风险评估及应对策略

风险：周转箱内物料溢出，超出周转箱上边缘，遮挡周转箱边缘特征。

应对策略：严格规范周转箱来料，不允许物料超出周转箱。

风险：周转箱内存在隔板，且隔板与周转箱上边缘齐平。

应对策略：使用深度学习分割出周转箱边缘特征，或使用 2D 阈值分割方法对周转箱边缘进行分割，然后进行匹配。

风险：现场环境光照情况复杂多变，易造成周转箱表面过亮、过暗，在一定程度上会导致视觉识别异常。

厂房内存在阳光或环境光线干扰，导致周转箱表面过亮。

墙柱遮挡光线，造成周转箱表面出现阴影，导致周转箱表面过暗。

日间、夜间光照变化明显，导致周转箱表面过亮或过暗。

应对策略：根据实际的机器人工位情况进行补光、遮光，具体内容可参考遮光方案。

风险：相机支架上装有滑动装置时，由于滑轨定位精度低，导致机器人抓取不准确。

应对策略：建议采用钢架结构的相机支架，在需要加装滑动装置时，须使用滑轨定位精度小于 0.1 mm 的伺服电机。

风险：当使用 Eye in Hand 方式安装相机时，由于相机被固定在机器人手臂上，且机器人手臂受到可达性和现场高度的限制，导致相机视野无法覆盖整个周转箱垛。

风险：当周转箱垛超出相机视野和工作距离时，将导致无法采集到完整的周转箱图像，或采集到的点云质量差。

应对策略：按相机工作距离来安装相机，或为相机增加升降装置。

风险：一台工控机同时与多个机器人通信时，导致通信难度增大。

应对策略：一台工控机只与几个机器人进行通信。

风险：视觉节拍要求较高时，导致视觉系统无法在规定时间内获得视觉结果。

应对策略：从接受指令到发出信息，视觉系统耗时通常小于 4 s。如需加快节拍，可使用 Eye to Hand 方式安装相机，将视觉识别的时间融入机器人运动节拍中。

风险：周转箱长期使用，存在变形、扭曲等情况，影响视觉识别的稳定性。

应对策略：前期需对该类周转箱进行抓取稳定性测试。

风险：上下两层周转箱之间的卡槽间隙较小，如果选择四轴机器人，可能出现码垛不稳定的问题。

应对策略：建议客户使用六轴机器人进行周转箱码垛。

风险：当周转箱紧密码放时，夹具无法同时抓取周转箱的四条边。

应对策略：建议使用邻边抱夹式或单边固定式夹具，并注意验证夹具的承重能力。