在美国，失业率已降到近50年来的最低水平，其中38%的制造业劳动力在箱子和机器之间搬运零件，然而还有50万个工作岗位空缺。人们迫切需要无序抓取系统（Random bin picking）来应对劳动力不足的问题，众多自动化行业的供应商们正努力满足这一需求。近年来每一场自动化设备贸易展都会增加几家新公司，声称它们终于解决了无序抓取的难题[1]。

从一个箱子里随机挑选零件（Random Bin Picking），并将它们精确地放入机器中，这对人类来说是一项简单的任务，但对机器人来说则是一项艰巨的挑战。机器人必须深入箱子的角落，并能够从无数个方向抓取零件，同时避免与箱子、其他零件或工作单元本身发生碰撞。

一个无序抓取系统必须包含3D视觉成像和点云分析、手眼标定、碰撞检测、抓取规划、运动规划等技术，这方面我司曾经做过分享，具体请参考文章《汉振分享 | 机器人如何快速精准地抓取无序散乱工件？——3D视觉目标识别与定位》。

一个3D无序抓取系统基本组成和实现流程如下图所示。

实现这样一个无序抓取系统需要大量的集成和编程工作，所以大多数的无序抓取系统都是部署在大型、复杂的制造商工厂中(如汽车原始设备制造商)。然而中小型企业的劳动力占全球工业劳动力的69%，他们的劳动力最为短缺，比大型制造商更需要无序抓取系统，但他们却面临资金和专业技能不足的问题[1]。

那么应该提供怎样的无序抓取解决方案呢？

首先，一个真正通用的无序抓取解决方案需要能够被非专业人员使用的，可以在几小时内完成配置；

其次，这个系统需要提供稳定可靠的3D视觉识别定位、碰撞检测和机器人路径规划算法，只需要很少或根本不需要进行调优就可以进行工作；

最后，它是低成本的，才能让更多企业，尤其是中小型企业选择使用。

作为用户，采购部署一套无序抓取系统理想流程应该如下图所示。

为此，我司推出了Binpicker 3D智能抓取软件，软件集成了3D点云识别算法、手眼标定算法、碰撞检测与运动规划算法，同时配套我司的视觉控制器可以支持适配国内外多个品牌的3D相机和机器人，提供一站式解决方案（价格是国外同类型产品的三分之一）。

公司的研发人员在产品的易用性和兼容性上做了很多探索，最终我们推出了5步完成无序抓取配置的方案，步骤如下所示。

针对不同的应用场景，我司还配备了全系列3D相机，有专用于检测的TrueD2305M和TrueD2305M+，专用于无序抓取的TrueD2305L和TrueD2303XL。

有人会问，既然你们提供了如此高性价比和易用性的解决方案，是否就可以宣布你们已经解决了无序抓取（Random Bin Picking）问题呢？答案是否定，因为有太多过于复杂的工况是我们无法解决的，在未来可预见的一段时间内，我们仍无法真正替代人工。

如《汉振分享 | 机器人如何快速精准地抓取无序散乱工件？——3D视觉目标识别与定位》中提到，有人将RBP称为机器人应用领域的一座圣杯，我们仅仅是众多挑战这一问题的一员，虽然在全球有不少的RBP系统已经投入商用，国内的初创企业也有不俗进步，不少应用已经能够长期稳定运行在条件恶劣的工厂，但是远未达到“成熟”的程度。

汉振智能作为3D视觉应用的探索者，我们致力于创造出更多、更智能、更经济的产品，助力中国制造企业智能升级。

参考文献：

[1] Eric Truebenbach. Is fully automated bin picking finally here?[DB/OL].https://www.therobotreport.com/fully-automated-bin-picking-finally-here/  2019

更多机器视觉分享，欢迎继续关注“汉振智能”....