Pick and Place Robot Vision Guide: No Vision vs 2D Vision vs 3D Vision

A válasszon és helyezzen el robototcsak akkor van szüksége gépi látásra, ha azonosítania kell vagy kompenzálnia kell a termékváltoztatást, amely nem szabályozható mechanikusan vagy más érzékelési módszerekkel.

Két különböző alkalmazás.

A robotlátás célja tehát nem az automatizálási rendszer kifinomultabbá tétele. Célja a bizonytalanság megszüntetése, amely egyébként megakadályozná a megbízható választást.

Mielőtt összehasonlítaná a látás nélküli, a 2D-s látást és a 3D-s látást, értékelje magát az alkalmazást.

Számos változó különösen fontos.

A nincs-látás kiválasztási és elhelyezési rendszerakkor lehet a legmegfelelőbb megoldás, ha a termék már ismert és megismételhető pozícióban van bemutatva.

Tipikus alkalmazások a következők:

rögzített szerelvényekben elhelyezett alkatrészek;

alkatrészek pontosan elhelyezett tálcákban;

ellenőrzött indexelt pozícióban leállított termékek;

ismétlődő átvitel rögzített gépek között;

olyan alkalmazások, ahol mechanikus vezetők határozzák meg a termék helyzetét.

Ezekben a helyzetekben a mechanikus rendszer már megszüntette a bizonytalanság nagy részét. A robot gyakran mozoghat előre meghatározott vagy betanított koordinátákra anélkül, hogy minden ciklushoz új pózt számítana ki.

Ennek a megközelítésnek számos lehetséges előnye van. Csökkentheti a hardverigényeket, leegyszerűsítheti a programozást és kalibrálást, lerövidítheti az üzembe helyezési időt, és kiküszöbölheti a szükségtelen képfeldolgozási lépéseket. Több technológia nem hoz létre automatikusan jobb automatizálási cellát. Ha a mechanikus pozicionálás már nagymértékben megismételhető, egy látórendszer hozzáadása bonyolult jelentőségű gyártási probléma megoldása nélkül vezethet be.

​​​​​​​A látás hiánya nem azt jelenti, hogy nincs érzékelés

A gépi látás nélküli robotcellához továbbra is szükség lehet érzékelőkre.

Gyakori példák közé tartoznak a fotoelektromos jelenlét-érzékelők, közelségkapcsolók, rögzítés-erősítő érzékelők, vákuumnyomás-kapcsolók, rész{0}}jelenlét-érzékelők, biztonsági érzékelők.

Ezek az eszközök olyan kérdésekre adnak választ, mint például, hogy egy termék elérhető-e, vagy a lámpatest megfelelően van-e elhelyezve. A legfontosabb különbség az, hogy általában nem számítanak ki egy új pózt a képből.

Hasznos döntési kérdés:A robotnak minden ciklushoz más termékpozíciót vagy tájolást kell kiszámítania? Ha a válasz nem, elegendő lehet egy rögzített{0}}koordináta megközelítés.

Amikor a nincs látás kockázatossá válik

A nem{0}}látásrendszerek kevésbé alkalmasak, amikor a termékbemutató kezd elmozdulni.

A lehetséges problémák közé tartozik az inkonzisztens rögzítési terhelés, felgyülemlett szállítószalag pozicionálási hiba, változó csomagolás, változó terméktájolás, instabil mechanikus ütközők, gyakori formátumváltások.

Ha ezek az eltérések meghaladják a megengedett komissiózási tűréshatárt, akkor a folyamat jobb mechanikai vezérlést, további érzékelést vagy gépi látást igényelhet.

A 2D látást általában akkor használják, ha a termékek elsősorban egy ismert síkon mozognak, miközben magasságuk viszonylag stabil marad.

Tipikus példák a következők:

egyedi termékek lapos szállítószalagon;

változó X-Y pozíciójú összetevők;

sík felületen forgó termékek;

egyrétegű{0}}tálcán elhelyezett részek;

vizuális azonosítást vagy jellemzők észlelését igénylő alkalmazások.

