钢板切割件切缝弱、表面没纹理还压成一堆，6D位姿要靠点云与图像互补，抓取顺序也得排出来
钢板切割下料后，工件直接落进废料筐，等着按规格分拣码盘。同一批里常混着数十种规格，形状相近的件靠人眼分辨本就吃力，堆叠之后更只能一件件翻。混料一旦流进组对工序，就是错装返工，分拣环节因此卡住了整条下料线的产能。
弱特征的本质是信息不足
切割件的难点不在缺陷，在于它几乎没有可供识别的表面信息：切缝微弱、表面无纹理无颜色差异，外形相近的规格件差异只在几个毫米的轮廓细节上，而且还相互压着。传统靠边缘或纹理特征的算法，在这种输入上本来就无从下手。把问题定义成信息不足，解决方向才清楚：不是把算法调得更灵敏，而是补上缺的那部分信息。
两个模态先对齐，再谈融合
方案用高精度 3D 相机同步采集点云与图像，在数据层把两者对齐到同一坐标系，再在特征层融合。顺序不能颠倒：点云和图像各说各的坐标，融合出来的特征就是错位的。对齐之后，点云提供三维几何，图像提供轮廓与表面细节，一种模态被光照或切缝微弱拖累时，另一种还能提供判别依据。
注意力盯的是切缝和边角
特征匹配阶段加入注意力机制，让网络自动给切缝、边角、孔位这类判别性区域加权，抑制反光与纹理干扰。形状相近的规格件，区别往往就在某个边角的一小段轮廓上；算力平均摊到整幅图，这些细节会被稀释。加权还有一个副作用是值得的：它让匹配过程对局部变形更宽容，某个区域形变了，整体识别不至于随之崩掉。
6D 位姿是给机械臂的参数
普通定位给三个位置自由度，机械臂只能走到工件上方；6D 位姿还要给出三个旋转自由度，机械臂才知道以什么角度下爪。对细长件、异形件，朝向错了不是抓不准，是夹不住或者抓起来滑落。位姿估计网络输出的是可被机械臂直接消费的旋转平移参数，中间不再经过人工换算。
抓走一件，剩下的会移位
系统按扫描、抓取、再扫描的循环工作：每抓走一件，筐内剩余工件可能塌落、翻转，下一轮重新扫描更新位姿，不依赖初始状态的静态记忆。同时用点云深度信息区分上下层，避免把被压住的下层件误判成上层目标——这是堆叠场景最容易出的错，抓空一次就要停机处理。
分拣策略优先处理上层无遮挡、位姿置信度高的工件，逐件抓取、逐次更新，直到整筐清空再呼叫下一筐。这个顺序不是图省事：每抓走一件，遮挡关系就变一次，先清掉容易的，被压住的件才会露出来，整体效率反而更高。一开始就去够被压的件，往往要挪动多件。
光照、变形与适用边界
车间顶光叠加地面反光，二维成像容易出现高光与阴影，方案以点云几何为主、图像纹理为辅来弱化光照影响。切割件外轮廓与标准图形有偏差，注意力机制允许匹配在局部变形处放松约束。单件识别定位节拍约 11 秒，具体指标以现场验收结果为准。这套识别栈对光照与表面状态不敏感，也适用于切割后未做表面处理的原始工件，省掉分拣前的清洗预处理。
弱特征识别常被追问的三点
跨模态融合为什么能提升识别？
点云给三维几何，图像给轮廓与细节，两者互补。单一模态在光照差或切缝弱时会失效，另一模态仍能提供判别依据。
和纯模板匹配路线怎么选？
规格少、形状稳定、视野不大时，模板匹配成本更低；规格多、形变明显、还要在堆叠状态下抓取时，6D 位姿与跨模态这条路更稳。
筐里工件压在一起，位姿估计会不会串？
靠点云深度分层，把上下层分开再估位姿；抓取后再扫一次，避免用已经过期的关系去抓下一件。