视觉引导机器人的原理是用相机拍到工件,在图像里算出工件位置和角度,再通过手眼标定把这个位置从相机坐标换算到机器人坐标,机械臂按换算后的坐标去抓取或对位。整个过程要串起相机(图像)坐标、机器人基座/用户坐标和工具坐标三套坐标。
相机看到的是像素,机器人认的是自己坐标系里的位置和角度,视觉引导的核心工作就是把这两套「语言」对齐。
视觉引导机器人原理是什么?
视觉引导机器人(Vision Guided Robot)是指由视觉系统提供目标位置、引导机械臂完成抓取、放置、对位或装配的机器人应用。它解决的是「工件位置不固定」的问题:来料摆放有偏差、传送带上位置随机、托盘里每格位置略有不同时,机器人不再只走固定点位,而是每次按视觉给出的结果修正目标点。
整个过程分 5 个环节:

- 拍照:PLC 或机器人发出触发信号,相机采集工件图像。
- 识别:视觉软件用模板匹配或特征提取,在图像中找到目标工件。
- 定位:算出工件在图像中的位置(X、Y)和旋转角度;3D 视觉还会给出高度和姿态。
- 坐标换算:用手眼标定得到的换算关系,把图像坐标转成机器人基座或用户坐标下的位置。
- 机器人执行:视觉把结果通过 TCP/IP 等通信发给机器人,机器人按换算后的坐标(或相对示教点的偏移量)运动,完成抓取或对位。
前三步属于视觉系统,第五步属于机器人,第四步坐标换算是两者的连接点,标定没做好,前面识别得再准,机器人也抓不准。
视觉引导机器人的三大坐标是哪三个?
视觉引导机器人的三大坐标,指相机(图像)坐标、机器人基座(用户)坐标和工具坐标。三者各自的原点、单位和使用者不同:

| 坐标 |
原点在哪 |
单位 |
谁用它 |
| 相机(图像)坐标 |
像素坐标以图像角点为原点;相机坐标以相机光心为原点 |
像素;标定后可换成 mm |
视觉软件:输出工件在图像中的位置和角度 |
| 机器人基座坐标 |
机器人安装基座 |
长度用 mm 或 m、角度用度或弧度,按品牌而定 |
机器人运动指令:描述机器人本体运动 |
| 用户坐标 |
用户在工作台、托盘或传送带上示教的点 |
同基座坐标 |
机器人运动指令:让点位跟着作业平面走 |
| 工具坐标(TCP) |
夹爪、吸盘、焊枪等工具末端;未设置时默认在法兰中心 |
同基座坐标 |
决定机器人「用哪一点」去对准工件 |
几点补充:
- 基座坐标:以机器人安装基座为基准,遵守右手定则。任何机器人都离不开它,它是描述机器人 TCP 在空间中运动的基本坐标系。
- 用户坐标:一般在作业平面上示教三点建立——先示教原点,再示教 X 方向和 Y 方向,Z 方向按右手定则确定。视觉标定时用用户坐标,托盘或工作台整体移动后只需重新示教用户坐标。基座、用户、工具坐标的定义和偏移方法,可参考艾利特官网的CS机器人坐标系偏移技术文档。
- 工具坐标:可以用四点法把 TCP 设到吸盘或夹爪中点。抓取点是工具末端而不是法兰,更换夹具后要重新设置工具坐标,否则视觉给的位置正确,抓取点仍会偏。
也有资料把三大坐标写成「像素坐标、相机坐标、机器人坐标」。这种说法把视觉侧拆成两层(像素坐标 → 相机坐标),机器人侧合成一层,换算链本身是同一条:像素 → 相机 → 机器人基座/用户 → 工具。
机器人与视觉坐标怎么换算?
三套坐标靠两次标定连起来:
- 手眼标定:求相机坐标和机器人坐标之间的换算关系。所谓手眼标定,就是把「手」(机械臂)和「眼」(相机)的坐标系统一起来,让机械手能准确抓到相机定位的目标。
- TCP 标定:求工具末端相对法兰的位置,让机器人知道用哪一点去对准视觉给出的位置。
眼在手上和眼在手外有什么区别?
相机装在哪里,决定手眼标定求的是哪一段关系:

