基于双目视觉的机械臂无序抓取深度图分割与位姿估计设计_图像与视觉信息处理.docxVIP

PAGE2

基于双目视觉的机械臂无序抓取深度图分割与位姿估计设计

第一章绪论

1.1研究背景

随着工业4.0与智能制造战略的深入推进，传统制造业正经历着从自动化向智能化的深刻转型。在物流分拣、零件装配、拆垛码垛等典型生产场景中，机械臂凭借其高精度、高速度与持续作业能力，已成为替代人工的核心装备。

然而，当前大量工业机械臂仍依赖于“示教-再现”的工作模式，即通过预先编程设定固定抓取点与运动轨迹。这种模式在面对散乱堆放、姿态随机的无序工件时，暴露出显著的适应性缺陷。一旦工件位置发生偏移或姿态改变，系统便无法完成抓取任务，导致生产线停滞。

这一矛盾的本质在于，传统视觉引导系统多采用二维图像处理技术，难以准确获取目标物体的三维空间信息。单目相机无法直接测量深度，而结构光相机虽能获取三维点云，却在成本、速度与抗环境光干扰方面存在短板。

双目立体视觉技术通过模拟人眼视差原理，能够以较低硬件成本重建场景的稠密深度图，为机械臂提供精确的三维感知能力。但现有方案在深度图分割精度、点云聚类效率以及位姿估计鲁棒性方面，仍存在诸多技术瓶颈亟待突破。

表1-1无序抓取核心问题分析表

问题类别

具体表现

产生原因

解决紧迫性

感知维度缺失

无法获取目标三维坐标

依赖二维图像，缺少深度信息

极高

场景适应性差

堆叠遮挡导致抓取失败

分割算法对复杂场景鲁棒性不足

高

位姿估计不准

抓取姿态偏差导致滑落