零基础了解2D定位引导，从一个简单抓取案例说起

很多人第一次接触"视觉定位"这个词，会觉得它离日常很远。其实它做的事情和人伸手去拿桌上的杯子很像：先看到杯子在哪个方向、偏了多少，再指挥手往那个方向伸。区别只在于，人用的是眼睛和大脑，而工业机械臂用的是相机、镜头和一套视觉算法。本文用一个"机械臂抓取传送带上塑料方块"的小案例，把 2D 定位引导拆成几步讲清楚，帮助零基础读者建立完整的认识。

一、先看一个简单的抓取案例

想象这样一个工位：一条传送带匀速往前送料，上面每隔一段距离放一个方形塑料块；机械臂站在传送带旁边，头顶上方装着一台工业相机；塑料块走到相机下方时，机械臂要在几百毫秒内抓住它，搬到旁边的料盒里。

麻烦的地方在于，每个塑料块停在相机下方时，位置并不完全一致：有时偏左 3 毫米，有时偏右 5 毫米，有时还顺时针转了一个小角度。如果机械臂每次都按固定位置去抓，要么抓空，要么把方块推飞。这时候就需要相机"看一眼"，告诉机械臂："这个方块相对标准位置偏了 X 毫米、Y 毫米、转了 theta 度，你按这个偏差去调整。"

这就是 2D 定位引导在做的事情：在一张平面图像里找到目标，算出它相对基准位置的偏移量，再把这个偏移量告诉机械臂。它输出的是平面内两个方向的平移和一个绕光轴的旋转，不涉及目标在空间里的高度和俯仰。

二、一套典型的 2D 定位系统由哪些硬件组成

对零基础读者来说，先把硬件清单认识一遍，后面理解流程会轻松很多。

工业相机：负责把光信号转成数字图像。常见的有面阵相机，按分辨率区分，比如 130 万、200 万、500 万像素。分辨率越高，能看清的细节越多，单张图也越大。

镜头：决定相机能看多宽、看多清晰。根据工作距离（相机到目标的距离）和视野大小来选。视野太大会让像素变粗，定位精度下降；视野太小又容易让目标跑出画面。

光源：2D 视觉里常被低估，但对成败影响很大。常见的有环形光、条形光、同轴光、背光。目标不同，选光方式也不同：金属件容易反光，可能要用低角度暗场光；黑色橡胶件吸光，可能要提高亮度或换波段。

机械臂与控制器：执行抓取动作的本体。视觉系统算出的偏移量，需要通过串口、以太网或现场总线发给控制器，控制器再驱动机械臂走到调整后的目标点。

视觉处理单元：可以是装在相机里的智能相机，也可以是一台工业电脑跑视觉软件。前者部署简单，后者灵活性高，适合多品种、多算法的场合。

三、从拍照到抓取，一整套流程怎么走

还是回到那个塑料方块的案例。从相机触发拍照，到机械臂完成抓取，大致经过下面几步。

3.1 触发拍照

传送带上装一个光电传感器，当方块走到相机正下方时，传感器给相机发一个触发信号，相机拍一张图。这个过程和人听到"东西来了"抬头看一眼类似。

3.2 视觉算法找目标

拿到图像后，视觉软件要在整张图里认出哪个是要抓的方块。常用方法是模板匹配：事先拍一张标准方块的图像存成"模板"，新图进来后，算法在整张图上滑动比对，找到相似度高的位置，就是目标所在。算法同时会返回一个旋转角，因为方块可能转了一个小角度。

3.3 把像素坐标换算成物理坐标

算法找到的位置，本质上是图像里的像素坐标，比如"距离图像左上角 523 像素、318 像素"。机械臂听不懂像素，它只认毫米。这时候要用到一个事先标定好的参数，叫"像素当量"，意思是 1 个像素对应实际多少毫米。比如标定出来是 0.05 毫米/像素，那 100 像素就对应 5 毫米。

3.4 计算相对基准位置的偏移

系统里事先存了一个"基准目标位置"，也就是方块在标准状态下应该出现的像素坐标。新算出来的目标坐标和基准坐标一减，就得到偏移量：X 方向偏了多少、Y 方向偏了多少、旋转角差了多少。

