A SCARA视觉分拣 当一个单元能够解释哪个图像生成了目标、使用了哪个坐标变换、为什么抓取点有效、夹爪是否成功抓取以及零件的放置位置时，该单元的可信度就很高。仅凭机器人运动本身无法证明感知到动作的链条是正确的。
关键外卖
- 在接受检测或姿态估计之前，先确定图像有效性。
- 明确定义相机、工作台面、机器人底座、工具和拾取点坐标系，并进行版本控制。
- 在发出运动指令之前，应考虑屏幕可达性、相邻间隙、工具接近性和夹具兼容性。
- 分别进行检测置信度、拾取许可、抓取确认、放置确认和最终处置。
- 任何可能移动图像、坐标链、目标定义、工具或工作面的更改后，请重新验证。
所选片段支持什么——以及它无法证明什么——
本文所分析的材料展示了一个SCARA型机器人反复接近照明工作区域内的多个平面零件，并在工作区域与附近的容器或目标位置之间移动。这些零件出现在可见区域内的不同位置，机器人重复执行抓取或放置动作。这些观察结果支持对可变呈现、目标选择、平面坐标映射、抓取规划、目标位置控制和异常处理等方面进行有限的讨论。
该视频片段无法识别摄像机、镜头、照明规格、曝光、校准方法、图像处理算法、训练数据、置信阈值、零件尺寸、表面属性、坐标误差、机器人精度、夹爪传感、抓取成功率、分拣正确率、循环时间、剔除逻辑、可追溯性、质量结果、安全架构或已部署的生产性能。因此，EVST 将其用作有限序列证据，而非视觉精度、算法能力、吞吐量、质量、合规性或现场验收的证明。
明场和重复运动并不能证明每一次拾取都是视觉引导的。文章将视觉引导作为认可的主题，并且仅使用视频素材来展示可观察的交互过程，而技术部分则阐述了项目需要验证的内容。
如何规划 SCARA 视觉分类
首先定义目标。列出每个可接受的零件类型、方向范围、可见特征、允许的重叠范围、预期背景、表面状况、允许的遮挡情况以及目标位置。定义当系统无法区分两个零件或无法生成可用的拾取点时应如何处理。未知目标应保持未知状态，而不是被强制归入最接近的已知类别。
接下来，定义采集状态。记录相机和镜头配置、安装方式、照明、工作距离、视场角、对焦、曝光设置、触发方式、图像标识符、时间戳，以及工作区域保持静止的任何要求。系统在使用运动检测结果之前，应先判断图像是否适用于当前物理场景。
然后定义动作状态。检测到的位置只有在满足坐标变换、可达性、工具方向、碰撞或邻近区域间隙筛选、目标位置可用性和夹爪规则等条件后，才会成为机器人的目标。最终状态并非“机器人已移动”，而是确认零件已抓取，随后确认已放置，或者出现受控异常情况。
在信任坐标之前，请先检查图像。
光照、背景、反射、阴影、焦点、运动和物体呈现方式都会影响图像的最终效果。因此，视觉方案应包含图像有效性检查，而不是想当然地认为任何触发帧都可用。有效性规则可以考虑视野覆盖范围、曝光范围、焦点证据、预期参考特征、场景运动或其他项目特定的信号。
此 A3/RIA 机器视觉引导 本文探讨了相机到机器人的标定、稳定的光照以及反馈等系统级问题，这些问题对于机器人导航至关重要。该页面强调了整合图像和机器人计算的必要性，但并未提供该单元的性能结果。
当零件在传送带或其他动态输送装置上移动时，时间戳和运动补偿就成为状态合同的一部分。根据旧帧计算出的目标位置，即使零件已不在当前位置，其几何形状也可能正确。所选视频片段并不代表已确定的移动输送架构，因此这仍需由项目自行决定。
关闭相机到机器人的参考链
编写从图像测量到指令抓取的参考链。根据架构的不同，它可以包含图像坐标、相机坐标、工作台面或传送带坐标系、机器人基座坐标、工具中心点坐标以及零件特定的抓取坐标系。每个变换都需要所有者、方法、存储版本、有效条件和变更触发器。
官方 OpenCV相机标定和3D重建文档 本文描述了相机模型、畸变、标定、姿态和坐标变换。它支持图像测量结果必须通过标定模型进行解释的原则；但它并不验证特定工业单元的硬件、设置或结果。
机器人重复性只是影响最终抓取结果的因素之一。相机安装、镜头性能、工作台面平整度、校准目标、工具中心点设置、夹爪柔顺性、零件高度以及温度或机械变化都可能改变这种关系。项目应使用涵盖所需范围的代表性目标来验证整个流程，而不是用机器人数据表中的数值来代替系统精度。
检测到定位握手表
| 州 | 界定证据 | 允许的行为 | 如果证据缺失或相互矛盾 |
|---|---|---|---|
| 场景准备就绪 | 演示状态、场地清除条件、照明状态、触发权限和所需运动状态 | 获取带有标识符和时间戳的图像 | 不要使用不确定的场景；等待、重新呈现或路由到异常处理。 |
