公司新闻

在烟草、化工、食品、物流仓储车间，托盘上堆叠的纸箱、编织袋等物料源源不断，拆垛是入库和转运环节的高频作业。传统机器人拆垛大多依靠人工示教编程，只能处理固定品规、标准码放的垛型。一旦遇到混码堆放、箱体角度偏移或包装外观多变的货物，就很容易抓取失败。3D视觉引导拆垛技术的出现，让机器人真正“看懂”了不同形态的货堆。然而，一个容易被忽视的事实是：同样是拆垛，规整纸箱垛、编织袋软包垛和多SKU混垛对3D视觉相机的要求截然不同。本文将分三类场景拆解其技术难点与视觉相机的差异化要求，并简述洛微拆垛3D相机在各场景中的适配能力与现场效果。

在机器视觉项目中，不管是2D工业检测、双目立体视觉，还是ToF深度相机、机器人手眼标定，都离不开相机标定这一步骤。标定板作为标定过程中的基准参照物，相当于视觉系统的一把标准“标尺”。标定板选择不当，即便算法调试再完善，也会带来镜头畸变校正不准、像素物理换算偏差、点云精度下降等一系列问题。很多工程师遇到标定结果漂移、重复度差，问题往往不在算法，而是标定板与场景不匹配。