.svg "Zivid"){kind=small}
03 挑战
尤其是在处理零部件种类相对较少的自动化制造作业中，执行类似无序抓取任务的三维视觉系统通常依靠机器学习来识别单个零件。典型的基于机器学习的视觉系统可能需要访问包含 100 至 1000 张 CAD 文件图像的主数据，才能教会机器人可靠地识别物品并正确地进行操作。
然而，对于处理大量不同箱子和包裹、涉及数万个 SKU（库存单位）的大规模电商运营而言，根本无法获得 CAD 文件。因此，拣选单元需要一种不同的物体识别方法。
同时，机器人单元还需要满足物流应用对作业半径、机械负载能力和灵活性的要求。它必须能够以极高的速率持续拣选通过托盘和流利式货架送达的任何物品。
04 解决方案
Robomotive 自动化拣选单元解决方案的核心包括一台 Zivid One 3D 彩色相机、一台配备真空夹具的安川 Motoman MH180-120 机器人，以及一台基于 Intel i7 处理器并配备 GPU 的工业 PC。单元与整个仓库之间的通信则通过西门子 PLC 和 Profibus 网络连接实现。
该机械臂采用与 DHL 品牌色一致的黄色定制涂装，作业半径达 3 米，最大负载 120 千克。它可以从四个指定托盘位置和最多 50 个预定义的流利式货架位置拾取任意尺寸和形状的箱子，并将其放置到输送带上。
为使系统无需学习 CAD 文件即可实现拾放功能，Robomotive 开发了专有的物体识别软件，用于处理 Zivid 相机输出的超高分辨率 3D 点云。
“目标很明确：我们要开发一款软件，让机器人只需‘看’一眼物体，就能清楚地理解其形状和尺寸并移动它。在本项目中，Zivid One 就是机器人的‘眼睛’。”
“多年来，我们测试过许多不同的游戏用和工业视觉相机，并曾在一段时间内使用 3D 激光三角测量传感器。但这些传感器成本高昂，而且需要大量校准。Zivid 相机基于白光结构光投影，为我们提供了所需的全部 3D 点云数据，能够非常准确地区分各种目标物体。”
Michael Vermeer
Robomotive 首席执行官
Zivid One 是一款实时 3D 彩色相机，可在单个传感器芯片上同时采集 3D (xyz)、色彩 (RGB) 和对比度 (C) 数据。其 3D 图像采集速率为 12 Hz，通过 USB3.0 接口输出生动的 2.3 MP 高清 3D 图像。相机采用 IP65 级黑色铝制外壳，防尘防水，可承受 15 G 冲击。尺寸仅为 226 毫米 × 165 毫米 × 86 毫米，重量不到 2 千克，非常适合安装在机械臂上。Vermeer 解释道：
“在此应用中，机器视觉相机必须能够移动并直接安装在机器人上，而 Zivid One 具备我们所需的全部坚固性和物理特性。如果改用多台固定相机，则需要额外的校准和成本，根本不现实。”
虽然 DHL 的仓库管理系统知道每个指定托盘或流利式货架位置上存放的是哪个 SKU，但机器人并不需要知道。它只需前往指定位置，确认箱子是否存在，然后逐个拾取并放到输送带上。随后，条码扫描器会核实 SKU 是否与订单要求一致。
05 结果
这套机器人系统位于 DHL 贝林赫仓库的核心，被视为 DHL 首个全自动电商订单拣选单元。目前已实现每小时 400 次拣选，通过进一步的系统优化，预计将提升至每小时 600 次。
Zivid One 机器视觉相机提供的超高分辨率 3D 图像，为机器人提供了所需的细节水平，使其能够在多个位置的托盘和流利式货架上清晰定位并区分各个箱子。
高质量 3D 图像采集与 Robomotive 定制软件算法相结合，消除了对 CAD 文件和机器学习的依赖，实现了一种更加灵活、以几何为驱动的机器视觉集成方法，且不依赖于箱子的精确对齐和摆放。
“机器人单元具有高度适应性，这意味着我们无需为引入新产品而不断重新编程系统。这使我们能够更快速地应对市场趋势和消费需求的变化，并始终保持最高水平的客户服务。”
Tjalling de Vries
DHL 比荷卢地区站点开发经理兼创新负责人
在常规白班运行的情况下，该机器人单元的投资回收期预计约为三年；而凭借其 24/7 连续运行的能力，回收期可能会大幅缩短。未来，DHL 还考虑将同一台机器人部署在线性导轨上，以扩大其拣选范围，覆盖更多托盘和流利式货架上的箱子。
