|
与传统的机器人解决方案相比，传统的机器人多采用示教型解决方案，由工程师逐点示教，机器人完成机械重复动作，应用局限较大。基于机器人视觉的智能机器人解决方案，通过相机硬件和算法软件相结合为机器人赋予视觉，让机器人可以像人一样思考，完成复杂的动作，极大拓宽了机器人的应用场景，满足企业柔性制造的需求。该系统视觉识别算法可在无任何先验输入情况下，完成对混乱摆放或紧密排列SKU的3D位置识别，并有效规避扎带、打包带、胶带等对视觉系统的影响，实现99.99%的视觉识别成功率。 同时该系统视野可实现对1.8m高标准托盘的全覆盖，可适应90%以上中件仓库对拆垛的需求。 算法先进性：无需前期模板采集和尺寸录入等工序，区别于国内其他视觉公司的模板比对、尺寸比对等方案，有效提高设备柔性，提高设备部署速度和调试速度。 硬件先进性：公司自主研发的3D大视野相机系统，能够适应仓内最高到1.8米的垛型。 项目实施对行业影响和带动作用： 1).实现了海量SKU的识别工作，对仓内光线强弱不敏感且表面颜色、打包带、胶带等箱体表面异物对视觉系统无影响，使机械臂混合拆垛真正有了在仓内推广的可能性； 2).无先验数据输入，不影响仓内任何运营流程，解决工人搬运效率和劳动强度问题，给中件仓的拣选提供了行业标准，且为机器人3D视觉在其他品类仓的大规模应用提供了参考； 3).大视野相机结合机器视觉算法，为机器视觉在大视野、高精度识别方面提供了参考。
项目技术路线和创新点：
1）业界首创无先验输入的视觉识别算法： 3D视觉识别技术目前应用相对广泛的是在工件上下料环节，机械臂对杂乱摆放工件的自动识别和抓取，其通常需要工件三维数模导入视觉系统，然后通过视觉识别的特征来还原工件形态，从而完成对工件的抓取。 对物流行业而言，由于SKU数量巨大，构件三维数模是不可能完成的，因此在针对物流行业的视觉识别方面，目前大部分厂家策略都是进行模板比对，通过前期采集每种SKU表面数据存入数据库中，在工作时相机识别到的特征与模板比对从而还原SKU姿态得出坐标， 使用深度学习来训练视觉算法，但同样遇到的问题是海量SKU的模板录入时间和经济成本，另外录入完成后，仓内SKU实时发生改变或者不规律无预测的外包装的改变都会对视觉识别可靠性造成影响，因此不太适应仓内应用。 无先验输入的视觉识别算法很好的规避掉以上问题，使得无论仓内SKU数量和种类如何变化都不会对视觉识别造成影响，使得大规模应用得到了可能。 2）大视野场景拆垛 在大部分仓库中都是使用标准1.2*1m的托盘，托盘码放高度能达1.8m左右，因此要求视觉识别范围必须要覆盖1.2*1*1.8m的立方体。究其原因是大视野场景下，对光线、异物等的敏感度越来越高，越来越容易受到干扰，因此我公司开发的视觉系统重点是放在在大视野场景下的算法先进性和稳定性上，最终实现的结果就是在大视野场景商用情况下99.99%的成功率。 | 
