3D视觉技术已成为工业机器人抓取工作顺利进行的技术保障，直接影响到工业机器人领域应用与性能。在我国工业发展中，工业机器人是重要的技术支撑力，且在制造或物流等多领域中得到了越来越广泛的应用。为更深入明晰3D视觉传感器技术在工业机器人抓取机操作中的运用，以下内容主要研究了3D视觉技术在识别与定位对象中的优点和缺点，并归纳出了工业抓取操作中机器人3D视觉系统的主要技术，包括了3D表面图像技术和视觉处理方法等。
一、3D视觉技术优劣势
(一)优势
一是数据采集的丰富性。3D视觉传感器可以检测出传统2D技术所无法获得的图形数据，包括物体平直度、表面角度和体积等与形状相关的特征参数。二是测量稳定性较强。3D传感器通过将每个元件都紧密的固定在同一个光机械元件上，从而避免了重复性问题，其焦点相对于发射器和成像器平面锁定在位，同时具有调节了温度的作用，便于感应器准确校正由于金属运动而产生的位移问题。三是准确度和重复性都更高。利用3D传感器的深度检测功能，就可以有效避免因物体位移变化而造成的时间偏差。基于此，物体即便在其检测时间内更改位置，仍可得到精准的结果。这些方法大大减少了物体固定要求，也减少了信息系统建设和维管投入。四是多传感器的拼接。3D视觉传感器可以利用一个伪像拼接出多个扫描仪的3D点云，得到通用坐标系。五是可进行精密机器人视觉指导。工业机器人的工作环境为三维世界，借助3D视觉传感器，工业机器人可感知到物理环境变化，并结合探测到的数据作出相应调整，确保了其应用的灵活性、实用性与效率。
(二)劣势
一是点云空洞。点云数据主要来自于反光、透明的网状物体上。当使用3D相机拍摄点云数据之后，难免会发生信息丢失现象，而丢失的点云数据也将产生点云空洞。二是点云粘连。当几个东西很杂乱的堆积在一起或是二个东西在彼此接近时，不同东西上的点云就发生粘连现状，需进一步解决点云稳定与分割问题。三是点云密度缺乏一致性。物体外表和3D相机之间的相对位置、物体表面颜色是影响点云密度的主要因素，会导致目标场景的点云密度不一致，加大了点云处理算法难度。四是速度较慢。3D视觉传感器需面对庞大的数据处理工作。3D相机分辨率与采集的点云质量呈正相关，亦即分辨率越高，点云质量就越好，亦可以抓取到物体表面上细微的几何特征，继而加大视觉传感器数据处理量。
二、工业机器人抓取中的3D视觉系统设计
(一)合理选择3D相机
图1 3D相机选择
在选用3D相机时，应把镜头和目标环境之间的距离和目标环境大小都充分考虑在其中。目标镜头尽量设在相机中间视区附近，并尽量不超过近视区和远视区范围。而3D相机图像质量要满足应用镜头的抓取需求。在工业机器人的抓取过程中，工作距离越大，3D相机的视野面积就越大，但图像精度也较小。另外，相机清晰度、点云捕获效率等都是衡量3D成像技术的关键性参数。相机清晰度也是反映点云数量多少以及对图像细节刻画水平的关键因子，甚至也和点云处理算法设计有关。从技术方面考虑，点云的时间和点云处理算法的运行时间都要满足抓取应用需求。为挖掘3D相机的最大应用价值，工作人员须在选择环节综合考量相机性价比、系统可靠性。
(二)合理选择光源、遮光板
为了避免外部环境光干扰到视觉系统，并保证视觉系统安全性，单位内可适当选用外加光源和遮光板，并避免外部灯光干扰到3D相机图像。
(三)把控视觉系统对机械设计的需求
在固定安装相机时，机器人需手持标定板做手眼标定。为便于进行手眼标定，设计人员还可设计专门的Tool抓持标定板，需预留出相应的空间辅助标定板在手眼标定过程中，以防止干扰机器人工作。或通过对相机进行固定安装，可在变更Tool位姿后，无需重复进行手眼标定操作。在工业机器人手持相机拍照时，需确保抓取作业Tool不会遮挡相机视野。
三、3D表面成像技术
