对于机器人的抓取动作来说，它是由一系列的系统来完成的，那么机器人抓取系统包括什么？主流解决方案是怎样的呢？今天就给朋友们详细的说说这些问题，以提供帮助。

　　机器人抓取系统包括什么？

　　机器人抓取系统，包括检测模块、抓取模块和控制模块，检测模块和所述抓取模块分别与所述控制模块电连接；

　　检测模块包括光电传感器、相机和驱动所述相机移动的相机移动电机，相机移动电机与编码器电连接，相机移动电机、编码器、相机和光电传感器分别与控制模块电连接；

　　相机移动电机包括分别驱动所述相机沿着x、y和z轴3个方向移动的3个驱动电机；

　　抓取模块包括机械手控制器和机械手执行器，机械手执行器与所述机械手控制器电连接，机械手控制器与所述控制模块电连接；

　　机械手执行器包括滑台气缸、步进电机和旋转电机；

　　机器人抓取系统：目前几种主流的解决方案

　　机械臂抓取需要确定每段机械臂的位姿。

　　首先，机械臂需要视觉伺服系统，来确定物体的位置，根据末端执行器（手）和视觉传感器（眼）的相对位置，可分为Eye-to-Hand和Eye-in-Hand两种系统。

　　Eye-to-Hand的分离式分布，视野固定不变，如果相机的标定精度高的话，那么视觉定位于抓取的精度也越高。

　　Eye-in-Hand则将机械臂与视觉传感器固定在一起，视野随机械臂的移动而改变，传感器越近时精度越高，但过于靠近时则可能使目标超出视野范围。

　　精密的视觉系统与灵活机械臂的配合，才能完成一次完美的抓取，而这正是当前机器人操作中的核心难题，归纳起来就是这么一件事：找到合适的抓取点（或吸附点），抓住它。之后的转运执行，则属于运动规划的分支。

　　目前几种主流的解决方案

　　Model-based（基于模型的方法）

　　这种方法很好理解，即知道要抓什么，事先采用实物扫描的方式，提前将模型的数据给到机器人系统，机器在实际抓取中就只需要进行较少的运算：

　　1.离线计算：根据搭载的末端类型，对每一个物体模型计算局部抓取点；

　　2.在线感知：通过RGB或点云图，计算出每个物体的三维位姿；

　　3.计算抓取点：在真实世界的坐标系下，根据防碰撞等要求，选取每个物体的***抓取点。

　　RGB颜色空间由红绿蓝三种基本色组成，叠加成任意色彩，同样地，任意一种颜色也可以拆解为三种基本色的组合，机器人通过颜色坐标值来理解“颜色”。这种方式与人眼识别颜色的方向相似，在显示屏上广泛采用。

　　Half-Model-based（半模型的方法）

　　在这种训练方式中，不需要完全预知抓取的物体，但是需要大量类似的物体来训练算法，让算法得以在物品堆中有效对图像进行“分割”，识别出物体的边缘。这种训练方式，需要这些流程：

　　1.离线训练图像分割算法，即把图片里的像素按物体区分出来，此类工作一般由专门的数据标注员来处理，按工程师的需求，标注出海量图片中的不同细节；

　　2.在线处理图像分割，在人工标注出的物体上，寻找合适的抓取点。

　　这是一种目前应用较为广泛的方式，也是机械臂抓取得以推进的主要推力。机械臂技术发展缓慢，但计算机视觉的图像分割则进展迅速，也从侧面撬动了机器人、无人驾驶等行业的发展。

　　Model-fREe（自由模型）

　　这种训练方式不涉及到“物体”的概念，机器直接从RGB图像或点云图上计算出合适的抓取点，基本思路就是在图像上找到Antipodal（对映点），即有可能“抓的起来”的点，逐步训练出抓取策略。这种训练方式往往让机器手大量尝试不同种类的物品，进行self-supervisedlearning，Google的Arm Farm，即为其中的代表之一。

　　值得注意的是，对于机械手而言，不同形状的物品，抓取难度有天壤之别。即便是同样形状的物体，由于表面反光度和环境光照的影响，在不同场景的抓取难度也大相径庭。从实验室到商业落地，其中有相当一段路要走。

　　机器人抓取时怎么定位的？

　　首先，我们要了解，机器人领域的视觉（Machine Vision）跟计算机领域（Computer Vision）的视觉有一些不同：机器视觉的目的是给机器人提供操作物体的信息。所以，机器视觉的研究大概有这几块：物体识别（Object Recognition）：在图像中检测到物体类型等，这跟CV的研究有很大一部分交叉；位姿估计（Pose Estimation）：计算出物体在摄像机坐标系下的位置和姿态，对于机器人而言，需要抓取东西，不仅要知道这是什么，也需要知道它具体在哪里；相机标定（Camera Calibration）：因为上面做的只是计算了物体在相机坐标系下的坐标，我们还需要确定相机跟机器人的相对位置和姿态，这样才可以将物体位姿转换到机器人位姿。

　　通过以上的内容，我们已经了解了机器人抓取系统包括什么了，机器人抓取系统是包括很多其他的系统的，这些系统组成了一个整体，共同完成了抓取的动作。