概述

· 广泛兼容多种垛型与包装材质

支持规则纸箱、软包、麻袋、覆膜货物等多种常见工业包装形态，适配不同码放层数与堆叠结构。

· 高精度分割与定位算法

在有序排布场景下，系统可对每个目标物体进行独立识别，输出稳定可靠的抓取点位，确保机械手操作安全、命中率高。

软件界面：

案列

为更直观体现系统的实际应用能力，以下选取三类具有代表性的落地案例，分别对应不同材质、不同环境与不同物体形态的识别难点。

案例一：无图案面粉袋

· 场景描述：室内环境，白色无标识编织袋，码放整齐但表面无任何印刷图案或纹理特征。

· 核心难点：传统2D视觉难以提取有效特征点，易导致识别失败或位姿漂移。

· 解决方式：系统以高精度深度图为主信息源，依靠三维轮廓数据完成物体边缘检测与中心定位，不依赖表面纹理，确保稳定抓取。

案例二：半室外复杂图案化肥袋

· 场景描述：半开放式场地，包装袋表面带有大幅面彩色文字及图形，环境光受天气及时段影响明显。

· 核心难点：光照强度与方向变化剧烈，易造成过曝或阴影干扰，影响图像质量。

· 解决方式：采用抗环境光干扰的成像方案，使系统在不同光照条件下均能输出稳定精确的结果。

案例三：多款不同尺寸工件

· 场景描述：工件箱内混合放置数种规格的金属齿轮，尺寸各异，且摆放姿态不一致。

· 核心难点：尺寸跨度大、几何结构复杂，传统模板匹配方式难以覆盖全部型号。

· 解决方式：基于深度学习的目标检测模型，配合三维位姿估计模块，系统可实时区分不同齿轮型号并输出各自的抓取点，支持混码场景下的逐一定位与搬运。

文章来源：德国西克SICK