3D视觉传感器会借助表面成像技术去完成工业机器人抓取工作。可将技术细化为以下几个方面。
(一)双目立体视觉(binocular stereo vision)
在拍摄同一个目标场景时，若需同时使用二部相机，则需通过将匹配场景内同一物理目标点投影到另外二幅图像中的像点，并以此得到该点的空间三维坐标。而双维立体视觉的主要任务则是通过标定双目系统，与匹配的同源点。匹配同源点时，可灵活选用相关法、或多扫描线法。这些方法的应用，均需基于目标场景、纹理结构等因素特征。
(二)线结构光三角测量(laser triangulation with sheet of light)
线激光器所投射出来的光平面如果被直接照射到物质表面上时，就会产生窄光的轮廓亮线，即光条。线结构光三角的主要测量思想为借助相机拍摄经线结构光发射器所折射的目标物体，以找寻出物体表面光条所在中心位置上的3D坐标。由此可知当目标物体在与经线结构的光成像系统间进行相对运动时，会同时在多个不同位置进行拍照与测量，并以此获得目标物体整个的三体表面轮廓。由此，可以把线结构光三角测量的作用着重在解决标定相机及其设备与光平面间的相对位置，有效标定了目标物体和成像设备之间的相对运动，从而找寻出目标光条的中心点。
(三)编码结构光三角测量(encoded structured light)
编码结构光激光器对目标物质所投射的编码图形，是通过特殊设置的结构图案。在不同的图像编码方式下，镜头均需捕获一张或多个被激光器所照射的标准物体表面图像。利用对比照片中的在物体面上调制的编码光图形和不调制的编码光图形，对在物体面上的3D状貌进行了检测。相比于对直接结构的光三角测量，当编码光照射到一个物质面上后，物质和成像体系之间就不需再发生相对运动，从而可以获取表面全部的几何信息。
(四)飞行时间深度测量(time of flight)
传感器能把调节好的近红外线脉冲发送至目标物质，同时接收由目标物质表面所反射的光脉冲，并通过测量返回脉冲和发送光脉冲之间的相位差，由此确定待测目标物质的深度。
(五)聚焦深度测量(depth from focus)
由于一般相法景深有限，在特定物距下的目标物质表面上仅有一部分点光，可在标准图像水平上清晰的图像。利用这一理论，当实施多焦点图像计算时，3D视觉传感器就可以对不同物距的同一物体进行多次的图像捕捉运算，并从中获得画面上最清晰成像的像点位置，从而测算出图像的各焦点的图像位置。
(六)光度立体视觉(photometric stereo vision)
物体的反射光亮于该物体、光源观察者间的相对位姿有着直接关系。借助在不同角度下对静止的目标物体照明技术时，在每个照明角度下都可使用同一台相机、在同一个固定视角下拍摄目标图像，而高光度的立体视觉技术则可以根据所拍摄图像为基础，估算出目标物体表面的光法向量。
四、结语
综上所述，工业机器人已成为工业领域的重要技术支撑，其在电子商务、物流配送等众多领域都获得了应用。但在常规的搬运、包装等作业过程中，工业机器人多只能根据常规方式完成抓取动作，应对复杂的物品后，也不得不采取机器人识别或分类方法，降低了工作效果。3D视觉技术传感器在工业机器人抓取中的应用，大幅度提升了机器人抓取操作精准度、速度，满足了复杂环境下的抓取工作需求，继而提高了工作成效。
参考文献：
[1]纪苏会. 基于3D视觉定位的机械臂抓取方法研究[D].沈阳工业大学，2022.
[2]陈延峰.3D视觉传感器在工业机器人抓取作业中的应用[J].技术与市场，2021，28(06):45-46+49.
[3]程麒，潘丰，袁瑜键.基于3D视觉传感器的龙门架机器人手眼标定方法[J].光电工程，2021，48(04):30-38.
