在工业环境中，“无序抓取”(Bin Picking) 是在机器人的辅助下实现搬运过程自动化的核心工艺。机器视觉技术在识别待抓取的物体时起到了支持作用。然而，这些待抓取的物体可能有无数不同的几何形状，这让抓取过程变得困难重重。现在，MVTec 推出一项新功能，实现了对事先不知道外观形状的物体的可靠抓取。

在 Bin Picking 的过程中，机器人可以从容器中抓取特定的零件，将它们送往加工环节或接下来的过程步骤。在此期间，零件大多杂乱无章地堆放在容器里，在被机器人抓取后，便以正确的定向被摆放在新的位置。该技术在工业价值链中被广泛应用，并在很大程度上实现了物体搬运自动化。Bin Picking 主要应用在制造业的工作流中，如单个零件的组装、缺陷检查或成品包装。

另一个经常使用的领域是内部物流：例如，在连续自动化的高架仓库中，各种各样的物体都存放在箱子 (Bin) 里。为了拣选零件，自动化叉车接近货架、抬起特定的箱子并将其运送到拣选点。在那里，固定安装的机器人将相应的物体从箱中取出，并将它们送往后续的过程链。为了明确地感知和抓取物体，机器人将搭载高分辨率的三维摄像机和集成式图像处理软件。

必须识别出不同的物体几何形状

然而，要想精确识别零件，还有一些挑战需要我们去克服：例如，待抓取的物体可能拥有不同的几何形状。复杂的电子元器件以及食品或药品包装等就属于这种情况。在处理这些庞杂的零件时，为了确保强大的识别率，机器视觉系统在识别每个物体时都要依靠一个详细的模型（使用 CAD 格式的文件）。然而，我们并不是每次都能为系统提供这样的模型，而且这样的模型即便创建起来也费时费力，得不偿失。另一个挑战在于，一个箱子中经常有不同的零件。因此，机器视觉软件必须准确地了解待抓取的物体，以便有针对性地将其从箱子内的各种零件中筛选出来。此外，物体可能出现变形，这就让抓取过程更加困难。

精确识别物体上的接触点

为了充分应对这些挑战，MVTec 开发了新功能“三维抓取点检测”(3D Gripping Point Detection)，并将其整合到机器视觉标准软件 HALCON 的最新版本 22.11 中。借助该功能能够在 Bin Picking 过程中抓取事先不知道外观形状的物体。这项技术能够精确地识别机器人可能的接触点，从而让机器人能够可靠地拾起物体。然而，该方法仅适用于真空抓取器，因此系统只能搬运那些能够被吸取的物体。这项技术的特别优势在于，系统不需要模型，也不需要了解物体外观的其他信息。对于几何形状繁复杂乱、型式种类千差万别的物体来说，这种做法无疑能够极大地优化抓取过程。此外，那些形状谈不上刚性，也就是说那些灵活可变形的物体也能被可靠地抓取。

该技术的核心是一种基于人工智能的深度学习网络。它被训练用于寻找潜在的抓取表面——而不需要知道各个物体的具体几何形状。这不仅提高了在使用 Bin Picking 应用时的灵活性，还在很大程度上节省了成本，因为人们不再需要耗费时间去创建模型了。此外，该技术还有助于进一步提高仓库的自动化程度，优化拣选过程。

总结

Bin Picking 已成为高度自动化工业过程链的一个组成部分。通过可靠抓取事先未知的物体，该技术扩宽了自己在内部物流领域的实际应用可能性。此外，MVTec 还计划在即将推出的 HALCON 新版本中扩展该技术，为其增加后期训练功能。这将使 Bin Picking 应用能够更精确地匹配客户的要求。