实现可靠的无序抓取，即使是未知的物体也能正确识别收藏

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

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。