- 08/08
- 2025
-
QQ扫一扫
-
Vision小助手
(CMVU)
OPT多合一集成方案,构建从感知、决策到执行的应用闭环,超3万个工站、400+自动化产线验证,以快、准、省三大核心优势助力千行百业提质增效。
物流自动化分拣应用挑战
国内日均包裹运送量达数亿级,其中分拣工作最为繁琐,传统人工分拣效率低、招工难,自动化分拣势在必行。
自动化分拣在实际落地中面临以下挑战:
1.包裹品类繁杂且物理特性(尺寸/形状/材质)差异大;
2.包裹在传送带上排列无序且密集。
这些因素增加了包裹识别难度,导致抓取定位不精准、分拣效率低、漏拣率及破损风险高。
常规方案局限
OPT三维视觉引导“自动分拣”方案
依托双目散斑结构光3D相机和SmartWorks视觉软件,精准识别包裹类别,解析复杂堆叠结构;同时,通过优化机械臂的抓取位姿、策略,提高分拣效率,降低包裹破损率。
方案视觉系统组成
三步精准识别解析,解决包裹分拣难题
· 高精度手眼标定
根据实际检测范围和镜头焦距等选择相机安装方式。
使用高精度标定板,通过3D相机采集机械臂在不同位姿下的标定板图像,依托视觉软件计算相机坐标系与机械臂坐标系之间的转换关系,输出误差供用户确认
采集标定板图像
· 图像分割与位姿计算
在完成对包裹的RGBD图像采集后,视觉软件对图像进行实例分割,精确识别每个包裹类别,将其从背景中分离出来;再从分割后的图像中提取深度信息,生成点云模型,计算包裹抓取点以及空间位姿。
包裹中心点及位姿计算
· 引导机械臂抓取
在确定包裹计算的3D信息与机械臂坐标保持一致后,将计算结果发送给机械臂控制系统实现抓取。
双重优化升级,提高抓取效率和成功率
· 顶层优先抓取提高效率
计算实例分割后各区域的外接矩形中点,基于深度信息对区域包裹进行高度排序,结合矩形度策略,筛选出位于顶层且结构完整的目标包裹,提高抓取效率和成功率。
筛选顶层待抓取包裹
· 精准抓取控制降低破损率
运用RANSAC算法拟合点云平面,精确计算出该平面中心点及法向位置,为机械臂提供最佳抓取位置和角度基准。
针对不同类型包裹,设计差异化抓取方案, 通过速度、吸力、压力的智能匹配,实现高精度、零破损的智能化抓取。