A 2D-s kamera általában segít meghatározni az olyan információkat, mint az X-pozíció, az Y-pozíció, a síkbeli elforgatás,{1}}látható alak- vagy jellemzőinformációk, a termékazonosság, ha megkülönböztethető vizuális jellemzők állnak rendelkezésre.

Például a szállítószalagon közlekedő termékek szabálytalan térközzel és eltérő tájolással érkezhetnek. Ahelyett, hogy egyetlen rögzített koordinátára hagyatkozna, egy 2D-s látórendszer meg tudja határozni az egyes termékeket, és frissített pozíciót biztosít a robot számára. Ha a szállítószalag folyamatosan mozog, a robotvezérlő rendszernek szükség lehet a szállítószalag követésére és a kódoló szinkronizálására is, hogy a számított komissiózási pozíció érvényben maradjon, amíg a termék mozog.

Miért a 2D látás gyakran gyakorlati középút?

A lényegében síkbeli alkalmazásokhoz a 2D látás biztosítja a szükséges rugalmasságot anélkül, hogy szükségtelen mélységmérésbe kerülne.

Összehasonlítva a bonyolultabb 3D-s alkalmazásokkal, az érzékelési probléma általában kevesebb változót tartalmaz.

Ez leegyszerűsítheti a kamera beállítását, a képfeldolgozást, a kalibrálást, a robotintegrációt és a hibaelhárítást.

Ezek az előnyök azonban attól függnek, hogy az alkalmazás kellően sík legyen.

A 2D látás korlátai

A hagyományos 2D-s képek közvetlenül nem adnak teljes mélységű információt.

Problémák akkor merülhetnek fel, ha:

a termékek jelentősen eltérő magasságban jelennek meg;

a tárgyak egymásra vannak rakva;

a fogófelület megdönthető;

a magasság befolyásolja a szükséges pick pozíciót;

az egymást átfedő termékeket térben el kell különíteni;

a robotnak teljes 3D-s pózra van szüksége.

A világítás egy másik fontos tényező. A gyenge kontraszt, az árnyékok, a tükröződés vagy az inkonzisztens megvilágítás megbízhatatlanná teheti az egyébként egyszerű 2D észlelést. A fényvisszaverő és átlátszó termékek gondos világítást és optikai tervezést igényelhetnek.

A döntésnek ezért a valós termelési környezet geometriáján és változékonyságán kell alapulnia, nem pedig azon a feltételezésen, hogy a 2D-s látás mindig az egyszerűbb válasz.

A 3D-s látás akkor válik hasznossá, ha a mélység, a magasság vagy a háromdimenziós tájékozódás{1}}a komissiózási probléma részét képezi.

A gyakori alkalmazások a következők:

véletlenszerű szemetes kiválasztás;

halmozott alkatrészek;

különböző magasságú termékek;

szabálytalan felületek;

átfedő tárgyak;

véletlenszerűen döntött alkatrészek;

háromdimenziós objektumpózt igénylő alkalmazások.

Ahelyett, hogy egy objektumot csak egy képsíkon belül határozna meg, a 3D-s érzékelés információt nyújthat a mélységről és a felület geometriájáról. Az érzékelési technológiától és az alkalmazástól függően ezek az információk segíthetnek a rendszernek megbecsülni egy objektum háromdimenziós helyzetét, és azonosítani a lehetséges szúrófelületeket.

Véletlenszerű komissiózás: miért számít a mélység?

A véletlenszerű tároló különösen jól mutatja a síkbeli és a háromdimenziós{0}}érzékelés közötti különbséget.

Képzeljen el több fém alkatrészt egymás mellé rakva. Nem biztos, hogy elegendő annak ismerete, hogy egy komponens egy 2D-s kép közepe közelében jelenik meg.

Előfordulhat, hogy a robotnak azt is meg kell határoznia, hogy az alkatrész a halom tetején van-e, milyen magasan van, meg van-e dőlve, nem takarja-e más alkatrész, hozzáférhető-e a tervezett markolófelület, meg tud-e közelíteni a robot anélkül, hogy a környező részekkel ütközne. Ezek a kérdések az alapvető X-Y pozícióinformációknál többet igényelnek.

