AI视觉引导无序抓取：位姿估计与手眼标定

散乱堆叠工件的上料一直是视觉落地的难点：遮挡、反光、互相压叠，使2D检测框无法直接给出可执行的抓取位姿。计算机视觉实验室近期在自建实验台上验证了一条「3D点云位姿估计 + 手眼标定补偿」的技术路径。

做法上，先用结构光相机采集点云，经体素下采样与平面分割剔除料框背景，再由位姿估计网络输出候选抓取的四元数与置信度，最后通过手眼矩阵把相机坐标系下的位姿映射到机器人基坐标系，并对TCP偏移做在线补偿，避免因夹具更换导致的系统性偏差。

进展：在约200组真实点云样本上，重叠率40%以内的工件抓取成功率约86%，单次推理加后处理耗时约320 ms，可匹配节拍偏慢的上料工位。下一步计划补充高反光金属件样本，并验证换料筐、换工件时的快速重标定流程，把现场部署准备时间压缩到半天以内。