對於機器人的抓取動作來說，它是由一系列的系統來完成的，那麼機器人抓取系統包括什麼？主流解決方案是怎樣的呢？今天就給朋友們詳細的說說這些問題，以提供幫助。

　　機器人抓取系統包括什麼？

　　機器人抓取系統，包括檢測模塊、抓取模塊和控製模塊，檢測模塊和所述抓取模塊分別與所述控製模塊電連接；

　　檢測模塊包括光電傳感器、相機和驅動所述相機移動的相機移動電機，相機移動電機與編碼器電連接，相機移動電機、編碼器、相機和光電傳感器分別與控製模塊電連接；

　　相機移動電機包括分別驅動所述相機沿著x、y和z軸3個方向移動的3個驅動電機；

　　抓取模塊包括機械手控製器和機械手執行器，機械手執行器與所述機械手控製器電連接，機械手控製器與所述控製模塊電連接；

　　機械手執行器包括滑台氣缸、步進電機和旋轉電機；

　　機器人抓取系統：目前幾種主流的解決方案

　　機械臂抓取需要確定每段機械臂的位姿。

　　首先，機械臂需要視覺伺服系統，來確定物體的位置，根據末端執行器（手）和視覺傳感器（眼）的相對位置，可分為Eye-to-Hand和Eye-in-Hand兩種系統。

　　Eye-to-Hand的分離式分布，視野固定不變，如果相機的標定精度高的話，那麼視覺定位於抓取的精度也越高。

　　Eye-in-Hand則將機械臂與視覺傳感器固定在一起，視野隨機械臂的移動而改變，傳感器越近時精度越高，但過於靠近時則可能使目標超出視野範圍。

　　精密的視覺系統與靈活機械臂的配合，才能完成一次完美的抓取，而這正是當前機器人操作中的核心難題，歸納起來就是這麼一件事：找到合適的抓取點（或吸附點），抓住它。之後的轉運執行，則屬於運動規劃的分支。

　　目前幾種主流的解決方案

　　Model-based（基於模型的方法）

　　這種方法很好理解，即知道要抓什麼，事先采用實物掃描的方式，提前將模型的數據給到機器人系統，機器在實際抓取中就隻需要進行較少的運算：

　　1.離線計算：根據搭載的末端類型，對每一個物體模型計算局部抓取點；

　　2.在線感知：通過RGB或點雲圖，計算出每個物體的三維位姿；

　　3.計算抓取點：在真實世界的坐標系下，根據防碰撞等要求，選取每個物體的***抓取點。

　　RGB顏色空間由紅綠藍三種基本色組成，疊加成任意色彩，同樣地，任意一種顏色也可以拆解為三種基本色的組合，機器人通過顏色坐標值來理解“顏色”。這種方式與人眼識別顏色的方向相似，在顯示屏上廣泛采用。

　　Half-Model-based（半模型的方法）

　　在這種訓練方式中，不需要完全預知抓取的物體，但是需要大量類似的物體來訓練算法，讓算法得以在物品堆中有效對圖像進行“分割”，識別出物體的邊緣。這種訓練方式，需要這些流程：

　　1.離線訓練圖像分割算法，即把圖片裏的像素按物體區分出來，此類工作一般由專門的數據標注員來處理，按工程師的需求，標注出海量圖片中的不同細節；

　　2.在線處理圖像分割，在人工標注出的物體上，尋找合適的抓取點。

　　這是一種目前應用較為廣泛的方式，也是機械臂抓取得以推進的主要推力。機械臂技術發展緩慢，但計算機視覺的圖像分割則進展迅速，也從側面撬動了機器人、無人駕駛等行業的發展。

　　Model-fREe（自由模型）

　　這種訓練方式不涉及到“物體”的概念，機器直接從RGB圖像或點雲圖上計算出合適的抓取點，基本思路就是在圖像上找到Antipodal（對映點），即有可能“抓的起來”的點，逐步訓練出抓取策略。這種訓練方式往往讓機器手大量嚐試不同種類的物品，進行self-supervisedlearning，Google的Arm Farm，即為其中的代表之一。

　　值得注意的是，對於機械手而言，不同形狀的物品，抓取難度有天壤之別。即便是同樣形狀的物體，由於表面反光度和環境光照的影響，在不同場景的抓取難度也大相徑庭。從實驗室到商業落地，其中有相當一段路要走。

　　機器人抓取時怎麼定位的？

　　首先，我們要了解，機器人領域的視覺（Machine Vision）跟計算機領域（Computer Vision）的視覺有一些不同：機器視覺的目的是給機器人提供操作物體的信息。所以，機器視覺的研究大概有這幾塊：物體識別（Object Recognition）：在圖像中檢測到物體類型等，這跟CV的研究有很大一部分交叉；位姿估計（Pose Estimation）：計算出物體在攝像機坐標系下的位置和姿態，對於機器人而言，需要抓取東西，不僅要知道這是什麼，也需要知道它具體在哪裏；相機標定（Camera Calibration）：因為上面做的隻是計算了物體在相機坐標系下的坐標，我們還需要確定相機跟機器人的相對位置和姿態，這樣才可以將物體位姿轉換到機器人位姿。

　　通過以上的內容，我們已經了解了機器人抓取系統包括什麼了，機器人抓取系統是包括很多其他的系統的，這些系統組成了一個整體，共同完成了抓取的動作。