立稳定的三维感知与作业坐标，让设备能够识别真实工件、理解空间关系并完成柔性操作。
核心优势
围绕三维采集、数据处理和现场集成建立完整方案能力。
适应现场位置偏差
针对来料位置、装夹和设备状态变化进行视觉修正，减少固定示教对现场一致性的依赖。
机器人系统集成
配合视觉软件、控制器和复合机器人平台，将识别结果传递给机器人作业流程。
方案参数
从适用对象、数据输入、输出结果与部署方式了解方案配置。
- 适用对象
- 料框工件、机床工件、焊缝和待装配零件
- 输入数据
- 三维点云、深度图和现场标定关系
- 输出结果
- 工件位姿、抓取位姿、作业轨迹或偏移补偿量
- 部署方式
- 固定相机、机器人眼在手外或眼在手上
典型应用方式与工作流程
应用方式用于说明常见部署形态，流程步骤用于说明方案从输入到输出的基本链路。
无序抓取
识别料框内工件的空间姿态，向机器人提供可执行的抓取位姿。
机床二次定位
识别加工件实际位姿并计算偏移，补偿装夹和热变形带来的位置误差。
焊缝跟踪
扫描焊缝位置，提取起止点或轨迹并在作业过程中提供偏移补偿。
- 01
采集
在机器人作业前获取目标区域的三维数据。
- 02
识别
分割目标并识别工件、焊缝或定位特征。
- 03
求姿
结合标定关系计算机器人坐标系下的位姿或路径。
- 04
执行
将结果发送给机器人并完成抓取、定位、焊接或装配。
配套算法与软件
根据方案任务组合视觉工具、三维算法和软件模块。
点云分割
从料框、工装或复杂背景中提取目标工件和作业区域。
位姿匹配
根据模型或几何特征计算目标的六自由度位姿。
轨迹提取
为焊缝、打磨、涂胶等连续作业生成可转换的三维路径。
常见问题
固定相机与机器人眼在手上应如何选择？
固定相机适合视野稳定、节拍明确的工位；眼在手上适合需要覆盖多个视角或大范围作业的场景，最终需结合空间、精度、遮挡和机器人动作范围确定。
料框堆叠、遮挡和工件姿态变化会影响识别吗？
方案会利用三维点云分割、模型匹配和可抓取性判断处理姿态变化，但仍需使用真实来料验证堆叠密度、表面反光、遮挡比例和末端执行器可达性。
能否接入现有机器人与控制系统？
可通过视觉软件、控制器或 SDK 输出机器人坐标系下的位姿和路径，并按照现有机器人品牌、通信接口、现场节拍与安全逻辑完成集成。