| 对比项 |
眼在手上(Eye-in-Hand) |
眼在手外(Eye-to-Hand) |
| 相机位置 |
装在机械臂末端,随机器人移动 |
固定在支架上,不随机器人动 |
| 标定求什么 |
相机与机器人末端法兰的关系 |
相机与机器人基座(或用户坐标)的关系 |
| 优点 |
可以移动到不同位置拍照,视野灵活 |
拍照和机器人运动可以并行,节拍友好 |
| 注意 |
拍照时要同时记录机器人当前位姿 |
相机或支架被碰动后必须重新标定 |
复合机器人在此基础上还要多一级底盘定位,标定链更长,可参考复合机器人手眼标定的标定链构成与验证方法。
2D 视觉常用的 9 点标定怎么做?
固定相机、平面取料的 2D 场景,常用 9 点标定 + 3 点旋转标定:

- 准备:机器人和视觉设在同一网段并确认通信正常;确认机器人工具 TCP 和要用的用户坐标系。
- 9 点标定:机器人带标定物依次移动到 9 个位置,每到一个位置相机拍照一次,得到 9 组「像素坐标 ↔ 机器人坐标」对应点,由此建立相机坐标和机器人坐标之间的变换关系。
- 3 点旋转标定:TCP 位置不变,只绕 Z 轴转几个角度拍照,让视觉算出的旋转中心与机器人工具 TCP 一致,这样工件带角度时也能抓准。
- 统一单位:机器人和相机的单位可能不一致(例如有的机器人用 m 和弧度,相机常输出 mm 和角度),需要在机器人端或相机端换算。
- 验证:放几个已知位置的工件,检查抓取偏差,合格后再投产。
以艾利特 CS 系列协作机器人搭配 2D 相机的偏移取料为例,常见流程是:视觉在固定高位对产品拍照,算出位置后通过 TCP/IP 把数据发给机器人,机器人走到对应取料位夹取,再去放料。完整配置步骤可参考官网CS机器人视觉引导上下料(2D相机)技术文档。不同厂家相机的 9 点标定顺序可能不同,按所用视觉软件调整。
2D、2.5D、3D 视觉引导有什么区别?
三者的差别在于能给出几个自由度的位置信息:

