“中國制造2025”概念是在“互聯網+”的大背景下提出的，其核心環節之一就是機器人智能化。視覺技術代表了機器的眼睛和大腦，機器視覺將使得機器人智能化變成現實�；诖耍曈X龍在國內機器視覺領域率先提出“機械手+”概念，利用“機械手 + 3D視覺”方法，實現了機械手3D視覺引導技術，能幫助機器人/機械手產業實現智能化功能，從而達到“中國制造2025”的要求。
機器人3D視覺引導解決方案的組成
機器人3D視覺引導解決方案主要由3D圖像采集方案、3D圖像處理方案、手眼標定方案以及機器人控制方案組成。
由于機器人控制技術與機器人品牌不同而不同，因此，本文暫不對機器人控制技術做討論，主要介紹3D圖像采集方案、3D圖像處理處理方案和手眼標定方案。
3D圖像采集方案
3D圖像采集方案分為Eye-in-Hand方式和Eye-to-Hand方式兩種。
Eye-in-Hand方式：3D相機安裝在機械手上，操作機械手按照預先設定的軌跡帶動3D相機對被測物進行掃描。被測物需要在3D相機的視野范圍（FOV）和測量范圍（MR）內。
Eye-to-Hand方式：3D相機安裝在機械手附近的龍門架上，龍門架帶動3D相機對被測物進行掃描。被測物需要在3D相機的視野范圍（FOV）和測量范圍（MR）內。
除了以上安裝方式的不同，3D采集方案根據3D成像原理的不同，又分為被動光雙目、主動光雙目、激光三角測量法、結構光原理、TOF原理等采集方式。
被動光雙目立體視覺
被動光雙目視覺由兩只面陣/線陣相機、光源組成，兩只相機拍攝相同位置，利用視差圖，可以計算出物體的高度。可以由2只面陣/線陣相機從不同角度同事拍攝物體，也可以是1只面陣/線陣相機不同時刻，從不同角度拍攝物體。
被動光雙目的優點是無需相機與物體相對運動，可以拍攝大視野的范圍。缺點是當被測物表面對比度較差時，無法識別到物體，就無法得到物體的3D信息。另外，被動光雙目要求每只相機的識別精度較高，否則單只相機的識別誤差，會在雙目中放大該誤差。由于這些限制，被動光雙目在工業應用領域使用比較局限。
為了拓寬視野范圍，消除盲區，也可以把被動光雙目技術拓寬為被動光多目。
主動光雙目立體視覺
為了彌補被動光雙目的缺點，工程師對被測物打一些紋理光作為輔助。如打一些隨機點。
主動光雙目的原理與被動光雙目一樣，也是根據兩只相機的像差來完成。由于主動光源可以更好為被測物增加紋理，因此可以增強此種采集方案的通用性。
激光三角測量法原理
這種原理的視覺技術主要包括2D相機、鏡頭、激光器、標定算法等內容。主要利用2D相機中拍攝到的激光線形變，通過三角公式即可獲取被測物的高度信息。
激光三角測量法的安裝方法是一個重要影響因素，目前市場上流行的方法是激光線直射被測物，2D相機與激光器成一定角度（即測量角）拍攝。
2D相機的分辨率、安裝的測量角都會影響到Z向分辨率。2D相機分辨率越大，Z向分辨率就越大，但由于輸出了過多的無用數據，會影響到掃描速度的提高；測量角越大，Z向分辨率也越大，但盲區也會越大。因此，搭建3D視覺系統時，需要綜合考慮被測物實際情況，選擇合適的相機和安裝方法。
除2D相機和測量角外，激光器的光束質量也是影響測量精度的主要因素。選擇一個非高斯光束和均勻度好的激光器，對于提高測量精度非常重要。
激光三角測量法原理視覺技術特點是：可同時獲得X和Z向信息，相機與被測物之間相對運動可得到Y向信息，適合測量近距離、小視野、高速、高精度的場合。
結構光原理
結構光原理的3D相機由相機和投影儀組成。投影儀投射出一系列條紋光，條紋光按照編碼進行變換，相機拍攝到條紋后，最終解算出物體的3D信息。為了消除盲區，結構光原理的3D相機一般會采用2只相機和1個投影儀的方式搭建。
其特點是：相機與被測物之間必須相對靜止，精度高，但采集時間較長。
TOF原理
TOF原理的相機是利用光飛行的時間差來獲取物體的高度�？捎糜诖笠曇�、遠距離、低精度、低成本的3D圖像采集。
其特點是：檢測速度快，視野范圍較大，工作距離遠，價格便宜，但精度低，易受環境光的干擾。因此一般在戶內使用。
3D圖像處理方案
當前，機器人3D視覺在自動化焊接、自動化切割、自動化裝配、自動化抓取、自動化碼垛等應用較多，一般要求圖像處理能識別物體的位姿或者物體邊緣的3D坐標。因此，對于3D圖像處理技術要解決的問題有2個，物體識別和邊緣輪廓提取�？刹捎靡韵路绞絹斫鉀Q此問題。
手眼標定方案
手眼標定的技術要解決圖像坐標與機器人坐標轉換的問題。根據Eye-in-Hand方式和Eye-to-Hand方式的不同，標定方法稍有不同，但最終是把被測物相對于相機的坐標轉換成被測物相對于工具坐標系的坐標。
從圖像中得到物體坐標系和相機坐標系之間的仿射關系，再根據手眼標定關系——也就是相機坐標系和工具坐標系之間的仿射關系，可以獲取到物體坐標系和工具坐標系之間的仿射關系，進一步提取機械手可識別的位姿信息來進行引導。
從圖像中得到物體坐標系和相機坐標系之間的仿射關系，再根據手眼標定關系——也就是相機坐標系和基坐標系之間的仿射關系，以及基坐標系和工具坐標系之間的關系（后一種可由機器人內部轉換），可以獲取到物體坐標系和工具坐標系之間的仿射關系，進一步提取機械手可識別的位姿信息來進行引導。
