学术 | 制造研究
ACADEMIC
049 AUTO DRIVING & SERVICE 2023 . 03
2 机器人视觉抓件技术应用中的问题及原因分析
很多汽车厂商在推进机器人视觉抓件技术的时候感到阻力,
主要顾虑点在于机器人抓件技术成本太高或者故障率太高,无法
正常生产或者大规模推广使用,导致机器人视觉技术应用的整体
效果大打折扣。通过日常使用的数据综合来看,抓件技术应用中
的问题可以归纳为以下 3 种情况,笔者对这些问题的内在原因也
进行了分析。
2.1 机器人视觉抓件成功率低,精度不足
机器人视觉抓件技术的应用过程中,视觉识别的精度经常是
影响正常运行的主要问题之一。造成这种原因的主要原因可以分
为 2 类 :一类是硬件设置的问题,如相机选型、光源布置以及相
机安装方式等不合理,导致视觉成像精度差,从而影响坐标值输
出的准确度,影响到机器人抓件精度 ;另一类是视觉本身的算法
问题、设备参数的调试以及特征点选取等问题,导致输出的坐标
参数与实际的零件坐标差异大,从而影响机器人的抓件精度,频
繁出现零件不进销或者被挤压变形等问题。
2.2 机器人视觉抓件故障率高,稳定性不足
机器人视觉抓件的稳定性问题主要集中在机器人抓手、零件
和零件料框三者之间的尺寸配合问题上,这也往往是机器人视觉
抓件集成过程中难度最大的地方。外协件的料框尺寸在实际投入
使用过程中一致性通常较差,主要由于零件料框由钣金供应商提
供,其尺寸和前期设计均由供应商负责。料框最基本的要求也仅
仅是满足零件的包装运输要求,同时由于成本的控制,其结构强
度不会控制在较高的水平,所以运输过程中经常会出现碰撞变形。
工装抓手的设计往往也仅考虑零件的定位和抓取问题。
所以料框和工装抓手的设计要求出现了脱节,而机器人视觉
抓件技术又需要两者相互配合。这就造成这两者之间的尺寸经常
会出现偏差,导致抓件时抓手与料框干涉、零件与料框干涉等问
题,安全距离设置不足,甚至在后期应用时,抓件识别成功率不
高或者故障率高。
2.3 机器人视觉抓件故障恢复时间长
在机器人视觉抓件项目调试或者生产过程中,由于视觉系统
识别失败或人为操作失误等原因,导致机器人没有按照预设好的
行走轨迹进行零件抓取,造成机器人抓手与料框或零件发生碰撞,
故障严重时抓手完全变形无法进继续进行正常生产。在故障恢复
过程中,除了需要重新校准抓手外,还需要对视觉系统进行重新
校准和标定,整个故障恢复时间相比传统的抓件模式多出 2 h。
长时间的停线影响整体产线的产量输出,对于许多汽车厂商来说
是无法接受的损失。为了应对这种情况的出现,许多汽车厂商在
建设机器人视觉抓件的同时,设有临时人工吊运的旁路。这虽然
能够临时解决停线的问题,但多投入的这些设备和人,在机器人
视觉抓件正常工作时又是一种资源浪费。
3 汽车焊装产线的机器人视觉抓件的优化
针对传统机器人视觉抓件系统存在的问题,要对整个机器人
视觉抓件系统进行优化改进,需要从系统结构、硬件选择、流程
控制以及料框精度和定位等多个方面进行提升,从而实现机器人
视觉抓件系统运行的稳定性。
3.1 机器人视觉抓件系统结构优化
为了提升机器人视觉抓件的成功率和故障率,减少因视觉识
别失败或者料框及零件出现偏差导致设备碰撞引起大的设备故障
停线,需对现有的结构进行优化。在传统的机器人抓件视觉系统
的基础上,增加 2D 的平面相机,融合 2 个传感器数据,建立一
个统一的坐标系,通过融合数据实现轨迹的纠偏,同时也能够实
现视觉系统的快速标定和恢复(图 4)。
整个工艺流程中,当料框到位后,单目相机对料框的标识点
进行拍照,计算出料框的实际中心位姿,并与示教位姿进行对比,
计算出机器人进出料框的轨迹补偿量。同时每次抓件前,单目相
机拍照进行车型的式样差检查,并判断料框物料的托块是否打开
图 3 视觉抓件故障停线占比
螺栓以及小支架自动抓取等。虽然机器人视觉抓件技术的应用范
围越来越广,但实际应用过程中仍然存在着抓件精度不足、故障
率频次高以及故障恢复时间长等问题(图 3),导致整线的生产效
率降低,这对于焊装产线推广应有机器人视觉抓件技术存在着很
大的困扰。如何提升机器人视觉抓件系统的精度和稳定性,成为
各个汽车厂商焊装车间急需要解决的难题 [4]。