| 对比项 |
2D 视觉 |
2.5D 视觉 |
3D 视觉 |
| 能给出什么 |
平面 X、Y 与旋转角 |
平面位置 + 高度信息 |
X、Y、Z 与三个姿态角 |
| 适合工件 |
平放、高度一致 |
有高度差、需判断层高 |
散乱堆叠、姿态不定 |
| 典型应用 |
传送带取料、平面对位 |
料盘、料框分层取放 |
无序抓取、复杂曲面 |
| 标定与调试 |
9 点标定为主,较简单 |
平面标定 + 高度补偿 |
三维手眼标定,较复杂 |
选哪种先看工件摆放方式和高度变化,再看精度和节拍。在复合机器人场景中,艾利特旗下迈幸复合机器人采用自研 2.5D + IMU 融合算法,视觉引导精度 ±0.3mm。三种方案各自能做到的精度量级,见视觉引导精度能达到多少;分拣场景怎么选 2D、2.5D 还是 3D,见分拣机器人视觉方案选型。
视觉引导机器人能做什么?
- 定位抓取:来料位置不固定时,视觉给出每个工件的位置和角度,机器人逐个抓取。这是最常见的用法。
- 对位装配:同时拍待抓取的工件和待装配的位置,算出两者偏差,机器人纠偏后再放置或组装,用于贴合、插装等工序。
- 动态抓取:工件在传送带上移动,视觉拍照定位后,机器人结合传送带编码器跟踪位置,在运动中抓取,对通信和节拍要求更高。
- 上下料:从料盘、料框中取料送进设备,或把加工件放回。料盘定位一致性好时不一定需要视觉,判断方法见tray盘上下料要不要视觉。
协作机器人与相机、PLC、夹爪、传送带的系统集成方式,可参考机器视觉与协作机器人集成。
视觉引导精度受什么影响?
最终抓取精度是整条链上误差的叠加,而不只是相机像素:
| 因素 |
怎么影响精度 |
常见改善方向 |
| 相机分辨率与视野 |
视野越大、像素越少,每个像素代表的实际尺寸越大 |
按精度要求反推视野和分辨率 |
| 标定误差 |
标定点不准、标定物不平、单位换算错,误差会带到每一次抓取 |
标定点覆盖作业区域,定期复核 |
| 机器人重复定位精度 |
机器人本身到达同一点的一致性 |
按工艺精度要求选机型 |
| 工件特征与光照 |
特征不明显、反光、阴影会让识别结果跳动 |
优化光源、打光方向和识别模板 |
| 工具坐标与夹具 |
TCP 不准或夹具有间隙,抓取点会整体偏移 |
换夹具后重设 TCP,检查夹具刚性 |
| 安装刚性与温度 |
相机支架晃动、热变形会让标定关系漂移 |
相机支架固定牢靠,环境变化后复标 |
视觉引导能补偿来料位置的偏差,但补不了标定、TCP 和夹具本身的误差。各类误差能补偿到什么量级、剩下的误差怎么控制,见视觉引导能补偿多少误差。
常见问题
视觉引导和机器视觉检测是一回事吗?
不是。两者都用相机和图像处理,但目的不同:视觉引导输出位置,用来告诉机器人去哪里抓、怎么放;机器视觉检测输出判断结果,用来看工件有没有缺陷、尺寸是否合格。同一套相机有时会兼做两件事。
不用视觉,机器人能不能定位?
能。来料位置稳定时,用精密夹具、定位工装或料盘限位,机器人走固定示教点即可;也可以用接触式传感器寻位。视觉的价值在来料位置变化大、品种多、不方便做定位工装的场合。
视觉和机器人配合有几种方式?
按相机安装位置分,有眼在手上和眼在手外两种;按数据交互方式分,视觉可以发绝对坐标,也可以发相对示教点的偏移量;按拍照时机分,有静止拍照和运动中拍照(飞拍)。具体选哪种取决于节拍、视野和精度要求。
标定多久要重做一次?
没有固定周期,出现以下情况就要重新标定或复核:相机、镜头或支架被拆装、碰动;更换夹具或修改 TCP;机器人维修或重新安装;用户坐标所在的工作台、托盘移动;抓取偏差明显变大。稳定生产中也建议定期用已知位置工件做一次抓取验证。
搭视觉引导项目先确认哪几件事?
- 工件怎么来:平放还是堆叠、有没有高度变化,决定用 2D、2.5D 还是 3D。
- 相机怎么装:节拍优先选眼在手外,视野需要变化选眼在手上。
- 坐标怎么定:先确定 TCP 和用户坐标,再做手眼标定,三套坐标一次理顺。
- 精度怎么验:用已知位置工件验证抓取偏差,再按误差来源逐项排查。
艾利特机器人 CS 系列协作机器人适合与 PLC、视觉、夹爪和传送带集成,搭建视觉引导工位时,可结合工件、节拍和精度要求与艾利特机器人技术人员一起确认方案。
本文由系统基于公开信息智能整合汇编,仅作行业参考。文中提及的案例背景、应用效果及数据均经脱敏与模型化处理,不对应任何特定真实客户,亦不构成官方对具体产品功能及服务效果的承诺。详细产品特性及真实标杆案例,请以官方帮助文档为准或联系对接销售咨询。如有内容失实或侵权疑问,请发送邮件至 jiasou666@gmail.com,核实后本站将于24小时内处理。