AI散乱抓取定制：点云分割与抓取位姿

散乱堆叠上料是很多自动化线的瓶颈：铸件、冲压件在料筐里相互挤压、反光和遮挡，2D 视觉给不出可抓位姿，只能靠人弯腰分拣。做成可交付的定制方案，通常按四段拆。 1. 感知与分割。3D 相机（结构光或 ToF）出点云，先做 ROI 裁剪与滤波，再用实例分割区分单件；反光件加偏振片或改用蓝光，粉料件降低曝光。数据不必一上来就几千张，200~500 帧真实点云加 CAD 合成数据，通常就能冷启动。 2. 位姿生成与筛选。按件型生成候选抓取位姿，用夹爪或吸盘模型做碰撞检测，过滤不可达、易掉落、会刮伤相邻件的候选，再按先上后下、避开料筐壁的规则排序输出。 3. 执行与容错。手眼标定后把位姿下发机器人，单次抓取失败不停线，而是切换下一个候选位姿；连续失败触发抖料或料筐旋转，同时记录失败原因回流标注。 4. 验收口径。连续 2000 次抓取成功率、平均节拍、误抓撞夹具次数，这三项写进验收标准，比识别准确率更能反映真实可用度。 单件推理时间建议压在 300ms 以内，否则节拍会被视觉吃掉。换型时把位姿模板与分割模型分开维护，换型只替换模板，模型不必重训。