• 公司动态
  • 行业动态
  • 3D机器视觉:机器人的一小步,是工厂自动化的巨

    作者:admin  时间:2019-08-15 16:58  人气:

    机器人在工厂车间的许多流程自动化方面发挥着至关重要的作用。随着制造商开始实现自动化,一些任务对于机器人来说比其他任务更难。随机拣选是其中之一。

    从非结构化桩中选择和拣选零件需要机器提供视觉和决策能力,以数字方式指导机器人 - 多年来困扰工程师的多功能挑战。

    三维机器视觉系统的引入克服了机器能够在不可预测的环境中“看到”,分析和做出决策的技术障碍。这些新机器专为工厂设计而设计,可满足高精度,高速度和低维护的生产要求,同时又耐用,可承受工厂条件。

    通过假设对人类构成危险的任务(例如,处理热的,尖锐的或重的产品),自动化随机拣选可以降低成本,提高生产率和容量,并减少工作场所的伤害。也许更重要的是,这项新技术展示了机器视觉能够适应不断变化的环境的能力,这些环境有可能为自动化打开闸门。

    为什么随机选择自动化的挑战?

    Bin pick是一项低技能,高度单调的人类工作。这项工作需要从垃圾箱中取出一部分并将其交付到流程的下一步,通常是生产或装配线。当零件可预测地放置在料仓中时,拣选过程更容易自动化。

    迄今为止,机器人主要用于可预测的工作流程。但是随着垃圾箱的随机选择,垃圾箱中的零件放置是不可预测的。为了使情况复杂化,每次从仓中移除零件时,其余零件可能在位置和方向上移位。因此,每次挑选零件时环境都会发生变化。

    让我们考虑一下随机垃圾拣选如何与人类一起工作。当人看着装满相同重叠部分的垃圾箱时,他/她会看到各个部分。选择部分的决策过程很简单,因为抓握所需的人类精细动作技能比机器人更精致。即使是年幼的孩子也完全有能力完成这个看似简单的任务,即卸下随意堆放的零件箱。

    然而,为了使这个过程自动化,需要教一台机器“看到”各个部分,包括捕捉它们的位置和方向,“分析”和“决定”接下来要选择的部分以及机器人应如何接近拾取部分 - 所有这比听起来更复杂。

    现在如何完成随机选择?

    今天,随机拣选是由人类或人工辅助的二维拣选系统完成的

    虽然二维视觉可以识别一堆中各个零件的轮廓,但它无法区分零件的深度。例如,2-D无法确定零件是在另一个零件的顶部还是底部。这种限制使得人需要从箱中取出部件并将它们放置在平坦表面上。机器人可以从那里拾取和分配零件。

    三维收拾的新世界

    现在,假设一个机器人能够从一个箱子中从上到下从一堆数百个中挑选出单个零件。这需要三维视觉,以便能够看到零件的深度,以及决定下一个最佳选择部件的软件。机器视觉告诉机器人如何定位,使其能够选择下一部分。

    视觉与机器人之间的整合是三维垃圾箱拣选的一个更具挑战性的方面。一旦选择了一个零件作为拾取的下一个零件,并且零件的方向和位置已知,则需要将机器人的手定位在正确的“拾取位置”,以便第一次成功拾取零件。将数字指令传送到机器人需要将硬件和软件集成到机器人中。

    佳能的3-D RV系列机器视觉硬件包括投影仪和相机。硬件创建2-D和3-D图像,收集数据并将其发送到软件。

    任何系统的大脑都是它的软件。软件接收数据,对其进行分析,并根据给定的参数识别零件并确定接下来要选择的零件。

    该软件包括每个部分的唯一库(或字典)。该库有助于软件识别模式,识别堆中的零件位置和方向,然后根据易于准确的标准确定接下来要选择的零件。

    该软件还被编程为帮助机器人做出决定,例如当垃圾箱用完时要执行的任务,或者优化部件的最安全路径,而不会干扰其他部件或垃圾箱。

    CANON如何克服随机因素挑选挑战

    为了满足工厂客户的需求,三维机器视觉系统需要尺寸紧凑,免维护,防尘和防水。这些客户要求已内置于设计中。例如,为了满足免维护机器的需求,佳能选择了自然风冷而不是内置风扇。这一决定是为了避免机械风扇故障导致的停产造成的。

