在具身智能專屬視頻模型開源的大背景下，機器人視覺技術迎來新的發展契機。微鏈道愛 DaoAI 3D 機器人視覺在汽車/零部件行業的無序料箱抓取場景中展現出強大實力。
用戶場景：某頭部汽車零部件供應商，其產線的上料工序中，需要對各種形狀和尺寸的汽車零部件進行抓取和上料操作。這些零部件被無序放置在料箱中，檢測對象包括發動機缸體、變速箱齿輪等多種關鍵零部件。
痛點：具身智能專屬視頻模型的開源為機器人視覺技術發展帶來新方向，但該供應商仍面臨诸多困境。傳統的視覺系統在無序料箱抓取中，漏檢率高達 5%，導致頻繁的人工複檢，增加人力成本。誤報率達到 10%，影響生產節拍，降低了生產效率。而且，當更換不同類型的零部件時，換型時間長達 30 分鐘，嚴重影響了產線的靈活性和響應速度。
技術原理
DaoAI 3D 機器人視覺采用自研的 3D 相機進行成像。該相機利用結構光原理，通過投射特定的光圖案到物體表面，然後根據反射光的變形來獲取物體的三維信息。在 6D 位姿估計方面，運用深度學習算法，對大量的零部件樣本進行訓練，讓模型學習到不同視角和姿態下零部件的特征。這種方法之所以有效，是因為深度學習模型具有強大的特征提取和泛化能力，能夠準確識別出零部件在無序狀態下的 6D 位姿，為後續的抓取操作提供精確的位置和姿態信息。
- 結構光成像：通過投射光圖案，獲取物體三維形貌，為後續處理提供基礎數據。
- 深度學習算法：對大量樣本訓練，學習零部件特征，提高 6D 位姿估計的準確性。
- 腦·眼·體閉環：視覺系統與機器人控製系統緊密協作，實現高效的抓取操作。
- 亞毫米手眼協調：保證機器人抓取的高精度，減少誤差。
微鏈道愛解決方案與產品
以 DaoAI 3D 機器人視覺為核心，該解決方案具備無序料箱抓取、6D 位姿估計、塗膠/裝配/上下料引導等能力。在落地過程中，首先使用自研的 3D 相機對料箱中的零部件進行掃描，快速獲取其 3D 信息。然後，利用深度學習算法進行 6D 位姿估計，確定零部件的精確位置和姿態。接着，通過腦·眼·體閉環技術，將視覺信息傳遞給機器人控製系統，引導機械臂進行準確的抓取和上料操作。同時，配套的 DaoAI AI AOI 軟件系統可對抓取的零部件進行質量檢測，確保產品質量。
DaoAI 3D 機器人視覺憑借先進的技術和高效的解決方案，為汽車零部件行業的無序料箱抓取難題提供了完美答案。
量化成效：使用 DaoAI 3D 機器人視覺後，零部件的檢出率提高到 99.2%，漏檢率降低至 <0.8%，大大減少了人工複檢的工作量。誤報率降低了 -60%，有效提高了生產節拍。換型時間從原來的 30 分鐘縮短至 5min，顯著提升了產線的靈活性和響應速度。