DaoAI 3D 机器人视觉助力汽车零部件无序料箱高效抓取

在汽车零部件生产领域，无序料箱抓取一直是个难题。微链道爱 DaoAI 3D 机器人视觉凭借先进技术，为这一问题提供了有效的解决方案。

在当今制造业快速发展的背景下，具身智能的趋势愈发明显。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的要求，而在汽车零部件生产领域，无序料箱抓取的 6D 位姿问题也成为了亟待解决的难题。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。这些形状各异、摆放无序的发动机零部件，给传统的抓取方式带来了巨大的挑战。

痛点：为什么难

传统的抓取方式存在诸多问题。从效率维度来看，人工抓取效率低下，每小时仅能完成约 60 次抓取。这是因为人工操作需要花费大量时间去识别零部件的位置和姿态，而且在抓取过程中还需要不断调整手部的位置和角度，导致操作速度缓慢。从成本维度来说，人力成本高是一个显著的问题。随着劳动力成本的不断上升，企业需要支付高额的工资来雇佣工人进行零部件的抓取工作，这无疑增加了企业的生产成本。从准确性维度分析，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%。这是因为人工在长时间工作后容易疲劳，注意力难以集中，而且对于一些形状复杂、摆放不规则的零部件，人工很难准确判断其位置和姿态，从而导致漏抓和误抓的发生。

之所以难，根因在于零部件的无序摆放和形状的多样性。无序摆放使得零部件之间相互遮挡，增加了识别的难度；而形状的多样性则要求操作人员具备更高的技能和经验，才能准确判断零部件的位置和姿态。此外，人工操作还受到环境因素的影响，如光线、噪音等，这些因素都会进一步降低人工抓取的效率和准确性。

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。与传统的成像方法相比，这种结构光成像方式能够更准确地获取物体的三维信息，即使在光线较暗或物体表面有反光的情况下，也能清晰地成像。

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。传统的位姿估计方法往往依赖于人工设计的特征和规则，对于复杂形状和无序摆放的零部件，很难准确估计其位姿。而深度学习算法具有强大的学习能力，能够自动从数据中提取特征，从而更准确地估计零部件的位姿。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。

典型应用场景

• 涂胶工序：在涂胶过程中，需要准确控制胶的涂抹位置和厚度。DaoAI 3D 机器人视觉通过实时监测零部件的位置和姿态，能够精确引导机械臂进行涂胶操作。难点在于胶的流动性和零部件表面的不平整性，需要系统能够实时调整涂胶的参数。
• 装配工序：在装配过程中，需要将不同的零部件准确地组装在一起。DaoAI 3D 机器人视觉能够识别零部件的 6D 位姿，引导机械臂进行精准装配。难点在于零部件之间的配合精度要求高，需要系统能够保证装配的准确性。
• 上下料工序：在上下料过程中，需要将零部件从料箱中抓取并放置到指定的位置。DaoAI 3D 机器人视觉能够快速准确地识别零部件的位置和姿态，规划最佳的抓取路径。难点在于料箱内零部件的无序摆放和相互遮挡，需要系统能够有效地避开障碍物。
• 缺陷检测工序：在生产过程中，需要对零部件进行缺陷检测。DaoAI 3D 机器人视觉能够通过对零部件的三维形貌进行分析，检测出表面的划痕、裂纹等缺陷。难点在于缺陷的特征不明显，需要系统能够具备较高的检测精度。

落地案例

某大型汽车零部件供应商，其生产规模较大，每天需要处理大量的汽车发动机零部件。在引入微链道爱 DaoAI 3D 机器人视觉之前，采用传统的人工抓取方式，效率低下，成本高昂，且漏抓和误抓情况严重。在上线过程中，微链道爱技术团队首先对现场进行了详细的调研和分析，确定了最佳的安装位置和参数设置。然后将自研 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。接着通过 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，并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。上线前，人工抓取效率为每小时约 60 次，漏抓率约为 5%，误抓率约为 3%；上线后，抓取效率大幅提升至每小时约 180 次，漏抓率降低至 <0.5%，误抓率降低至 <1%。

DaoAI 3D 机器人视觉的应用，让汽车零部件生产的无序料箱抓取变得高效、精准。

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。

本文由人工智能生成。文中客户案例为基于产品真实能力的模拟场景，成效数字为示例性质；官方标定口径以产品页为准。