Bumblebee X 立体相机提升工业自动化中的立体深度感知-电子发烧友网

深度感知对仓库机器人应用至关重要，尤其是在自主导航、物品拾取与放置、库存管理等方面。

通过将深度感知与各种类型的3D数据（如体积数据、点云、纹理等）相结合，仓库机器人可以在错综复杂环境中实现自主导航，物品检测，灵活避开障碍物，精准拾取目标物品，将其准确无误地放置在特定位置，同时有效优化仓库空间布局，提升作业效率。

仓储应用

3D视觉技术

3D传感器是支持现实场景深度感知测量的基础技术。常见的3D视觉技术如立体相机、激光雷达、渡越时间相机和激光三角测量。

3D技术的选择取决于具体的应用和需求，每项技术都有其独特的优势。例如，激光雷达和激光三角测量技术，由于内置诸如旋转镜等运动部件，因此不适合在恶劣环境中使用。

立体相机不易受到阳光直射的干扰更适合户外应用场景。立体相机的成本通常低于其他3D传感器。立体相机在计算图像中的3D数据时，相较于上述其他技术，需要更高的计算能力。部分立体相机配备了板载处理能力，从而减轻主机的数据处理负担。

此外，在某些应用场景下，物体的识别依赖于彩色图像，而彩色点云则能提供更丰富的情境感知。相较于其他常见的3D视觉技术需要额外配备彩色相机，立体相机则能提供彩色图像与彩色点云。

这往往是在范围与精度之间做出的一种权衡考量。例如，远程传感器的精度相对较低，而短距离传感器则具有较高的精度。在测距能力方面，激光雷达具备最远的测距能力，其次是立体相机，最后是渡越时间传感器。激光三角测量的覆盖范围虽然最短，但其精度却更高。自主导航和障碍避让功能需要较长的探测范围，而物品拾取与放置操作只需中等范围的覆盖即可。近距离范围探测主要用于物体的识别与检查。

· 各种3D视觉技术范围和精度的平衡 ·

立体技术广泛适用于大多数仓库机器人的应用场景。它能提供灵活的覆盖范围和足够的精度性能。它拥有较低的成本优势，能够轻松适应恶劣环境条件，同时提供物体识别所需的彩色图像。

立体成像概述

立体成像技术模拟人类视觉中的3D感知原理。人类的双眼从两个不同视角观察同一场景，可以通过视差（即两个不同视角下物体位置的位移）推断出距离。

在立体成像系统投入使用前，必须进行一次性相机校准，在每一帧图像中，相机首先捕捉原始的左右图像，随后，在矫正步骤中，使用前期校准得到的信息。经过矫正的图像被传递至立体匹配步骤，生成视差图。最后，通过三角测量步骤将视差图转换为3D点云。

立体相机的关键设计驱动因素是3D精度。深度误差由以下公式得出：ΔZ d。它取决于以下因子：

“Z” = 范围

“B” = 基线，即两台相机之间的距离

“f”= 像素中的焦距，与相机视野及图像分辨率相关。

基于此公式，深度误差随范围的增加而呈二次方增长。这是立体相机在远距离操作中面临的一个主要局限性。为了减少误差，我们可以采取多种措施，例如延长基线长度、提高分辨率或缩小视野范围。

立体工业相机的应用

使用自主移动机器人（AMR）的仓库机器人技术

深度感知对仓库机器人应用至关重要，尤其是在自主导航、物品拾取与放置、库存管理等方面。

自主移动机器人（AMR）应用中标准立体相机的特征：

高帧率

低延迟

坚固可靠

校准保留

宽视野

远距离工作能力

适用于室内外的高动态范围

使用拾取与放置机器人的仓库机器人技术

立体相机仓库机器人另一个应用是拾取与放置作业，这类机器人能够精准地拾取零件或物品，并将其放置到其他位置。

该应用的关键组件包括一个用于感知周围环境的视觉系统、一个用于数据处理制定决策的控制系统，以及一个带有夹具或吸盘用于操控各种物体的机器人手臂。

相较于人工拾取与放置，这类机器人的优势主要体现在其更高的准确性和一致性上。它们具备出色的环境适应性，能够灵活应对各种变化，同时高效执行重复性任务，从而释放人力，使之投入到更为复杂的作业中，最终推动生产力和效率的双重提升。

拾取与放置机器人应用广泛，涵盖装配、托盘化、去托盘化和箱子拾取等多个领域。以箱子拾取为例，其目标是从容器中移除随机放置的物体。首先，视觉系统需要识别和定位物体，随后计算其方位，确保夹具能够正确拾取。然后，控制系统规划出机器人的移动路径，有效避开途中的障碍物。最后，机器人顺利拾起物体，并将其放置于指定位置。

自拾取与放置机器人应用中标准立体相机的特征：

高精度

低延迟

坚固可靠

校准保留

扬尘/潮湿的工业环境

针对不同大小的物体，需要在视野和工作距离上具备灵活性。

Bumblebee X 立体相机赋能工业自动化

新一代的Bumblebee X 立体相机，提供高分辨率、优异的精度和先进的板载处理能力。此外，其出色的工业设计、IP67 防护等级和5GigE 接口确保其能稳定集成在工业环境中。

Bumblebee X 的主要特点包括：

高分辨率与高精度

利用强大的立体算法的板载处理