在具身智能专属视频模型开源的大背景下，机器人视觉技术迎来新的发展契机。微链道爱 DaoAI 3D 机器人视觉在汽车/零部件行业的无序料箱抓取场景中展现出强大实力。
用户场景：某头部汽车零部件供应商，其产线的上料工序中，需要对各种形状和尺寸的汽车零部件进行抓取和上料操作。这些零部件被无序放置在料箱中，检测对象包括发动机缸体、变速箱齿轮等多种关键零部件。
痛点：具身智能专属视频模型的开源为机器人视觉技术发展带来新方向，但该供应商仍面临诸多困境。传统的视觉系统在无序料箱抓取中，漏检率高达 5%，导致频繁的人工复检，增加人力成本。误报率达到 10%，影响生产节拍，降低了生产效率。而且，当更换不同类型的零部件时，换型时间长达 30 分钟，严重影响了产线的灵活性和响应速度。
技术原理
DaoAI 3D 机器人视觉采用自研的 3D 相机进行成像。该相机利用结构光原理，通过投射特定的光图案到物体表面，然后根据反射光的变形来获取物体的三维信息。在 6D 位姿估计方面，运用深度学习算法，对大量的零部件样本进行训练，让模型学习到不同视角和姿态下零部件的特征。这种方法之所以有效，是因为深度学习模型具有强大的特征提取和泛化能力，能够准确识别出零部件在无序状态下的 6D 位姿，为后续的抓取操作提供精确的位置和姿态信息。
- 结构光成像：通过投射光图案，获取物体三维形貌，为后续处理提供基础数据。
- 深度学习算法：对大量样本训练，学习零部件特征，提高 6D 位姿估计的准确性。
- 脑·眼·体闭环：视觉系统与机器人控制系统紧密协作，实现高效的抓取操作。
- 亚毫米手眼协调：保证机器人抓取的高精度，减少误差。
微链道爱解决方案与产品
以 DaoAI 3D 机器人视觉为核心，该解决方案具备无序料箱抓取、6D 位姿估计、涂胶/装配/上下料引导等能力。在落地过程中，首先使用自研的 3D 相机对料箱中的零部件进行扫描，快速获取其 3D 信息。然后，利用深度学习算法进行 6D 位姿估计，确定零部件的精确位置和姿态。接着，通过脑·眼·体闭环技术，将视觉信息传递给机器人控制系统，引导机械臂进行准确的抓取和上料操作。同时，配套的 DaoAI AI AOI 软件系统可对抓取的零部件进行质量检测，确保产品质量。
DaoAI 3D 机器人视觉凭借先进的技术和高效的解决方案，为汽车零部件行业的无序料箱抓取难题提供了完美答案。
量化成效：使用 DaoAI 3D 机器人视觉后，零部件的检出率提高到 99.2%，漏检率降低至 <0.8%，大大减少了人工复检的工作量。误报率降低了 -60%，有效提高了生产节拍。换型时间从原来的 30 分钟缩短至 5min，显著提升了产线的灵活性和响应速度。