3.5 把偏移量发给机械臂并执行

视觉软件把"X 偏 -2.3 mm、Y 偏 +3.1 mm、theta 偏 1.5 度"这样的数据发给机械臂控制器。机械臂原本要去抓基准点，现在在基准点上叠加这个偏移量，再调整一下末端姿态，就走到了方块实际所在的位置，完成抓取。

四、两个绕不开的标定环节

零基础读者容易跳过"标定"这一步，但它直接决定了定位准不准。下面两个环节在项目里几乎都会遇到。

4.1 相机标定：搞清楚一个像素等于多少毫米

做法是把一张已知尺寸的标定板（比如棋盘格）放在目标平面上，相机拍一张，数出标定板某条边在图像里占多少像素，再除以它的实际长度，就得到了像素当量。如果镜头有畸变，还要顺便做畸变校正，让图像边缘的像素也能换算得准。

这一步完成后，系统才知道"图像里偏了 20 个像素"到底对应工件偏了几毫米。

4.2 手眼标定：搞清楚相机看到的和机械臂抓到的是不是同一个位置

相机装在机械臂旁边，它看到的世界坐标和机械臂自己的坐标系并不重合。手眼标定要解决的就是这两套坐标系之间的换算关系。常见做法是让机械臂拿着一个标定针或标定块，在不同位置多次拍照，算法根据这几组数据反推出相机坐标到机械臂坐标的转换矩阵。

手眼标定不准，典型表现就是：相机明明说目标在那儿，机械臂抓过去总是偏固定方向一段距离。

五、光源为什么经常决定成败

同样是塑料方块，打光方式不同，图像对比度差别很大。如果光从正上方均匀打下去，方块和传送带之间可能只有很弱的灰度差，算法很难把方块从背景里分出来；如果从低角度斜着打，方块边缘会形成亮边，算法更容易抓到轮廓。

对零基础项目，建议先在真实工件上试几种光源：环形光、条形光、背光各拍一组图，看哪种背景干净、目标边缘清晰。光源选对了，后面算法能省很多事；光源没选对，再复杂的算法也很难补回来。

六、用一组简单数字走一遍案例

假设标定得到像素当量是 0.05 毫米/像素，基准目标在图像里的坐标是 (400, 300) 像素。这次拍进来的新图里，算法找到的方块中心在 (446, 238) 像素，旋转角比基准多了 1.2 度。

像素差是 (446 − 400, 238 − 300) = (46, −62) 像素。乘以像素当量，得到物理偏移 (2.3, −3.1) 毫米。也就是说，方块相对基准位置在 X 方向偏了 2.3 毫米、Y 方向偏了 −3.1 毫米，同时顺时针转了 1.2 度。视觉软件把这组数据发给机械臂，机械臂在原本要去的抓取点上叠加这个偏移，并把末端转 1.2 度，就完成了一次引导抓取。

七、初学者常见的几个坑

结合上面的流程，下面这些问题在入门项目里出现频率较高。

•       只关心相机分辨率，忽略镜头和视野。视野太大时，单个像素对应的实际尺寸变大，定位精度反而下降。

•       光源随便拿一个白光就上阵，结果金属件反光严重、算法稳定率低。建议先在工件上做光源对比测试。

•       手眼标定只做一次、随手抓几组数据，结果不同工作距离下偏差明显。建议按实际作业范围分散取点。

•       机械臂抓取高度没有预先保证。2D 方案默认目标在一个平面上，如果方块厚度不一致、高度差没处理，抓取容易失败。

•       把模板做得太复杂。模板里如果带了背景纹理或灰尘，换个光照条件就匹配不上。模板尽量只保留目标本身的稳定特征。

八、小结

2D 定位引导可以理解为"用相机在平面上找目标、算偏移、指挥机械臂去调整"。它的核心是四个环节：选好硬件、完成相机与手眼标定、用合适的算法在图像里认出目标、把像素偏移换算成机械臂能听懂的物理偏移。对一个简单的传送带上抓取方块的案例来说，这套流程已经足够；当目标出现立体堆叠、姿态倾斜、高度变化等情况时，再考虑引入 3D 视觉。零基础入门阶段，建议先用一个简单工件把标定、光源、算法、通信这条链路完整走一遍，再逐步扩展到更复杂的任务。