A 3D Vision nem old meg minden komissiózási problémát

A robotos komissiózáshoz az egyik legfontosabb tervezési alapelv, hogy a sikeres objektumészlelés nem egyenlő a sikeres tárgykiválasztással. A 3D látórendszer helyesen azonosíthatja az alkatrészt, miközben a pick and place robot továbbra sem tudja megfogni vagy kivenni azt.

A lehetséges okok közé tartozik a súlyos elzáródás, a rossz megfogási geometria, az instabil termékhalmok, a hozzáférhetetlen fogófelületek, az ütközési kockázatok, a fényvisszaverő vagy átlátszó anyagok, a termékek közötti nem megfelelő távolság.

Emiatt a 3D-s látást a megfogó, a robot elérési, az ütközési stratégiával, a termékgeometriával és az útvonaltervezési módszerrel együtt kell értékelni. Nem szabad minden nehéz komissiózási probléma önálló megoldásaként kezelni.

Az alábbi táblázat összefoglalja a főbb különbségeket.

Ezt a táblázatot inkább kiindulási pontként, semmint merev szabályként kell kezelni.

A valódi alkalmazások kombinálhatják a technológiákat. Például egy rendszer mechanikus vezetőket használhat a termékváltozatok csökkentésére, 2D-s látást a lokalizációhoz, és további érzékelőket a folyamat megerősítésére. A cél nem a legfejlettebb érzékelőrendszer kiválasztása. A legegyszerűbb érzékelési architektúra használata, amely következetesen fel tudja oldani a folyamat szempontjából fontos bizonytalanságot.

A látás nélküli, a 2D-s látás és a 3D-s látás közötti választás csak az automatizálási tervezés része. Számos más tényező is hasonlóan nagy hatással lehet a megbízhatóságra.

Nem az a lényeges kérdés, hogy a rendszer képes-e egy sikeres válogatást végezni, hanem az, hogy képes-e fenntartani a kívánt teljesítményt az elvárt termelési körülmények között.

A látásarchitektúra kiválasztása előtt válaszoljon a következő kérdésekre.

A gyakorlati kiválasztási sorrend a következő:

Ne használjon látást, ha a termékbemutató már megismételhető pozicionálást biztosít.

Használja a 2D-s látást, ha a fő bizonytalanság egy előre látható síkon jelentkezik.

Használja a 3D-s látást, ha jelentős magasságot, mélységet, dőlést, halmozást vagy háromdimenziós tájolást kell -megoldani.

Ezután érvényesítse ezt a választást a megfogás, a pontosság, a ciklusidő, a környezet és a gyártási megbízhatóság szempontjából.

A látás nélküli, a 2D-s látás és a 3D-s látás közötti választásnak a komissiózási feladat bizonytalanságával kell kezdődnie, nem pedig a kamera kifinomultságával.

Ha a terméket mechanikusan stabil helyzetbe kényszerítik, akkor elegendő lehet az előre meghatározott robotkoordináták. Ha a pozíció főként sík síkon változik, a 2D látás biztosítja a termék helyének meghatározásához és tájolásához szükséges rugalmasságot. Ha a robotnak meg kell értenie az értelmes mélységet, magasságot, dőlést, halmozást vagy háromdimenziós tájolást, a 3D-s látás erősebb jelöltté válik.

De a látás csak egy része a megbízható pick and place rendszernek. A termékbemutató, a megfogó kialakítása, a kalibráció, a világítás, a ciklusidő, a pontosság és a valós gyártási variabilitás egyaránt befolyásolja a végeredményt. Ezért nem feltétlenül a legfejlettebb látástechnológiával rendelkező megoldás a leghatékonyabb. Ez az, amely elegendő bizonytalanságot szüntet meg ahhoz, hogy minden szükséges robot megismételhető, praktikus és megbízható legyen.