隨著傳統制造業的轉型升級以及“中國制造2025”戰略的推進，工業機器人的應用越來越廣泛。近幾年，大量的工業機器人被應用于裝配制造、分揀包裝、拆垛碼垛等環節，使企業生產過程自動化水平不斷提高，同時企業的生產模式由傳統的以人力為主導轉變為機器人為主導，這種模式的改變大大提高了產品的生產效率，降低了生產成本，同時減小了某些惡劣的生產環境對工人身體上造成的危害。在機器人作業過程中，如何對隨意堆放的零部件或者貨物進行準確的抓取，成為目前行業的應用和研究熱點問題，勃肯特機器人技術團隊在前期已有的技術基礎上，完善升級了3D視覺技術，配合勃肯特串并混聯六軸機器人，開發了基于3D視覺的無序分揀技術。

不同于傳統2D視覺，3D表面成像/重構/測量技術，可用于測量物體表面上點的（x，y，z）坐標，測量結果可表示為深度圖{}。除了測量三維坐標，3D表面成像系統也可輸出物體表面空間點的其他光學特征值，如反射率、顏色等。這時的點云測量結果可一般表示為{} ，其中，為一向量，代表第i個點的光學特征值。如常見的RGB-D（紅綠藍-深度）測量數據可表示為{}。

目前，常見的3D表面成像技術有：雙目立體視覺（binocular stereo vision），多目立體視覺（multi-view stereo vision），線結構光三角測量（laser triangulation with sheet of light），編碼結構光三角測量（encoded structured light），飛行時間深度測量（time of flight），聚焦深度測量（depth from focus），光度立體視（photometric stereo vision）。本方案采用編碼結構光三角測量原理的3D結構光相機。其工作原理為：編碼結構光激光器向目標物體投射經過特殊設計的編碼圖案，基于不同的圖案編碼方法，相機可能需要拍攝一幅或多幅被激光器照射的目標物體表面圖像，通過對比圖像上經過物體表面調制的編碼光圖案與未調制的編碼光圖案可以測量獲得目標表面的3D形貌。

圖1 結構光成像原理示意圖

在視野范圍滿足相機的檢測要求時，調節相機相關參數可獲得相機拍攝的灰度圖和對應的深度圖。

圖2相機獲取的灰度圖

圖3相機獲取的深度圖

在獲取到點云數據后，經過點云濾波、點云分割等點云預處理步驟后，采用FPFH特征描述子對點云的特征進行提取。快速點特征直方圖描述子（FPFH），它是從PFH特征演變而來的具有計算復雜度較低，運算速度較快等特點。

圖4點P的FPFH特征領域

在對目標點云進行特征提取后，選用點云數據全局特征描述子中的 OUR-CVFH特征對分割后的點云塊進行分類，再用模板匹配的方法將模板與分割出來的子目標的點云進行匹配，完成對不同種類物體點云的位姿估計，最終通過與機器人的標定，完成機器人在3D視覺下的無序分揀任務。

圖5不同種類點云分割效果圖