| 图片有效 | 预期领域、曝光、焦点、参考特征和配方标识 | 运行已批准的检测或姿态方法 | 拒绝该帧并保留理由，而不生成机器人目标 |
| 目标分类 | 零件类别、方向、可见特征集、重叠或遮挡规则以及不确定性状态 | 创建候选人接送点和目的地 | 将零件送至未知处置方式、复检方式或受控人工处置方式 |
| 坐标映射 | 校准版本、相机或表面坐标系、机器人坐标系、工具坐标系、目标高度和拾取偏移量 | 在机器人坐标系中筛选候选人 | 阻止运动并诊断无效或超出范围的映射 |
| 允许 | 可达性、进近方式、工具方向、边缘和邻近区域间隙、目的地容量以及区域权限 | 执行已批准的方案和取货顺序 | 选择其他有效目标或输入异常处理 |
| 已确认拘留 | 与选定目标相关的项目专用夹具或部件证据 | 从可用队列中移除目标并将其传输。 | 目标状态保持争议状态；重新映像或恢复，但不要假定成功。 |
| 安置已确认 | 目的地、容量、放行指令、放行凭证以及可选的目的地检查是否正确 | 记录处置情况并允许下一个目标 | 保持零件标识清晰，并使用已定义的复检或恢复路径 |
选择能够控制不确定性的最简单演示策略。
固定的机械装置可以消除大部分位置不确定性，可能只需要进行存在性或方向验证。当光照、零件分离、校准和抓取规则稳定时，位于受控区域上方的固定摄像头可以支持可变的平面位置。而对于更随机、重叠、反射、可变形或高度变化的零件，可能需要额外的传感、装置控制，或者采用不同的机器人和夹爪方案。
视觉系统应减少既定的不确定性，而非为不受控制的进给开脱。添加摄像头还会带来触发、照明、校准、图像有效性、计算时间、目标选择和异常状态等问题。应基于相同的合格部件定义、来料范围、呈现负担、所需方向、目标规则、切换、恢复和验证工作量来比较各种方案。
SCARA 候选方案在任务基本保持平面状态且进给路径和刀具方向与可用轴匹配的情况下最为有效。如果零件需要复杂的重新定向、绕过障碍物或较大的高度变化，则可能需要采用不同的运动架构。这属于应用筛选的范畴，而非性能指标。
确定夹爪实际可以使用的抓取点
检测到的物体可能具有多个几何上可能的点，但只有其中一部分点对工具有效。需定义允许的接触面、边缘距离、相邻间隙、真空或手指接触面、零件刚度、表面灵敏度、所需方向以及工具接近方式。如果目标距离其他零件或区域边界过近，正确的操作可能是等待、重新定位、选择其他目标或将其作为例外情况处理。
拾取点规则应考虑零件高度以及观测平面与实际接触平面之间的关系。若平面图像坐标未包含必要的高度或深度假设，则可能映射到错误的机器人目标。项目必须说明何时可以使用固定高度假设，以及如何检测或控制高度偏差。
发出指令后，仍需证据才能确定是否扣押。真空状态、手指位置、部件在场感应、重量、图像复核、目的地确认或其他方法均可作为证据。任何信息都不应仅凭录像推断，也没有任何单一信号能够普遍适用。
将未知状态、拒绝状态和重新检查状态分开。
分拣机需要的不仅仅是已接受的目的地。还需要定义未知类别、未检测到、多个或重叠目标、无效图像、无法触及的取货点、抓取失败、所有权争议、目的地错误以及整箱报废等状态。每种状态都需要相应的处理方案、诊断记录、零件所有者以及返回生产线或最终处置的路径。
不要为了避免停止而将低置信度或相互矛盾的结果自动视为最佳猜测。复核可以使用新的图像、更改呈现方式、从第二个角度观察或进行人工审核，但本文并未规定通用的置信度阈值或复核次数。这些数值需要通过代表性验证并符合项目的质量规则来确定。
可追溯性应涵盖图像标识符、配方、校准版本、检测到的目标、选定的拾取点、机器人结果、目的地、异常情况以及操作员干预（如适用）。所需的数据保留和质量记录取决于产品和管理系统。
将生产逻辑与安全相关功能分离
视觉分类和拣选权限属于生产逻辑，除非另有单独指定和验证的安全架构赋予它们其他角色。用于分拣的摄像头结果不应仅仅因为能够看到工作区域就被视为安全功能。
ISO 10218-2:2025 官方源页面描述了工业机器人应用和单元集成在设计、集成、调试、运行、维护和退役等各个阶段的要求。ISO 12100:2010 官方源页面描述了机械设备在相关生命周期阶段的风险评估和风险降低原则。适用的版本、法规、所需性能和验证仍取决于具体的安装情况。