    三维机器视觉过程如何工作?以下步骤如下图所示。

    [1]各种图案投射到随机堆放的部分上。

    [2]测量随机堆积的部件和传感器之间的距离。

    [3]预先注册的模式字典和3D CAD模型用于识别零件定位和方向。

    [4]系统确定机器人手是否能够在不与其他部件接触的情况下抓住部件。

    [5]数据被发送到机器人控制器。

    为了帮助系统识别形状并计算它们的距离,佳能系统使用主动立体方法对零件进行成像。投影仪将光束照射到目标物体上,用相机测量光的反射,并计算物体的位置。

    对于佳能的光学设计师来说,最大的挑战是确保高精度。3-D机器视觉系统所需的光学性能与传统镜头的光学性能完全不同。传统镜头必须使图像失真最小化并具有分辨率和亮度。相比之下,为了确保高速和准确,3-D机器视觉使用立体测距方法,这是一种基于针孔摄像机原理的方法。

    为了实现高速和高精度的平衡,佳能的软件工程师开发了新的算法。三维机器视觉操作可分为三个基本步骤:图案投影,距离测量和零件识别。这些步骤使系统能够识别每个部件的形状,并从一堆随机堆积的部件中挑选出来。为了使生产线高速运转,佳能系统可以测量到零件的距离,并在短至1.8到2.5秒内识别出来。有关软件算法的更多信息,请参见此处。 

    为客户提供简单的设置是佳能的另一个重要目标。新系统仅要求客户拍摄随机堆放零件的五张照片并按“创建字典”按钮。即使是缺乏任何专业知识的用户也可以在他们的系统中添加新部件。

    三维机器视觉系统的重要考虑因素

    1.识别准确度高

    高精度零件识别使机器人能够精确地拾取小零件,薄零件或复杂形状。精确的拾取需要高精度的摄像头和良好的投影仪,以及用于分析来自硬件的数据的软件。

    2.安装和设置简单

    使用传统的3D机器视觉,设置非常困难。设置的一个具有挑战性的方面是填充零件库。最新的系统具有更简单的用户界面,易于使用。

    在较新的软件上,校准也更容易维护。初始设置后,软件会监控硬件随时间的变化。如果硬件超出推荐量,软件会通知用户手动重新校准以保持精确的料箱拣选。

    3.ø NE照相机系统

    一些3-D视觉系统需要额外的2-D摄像头,以便在3D识别后由机器人放置零件时识别零件方向。一个摄像系统无需对齐和编程多个摄像头。

    可以为您的工厂节省三维机器视觉系统的成本吗?

    机器人垃圾箱采摘可以提高成本效率,生产力和容量,并有可能减少工作场所的伤害。配备机器视觉的机器人的成本约为60,000美元至80,000美元。

    3-D机器视觉的完美应用是汽车行业。今天汽车零件的大部分箱子采摘都是由人类完成的。但这是一项非常平凡的工作,并受到人类效率限制的影响。在不久的将来另一个应用将是汽车装配。汽车检测程序也是自动化的目标。

    这种改进的机器视觉和决策能力的重要性在于机器人可以执行更广泛的工作 - 包括需要适应不断变化的环境的任务。

    这项技术为工厂自动化的巨大飞跃奠定了基础。

    公司地址:苏州工业园区若水路388号D103室

    联系电话:0512-62512433

    邮箱:admin@oi-smart.com

    官网:www.oi-smart.com

    Copyright © 2018 光图智能 版权所有 苏ICP备17010605号-1