作者：Neil Ballinger 是 EU Automation 的 EMEA 负责人。（图片来源：EU Automation）

使用所谓的拾取和放置机器人进行订单拣选并不是什么新鲜事。然而，直到现在，机器人还不能准确地从一个由各种零件组成的垃圾箱中挑选物品，并将其放入机器中--但现在这种情况正在改变。在这篇文章中，自动化部件供应商EU Automation（德国自动化零部件供应商）的欧洲、中东和非洲地区负责人Neil Ballinger讨论了选择垃圾箱拣选机器人的挑战。

在垃圾箱拣选机器人中的机器视觉系统在工作场所提供了许多好处。这些措施包括减少零件的处理，引入机器人的适应性自动化，更好地利用操作人员的时间，减少操作人员患上RSI综合症的风险。然而，在此类任务的有效性方面超过人类之前，这项技术仍有很长的路要走。

捡拾垃圾的机器人仍需克服的挑战之一是垃圾箱中物体的排列。捡拾垃圾的机器人有时难以检测到垃圾箱中难以区分的小物品或随机排列的物品。为了解决这个问题，cobots需要具有高动态范围、高分辨率和高精度的3D视觉系统。

但是，即使满足了这些要求，闪亮和反光的部件仍然是一个问题，因为三维图像处理系统往往难以从反光或闪亮的物体上获得良好的三维数据。这是因为反射和相互反射会导致点云的失真和反常。

图像处理系统，垃圾箱拣选系统的进一步挑战

对于bin-picking系统的另一个挑战是较少的闭塞离群值。这可能是由基线较宽的相机或相机定位不佳造成的，然后导致在垃圾箱边缘出现阴影。因此，基于视觉的机器人可能会错过角落里 "被遮挡 "的物体，从而造成细节的损失。这个问题可以通过更小的基线和更好的相机位置来解决，以包括更高的光学遮挡。

虽然更好的相机和相机位置无疑有助于提高精度，但它们不一定能解决拣选图像处理系统的所有问题。例如，在处理叠加的、柔软的和可变形的部件，如塑料袋或不同高度和形状的物体时，垃圾箱拣选机器人仍有问题。

这些机器人也会遇到影响性能的干扰。例如，如果cobot被移动，就会影响到距离的计算，导致cobot撞上容器的侧面或其他部分。这意味着机器人不是完全自主的，如果发生错误，仍然需要人类的监督。

高质量垃圾箱拣选机器人的案例

尽管在开发垃圾箱拣选机器人方面存在挑战，但目前市场上有许多型号的机器人在视觉和隐蔽性问题上都有所改进。其中一个例子是欧姆龙的协作式TM机器人，它集成了视觉，支持工业级的模式识别、物体定位和条形码识别。

仓位拣选视觉系统的一个成功例子是为仓位拣选开发的Zivid Two 3D相机。Zivid Two拥有一个超紧凑的深度传感器，基线小，闭塞性能更理想。

自20世纪90年代首次出现以来，捡拾垃圾的机器人无疑已经取得了长足的进步。尽管如此，在不再需要人类或人类监督之前，还需要一些时间。考虑到弥补技能和人员短缺的持续压力，这项技术很可能在不久的将来发展到接近人类能力。在此之前，目前可用的垃圾箱拣选视觉系统可以帮助减少伤害，实现质量控制和更多。