DaoAI 3D 機器人視覺實現汽車零部件無序料箱抓取

隨着具身智能趨勢的發展，激光雷達割草機器人等設備對 3D 抓取與引導功能提出了更高要求。在汽車零部件生產領域，無序料箱抓取的 6D 位姿問題也亟待解決，微鏈道愛 DaoAI 3D 機器人視覺應運而生。

用戶場景：某頭部汽車零部件供應商的生產線上，主要負責生產汽車發動機的各類零部件。在零部件的上料工序中，零部件被無序放置在料箱內，需要將其準確抓取並放置到指定的加工位置。檢測對象就是這些形狀各異、擺放無序的發動機零部件。

痛點：傳統的抓取方式存在诸多問題。一方面，由於零部件擺放無序，人工抓取效率低下，每小時僅能完成約 60 次抓取，且人力成本高。另一方面，人工操作容易出現漏抓、誤抓的情況，漏抓率達到約 5%，誤抓率約為 3%。在具身智能趨勢下，激光雷達割草機器人等設備都在追求更高效的 3D 抓取與引導功能，汽車零部件生產也急需提升無序料箱抓取的效率和精準度。

技術原理

DaoAI 3D 機器人視覺采用自研 3D 相機進行成像。該相機利用結構光原理，通過投射特定的結構光圖案到物體表面，然後由相機捕捉反射回來的圖案變形情況。由於不同形狀和位置的物體對結構光圖案的反射和變形不同，根據三角測量原理，就可以計算出物體表面各點的三維坐標，從而實現對零部件的三維形貌重建。

• 在 6D 位姿估計方面，采用深度學習算法對重建後的三維點雲數據進行分析。通過大量的標注樣本進行訓練，模型能夠學習到不同零部件的特征和空間姿態信息，從而準確預測出零部件的 6D 位姿。
• 對於無序料箱抓取，系統會根據 6D 位姿信息規劃出最佳的抓取路徑。考慮到料箱內零部件的相互遮擋和空間布局，算法會避開障碍物，確保機械臂能夠準確、穩定地抓取目標零部件。
• 在塗膠、裝配和上下料引導過程中，系統會實時監測機械臂的位置和姿態，並與目標位置進行對比。通過腦·眼·體閉環控製，不斷調整機械臂的運動軌跡，實現亞毫米級的手眼協調，保證操作的高精度。

微鏈道愛解決方案與產品

以 DaoAI 3D 機器人視覺為核心，該產品具備高精度的 6D 位姿估計能力，能夠準確識別無序料箱中零部件的位置和姿態。在落地做法上，首先將自研 3D 相機安裝在合適的位置，對料箱內的零部件進行實時掃描和成像。然後，通過 6D 位姿估計算法對成像數據進行處理，得到零部件的準確位姿信息。接着，將這些信息傳輸給機械臂控製系統，規劃出最佳的抓取路徑。

DaoAI 3D 機器人視覺實現了腦·眼·體閉環，讓機械臂的操作更加精準高效。

量化成效：使用 DaoAI 3D 機器人視覺後，抓取效率大幅提升，每小時可完成約 180 次抓取，是人工抓取效率的 3 倍。漏抓率降低至 <0.5%，誤抓率降低至 <1%，大大提高了生產的準確性和穩定性。同時，由於實現了自動化操作，減少了人力成本，生產節拍也得到了有效控製。