1 物流自動(dòng)化分揀應(yīng)用挑戰(zhàn)

　　國內(nèi)日均包裹運(yùn)送量達(dá)數(shù)億級(jí)，其中分揀工作最為繁瑣， 傳統(tǒng)人工分揀效率低、招工難，物流自動(dòng)化分揀勢(shì)在必行。

　　目前，大部分自動(dòng)化分揀在實(shí)際落地中都面臨著以下 挑戰(zhàn)：

　　· 包裹品類繁雜且物理特性(尺寸/形狀/材質(zhì))差異大;

　　· 包裹在傳送帶上排列無序且密集。

　　這些因素增加了包裹識(shí)別難度，導(dǎo)致抓取定位不精準(zhǔn)、 分揀效率低、漏揀率及破損風(fēng)險(xiǎn)高。

　　2 常規(guī)方案的局限

　　采用物流自動(dòng)化分揀的常規(guī)方案，往往存在以下局 限性：

　　(1)物理特性篩選：常規(guī)方案一般都是利用包裹的形 狀、重量等物理特性，來設(shè)計(jì)機(jī)械裝置實(shí)現(xiàn)簡單分類，每次 篩選只能基于單一物理特性進(jìn)行粗分離，難以應(yīng)對(duì)包裹的復(fù) 雜性與分揀高標(biāo)準(zhǔn)。

       (2)讀碼分離：系統(tǒng)將包裹信息集成在碼上，通過讀碼快速獲取信息，實(shí)現(xiàn)目標(biāo)分割， 其局限在于：制碼操作繁瑣，在分 揀流傳輸中容易破損或被遮擋導(dǎo)致 讀碼失敗。

　　(3)激光雷達(dá)傳感：系統(tǒng)通過 掃描包裹生成三維點(diǎn)云數(shù)據(jù)，利用 空間信息實(shí)現(xiàn)目標(biāo)分類，其局限在 于：高精度依賴于硬件本身性能， 成本居高不下。

　　(4)二維視覺傳感：利用基于 二維圖像的深度學(xué)習(xí)分割方法實(shí)現(xiàn) 高精度分割，其局限是：沒有考慮 物體空間信息，難以實(shí)現(xiàn)對(duì)堆疊包 裹的有效分割。

　　3 OPT三維視覺引導(dǎo)“自動(dòng)分揀”方案

　　OPT三維視覺引導(dǎo)“自動(dòng)分揀”方案依托雙目散斑結(jié)構(gòu) 光3D相機(jī)和SmartWorks視覺軟件，能夠精準(zhǔn)識(shí)別包裹類 別，解析復(fù)雜堆疊結(jié)構(gòu);同時(shí)，通過優(yōu)化機(jī)械臂的抓取位 姿、策略，提高分揀效率，降低包裹破損率。

　　(1)OPT三維視覺引導(dǎo)“自動(dòng)分揀”方案視覺系統(tǒng)組成

　　OPT三維視覺引導(dǎo)“自動(dòng)分揀”方案主要由雙目散斑結(jié) 構(gòu)光3D相機(jī)LSA1和SmartWorks視覺軟件兩部分組成(圖 2、圖3)。

圖1物流自動(dòng)化分揀現(xiàn)場(chǎng)圖

　　雙目散斑結(jié)構(gòu)光3D相機(jī)LSA1：彩色圖、深度圖同時(shí)輸 出;重復(fù)定位精度:1mm;全周期幀率：15FPS;最大視野 長度：3.5m。

　　SmartWorks視覺軟件：全功能平臺(tái);1D+2D+2.5D +3D+Al+視頻+運(yùn)控;零代碼編程;拖拽式&首創(chuàng)引導(dǎo)式;快 速部署;根據(jù)應(yīng)用場(chǎng)景直接調(diào)用黃金方案。

　　(2)三步精準(zhǔn)識(shí)別解析，解決包裹分揀難題

　?、俑呔仁盅蹣?biāo)定：根據(jù)實(shí)際檢測(cè)范圍和鏡頭焦距等選 擇相機(jī)安裝方式(見圖4)。

　　使用高精度標(biāo)定板，通過3D相機(jī)采集機(jī)械臂在不同位姿 下的標(biāo)定板圖像，依托視覺軟件計(jì)算相機(jī)坐標(biāo)系與機(jī)械臂坐 標(biāo)系之間的轉(zhuǎn)換關(guān)系，輸出誤差供用戶確認(rèn)(圖5)。

　?、趫D像分割與位姿計(jì)算

　　在完成對(duì)包裹的RGBD圖像采集后，視覺軟件對(duì)圖像進(jìn) 行實(shí)例分割，精確識(shí)別每個(gè)包裹類別，將其從背景中分離出 來;再從分割后的圖像中提取深度信息，生成點(diǎn)云模型，計(jì) 算包裹抓取點(diǎn)以及空間位姿(見圖6)。

　　③引導(dǎo)機(jī)械臂抓取

　　在確定包裹計(jì)算的3D信息與機(jī)械臂坐標(biāo)保持一致后，將 計(jì)算結(jié)果發(fā)送給機(jī)械臂控制系統(tǒng)實(shí)現(xiàn)抓取。

　　(3)雙重優(yōu)化升級(jí)，提高抓取效率和成功率

　?、夙攲觾?yōu)先抓取提高效率

　　計(jì)算實(shí)例分割后各區(qū)域的外接矩形中點(diǎn)，基于深度信息對(duì)區(qū)域包裹進(jìn)行高度排序，結(jié)合矩形度策略，篩選出位于 頂層且結(jié)構(gòu)完整的目標(biāo)包裹，提高抓取效率和成功率(見 圖7)。

　?、诰珳?zhǔn)抓取控制降低破損率

　　運(yùn)用RANSAC算法擬合點(diǎn)云平面，精確計(jì)算出該平面中 心點(diǎn)及法向位置，為機(jī)械臂提供最佳抓取位置和角度基準(zhǔn)。

　　針對(duì)不同類型包裹，設(shè)計(jì)差異化抓取方案， 通過速度、 吸力、壓力的智能匹配，實(shí)現(xiàn)高精度、零破損的智能化抓取 (圖8)。

　　4 方案應(yīng)用價(jià)值

　　采用OPT三維視覺引導(dǎo)“自動(dòng)分揀”方案，能夠?yàn)槲锪?自動(dòng)化行業(yè)用戶帶來以下應(yīng)用價(jià)值：

　　· 高精度抓取保障：分揀準(zhǔn)確率達(dá)99%以上;

　　· 高效分揀能力：單小時(shí)分揀數(shù)量超1800件，適配高速 物流場(chǎng)景;

　　· 全流程自動(dòng)化：無需人工干預(yù)物料調(diào)整，降低人力成 本，避免操作誤差。