需求

目前的企业应用在当前主要包括原料或成品包装的拆垛码垛、装车卸车、出库入库等，以及生产中零部件的机床上下料等，目标物体形态包括箱子、软包和各类规则或不规则的零部件，具体的应用场景非常的丰富和多样。

实际场景，主要存在以下挑战：

1. 需求多样化，标准化程度低：不同行业之间、同一行业的不同工序之间、甚至同一客户同一工序的不同场地之间，在系统层面都存在一定程度的差异化需要定制处理，在系统工作站层面几乎极少有可以直接复制不做任何定制改动的项目，这对项目实施承担方的工作难度和服务要求极高；

    

2. 标准物体如箱子和软包的视觉识别已经可以高度标准化，但更多的不规则和异形物体的混合识别需要通过AI来进行，识别的范围目前还比较有限，随着技术进步正在不断扩展当中，但目前技术水平还不是万能的；

    

3. 速度和节拍：不同的场景差别很大，在某些高吞吐带宽的工位上，极端节拍可能需要到1600件/每小时，这对于无序抓取的视觉和运动控制两方面都是一个非常大的挑战；

    

4. 安全性：如何在实际生产中防止或避免人员伤亡事故，是机器人部署数量上来之后需要在系统层面解决的下一个重要课题；

方案

项目应用及核心技术点

1. 3D相机硬件：提供丰富的3D工业相机型号选择，具备高精度、大视野及多种量程选择，满足各类工业机器人Eye-in-Hand或Eye-to-Hand的使用需求；

    

2. 基于AI的物体识别和分割能力，常见类型的物体软件需要能够标准化，可简单完成落地实施；形状复杂的异性物体可通过现场数据采集，由工具化的流程完成模型更新；

    

3. 3D视觉+机器人的系统协同：包括手眼标定以及节拍的速度优化，在某些工位的工作节拍需要高达每小时1000件以上，极端需求可能有1600件的超高要求。

    

解决方案：

1. 3D工业相机：

   距离2米以内的箱子和软包的拆码垛可选用图漾的FM系列3D相机；距离2米以上、或物体形状尺寸难度增加的可选用PM系列相机；复杂小型异形件可选用PS系列相机。

    

2. AI算法：

   联合使用RGB和3D数据进行物体识别和分析的算法软件，一般规则物体基础模型可以胜任，复杂异形物体可能需要进行数据采集和模型更新，可以通过工具软件简单操作完成。识别难度特别高的复杂件混合识别分割可能需要专门的定制开发。

    

3. RVS软件开发平台：

   基于现场项目的定制复杂度和普遍性，这套整合了机器人和视觉开发大量基础算法、工程模板和常用工具的图形化低代码开发工具平台，可以帮助集成商客户进行方便的二次开发，提高项目实施能力和带宽。

END