美国职业安全与健康管理局 (OSHA) 的机器人概述指出，编程、维护、测试、设置和调整是重要的非常规机器人危险情境。视觉分拣规划应包括摄像头和照明设备的设置、校准、示教、清除争议零件、夹爪维护、容器更换、恢复和重启——而不仅仅是常规的自动拣选。OSHA 的相关内容仅适用于美国，并非普遍适用的法律结论。
验证完整的感知到行动链
在声明单元就绪之前，构建一个具有代表性的条件矩阵。该矩阵应包含允许区域内的正常部分、边缘位置、方向范围、预期表面变化、受控范围内的光照变化、允许的遮挡、邻近部分、空场景、未知部分、损坏部分、已满目标、拾取失败、掉落部分、过期图像、校准检查失败、受控停止和重新启动等条件。
记录源场景、图像标识符、配方、校准和工具版本、检测到的类别、姿态或抓取点、有效性结果、机器人目标、抓取证据、目的地、处置方式以及观察到的异常情况。将图像评估、机器人运动、抓取控制和最终分拣正确性作为单独的结果，以避免一个成功步骤掩盖另一个失败步骤。
在相机、镜头、照明、曝光、安装方式、工作台面、校准目标、夹具、工具中心点、机器人、控制器、网络、算法、软件或零件配方发生可能影响整个流程的变更时，应重复进行既定的检查。数值精度、检测性能、循环次数和验收限值必须来自实际项目。
四项有界可引用的陈述
声明 1： 当图像有效性、目标标识、坐标映射、抓取权限、抓取控制权和放置确认作为独立状态存储时，视觉引导分拣更容易诊断。这是一种EVST工程方法，而非通用的合规规则。
声明 2： 只有在应用了适用的坐标链、工具偏移、目标高度、可达性和间隙规则之后，检测到的图像位置才能成为机器人目标。
声明 3： 机器人成功移动本身并不能证明检测正确、坐标映射正确、抓取成功或分类处置正确。
声明 4： 所选录像支持观察 SCARA 在可变平面零件位置上的重复拾取或放置运动，但不能确定视觉准确性、拾取成功率、分拣正确性、周期时间、质量、安全性能或部署情况。
TRACE审查模型
EVST 使用 TRACE 作为早期愿景分类评审的规划辅助工具。它用于整理项目问题，但不能取代代表性试验、校准验证、机械风险评估、安全验证或验收规范。
- T — 目标定义： 零件类别、方向、可见特征、允许重叠、拾取表面和目标位置。
- R — 参考链： 图像、相机、工作台面、机器人底座、工具、零件和目标坐标系。
- A — 获取有效性： 照明、焦点、场、触发器、时间戳、场景状态和配方。
- C — 监护权： 抓取许可、夹爪证据、目标队列、释放和放置确认。
- E — 例外情况和演变： 未知、重新检查、拒绝、恢复、更改触发器和重新验证。
SCARA视觉分类概念的项目输入
准备代表性零件样品、类别清单、图纸和质量、表面和颜色变化、来料位置和方向范围、重叠和遮挡规则、背景和展示方法、目标目的地、可接受的分拣规则、未知和不合格路线、所需的可追溯性、照明限制、可用区域、工作距离、相机安装选项、夹爪接触限位、零件高度范围、SCARA 工作范围、上游和下游信号、目标可接受输出、转换需求、可用占地面积、维护任务和安装国家/地区。
有关相关背景信息，请参见 EVST SCARA 应用指南， 机器人物料搬运概述，并 工业自动化生产线集成概述这些页面涵盖了广泛的机器人和搬运选择；本指南仅限于从图像到协调到拣选到处置的证据链。
案例
- 自动化推进协会——SCARA应用概述
- A3/RIA — 用于机器人导航的机器视觉
- OpenCV——相机标定和3D重建
- ISO 10218-2:2025 — 工业机器人应用和机器人单元的机器人安全要求
- ISO 12100:2010 — 机械安全、风险评估和风险降低
- OSHA机器人概述
常见问题
视觉检测坐标是否直接传递给 SCARA？
它应依次经过预设的相机、工作台面、机器人底座、工具和零件参照链，然后依次进行目标高度、可达性、接近度、边缘、邻近区域和目的地检查。具体的参照链取决于相机位置和单元架构。
单元格应如何处理不确定或重叠的部分？
避免走既定的自动流程。项目可以采用重新展示、更换图片、使用辅助视图、选择其他目标、拒绝路由或人工审核等方式，但项目状态和最终处理结果必须保持可追溯性。
如何确认预测成功？
使用项目特定的保管证据，例如真空状态、夹爪位置、零件存在检测、图像复核、目的地确认或其合理组合。仅凭运动指令或预期时间不足以证明已获取目标零件。
哪些变化会触发重新验证？
相机、镜头、照明、曝光、安装、工作台面、校准目标、夹具、工具中心点、机器人、控制器、网络、算法、软件、零件、配方、演示或目的地的变更可能会影响整个流程，因此应在变更控制下进行评估。