手动捡工件箱的工作繁琐而缓慢，手动每碰一次零件，工资成本和受伤的可能性都会增加。许多制造工厂的主要目标是最大限度地减少工人执行重复性任务的需求，并使过程完全自动化。这种方法使制造商能够更好地利用熟练劳动力来完成更复杂的任务，并继续优化他们的运营。

　　虽然人类从工件箱中随机挑选物品是一项简单的工作，但这项工作实际上非常复杂，需要实现自动化。由于机器人拣箱需要各种形式的感知和决策，系统必须识别零件的位置和方向，知道箱子的位置，并计算和优168体育维轨迹以到达和提取箱子内容。然后，在开始移动时，机器人必须避开障碍物，包括工件箱本身的内部，取出零件，放在它们应该在的地方，而不损坏它们。

　　为了通过机器人实现有效的工件箱分类，三项关键技术发挥了作用：

　　168体育机器人视觉

　　机器学习能力

　　计算机的处理能力足以快速可靠地执行这一过程。

　　为了理解3D视觉的重要性(这对成功的自动箱柜拣选是必不可少的)，有必要理解2D机器人视觉的发展和应用。早期的拾放系统使用2D视觉技术来识别X和Y平面上的零件。控制器使用这些信息来训练机器人重复这些任务。自20世纪90年代以来，2D视觉系统的发展使得工件箱拾取速度更快，成本更低，设置更快，现在它还包括先进的算法，可以简化特定应用系统的训练。

　　二维视觉是最常见的工业机器人视觉系统，高度发达，相对便宜。它可以定位和拾取物体，因此不需要操作员处理物体和/或建造夹具来固定它。输送机零件传送不需要支架来定位零件。物体可以随机定向，机器人无需组织就能探测到。二维系统具有很少的移动部件，因此简化了自动化单元的操作。

　　然而，2D视觉系统的简单性导致了一些限制。2D系统使用X和Y偏移以及平面的旋转角度来定位零件。物品必须相对平坦，照明必须在组件和背景之间产生足够的对比。可以容忍一些重叠，但是对象应该分散到一定程度，以确保可靠的性能。

　　通过增加第三或Z轴维度的感测能力，3D视觉系统使用X、Y和Z位置在多个自由度上定位零件。由于这种能力，3D视觉可以更容易地对重叠的零件进行装箱分类，甚至可以区分半结构化的物品，例如用塑料或纸质保护支架包裹的零件。3D视觉系统非常适合人类操作员无法忍受的恶劣环境，包括冷冻室。为成功做好准备。

　　为了确保有效的箱柜拾取操作，最佳的摄像机放置对于3D机器人视觉系统是至关重要的，并且取决于所需的部件和操作。当需要大视野时，放置在适当位置的固定摄像机可以看到整个工作空间。机器人拿起零件，机器人处理完零件并返回后，处理器会花时间识别下一个零件的位置。机器人携带的相机的第二个选项也可以观察广阔的区域。定位机器人摄像机并拍照以确定其精确位置。这种安排比固定摄像机设置提供了更多的灵活性，但周期时间较长。第三种但不太常见的摄像机放置方法是在机器人本身上使用一个固定的摄像机。

　　除了摄像头的位置，还有许多其他因素会影响机器人视觉系统保持有效识别可靠性的能力。例如，持续明亮的光源对于拾取操作至关重要。对于2D系统来说尤其如此，它受益于使用安装在机器人上的光168体育克服对背景混乱或照明轻微变化的敏感性。

　　在某些情况下，光可能还需要具有特定的颜色或频率，例如红外照明，以便提高检测精度。物体本身的配置——，包括它的大小和复杂程度，以及零件的大小和摄像头产生的图像的大小3354，也会影响识别的可靠性。

　　当零件被一致识别时，视觉系统可以在箱柜拣选操作中提供许多优势。该系统不需要为机器人组织部件来查看它们，因此在整体操作中提供了更大的灵活性。在没有视觉系统的情况下，需要额外的工具来将零件固定在特定的位置和方式。

　　同样，使用传送带运输零件不再需要支架来将零件定位在特定位置。视觉系统简化了自动化单元的整体操作，因为它最大限度地减少了完成取放操作所需的移动部件和步骤的数量。

　　除了选择机器人视觉系统的硬件组件之外，还需要校准来将摄像机图像与机器人的坐标定向运动系统相关联。

　　在2D视觉系统中，通过使用由已知大小的块组成的网格覆盖的板来调整图像的像素。手眼标定中，摄像头发送零件位置的信息，机器人学习转换成定位信息。校准基本上将摄像机的位置和它看到的东西与机器人坐标系联系起来。

　　使用机器学习

　　结合有效的视觉和校准，机器学习通过补充视觉系统理解和操纵有机部分(即形状因示例而异的对象)形状的能力，在优化任务中发挥了关键作用。机器学习有助于降低配置的复杂性，例如，处理照明差异。

　　有关生产环境和零件本身的大量信息需要相当大的计算能力才能得到有效和全速的处理。工件箱拣选依赖于具有足够处理“肌肉”的机器人控制器，以低周期时间实现自动化。因为每个厂商都想缩短周期时间，所以系统改进和更高的处理能力是提高分拣效率的关键点。为了以最大的速度和效率运行，机器人工件箱拣选系统需要优化的视觉和学习能力，并由大量的计算资源支持。机器人控制器必须具有足够的功率，以提供最大的精度和可重复性以及尽可能最短的周期时间。准确的箱柜拣选依赖于设计良好的系统，该系统具有优化视觉、学习和处理的能力。