راهنمای چشم انداز ربات را انتخاب و مکان کنید: بدون ویژن در مقابل دید 2 بعدی در مقابل دید سه بعدی

A ربات را انتخاب و قرار دهیدتنها زمانی به بینایی ماشین نیاز دارد که باید تغییرات محصول را که به صورت مکانیکی یا از طریق سایر روش‌های سنجش قابل کنترل نیست، شناسایی یا جبران کند.

دو اپلیکیشن متفاوت

بنابراین هدف از دید ربات پیچیده تر کردن سیستم اتوماسیون نیست. هدف آن حذف عدم قطعیت است که در غیر این صورت از انتخاب قابل اعتماد جلوگیری می کند.

قبل از مقایسه بدون دید، دید دو بعدی و دید سه بعدی، خود برنامه را ارزیابی کنید.

چندین متغیر به ویژه مهم هستند.

A بدون-سیستم انتخاب و مکان دیدزمانی که محصول از قبل در موقعیتی شناخته شده و قابل تکرار ارائه شده باشد، می تواند مناسب ترین راه حل باشد.

کاربردهای معمولی عبارتند از:

قطعات واقع در وسایل ثابت؛

اجزای ارائه شده در سینی های با موقعیت دقیق.

محصولات متوقف شده در یک موقعیت شاخص کنترل شده.

انتقال مکرر بین ماشین های ثابت؛

کاربردهایی که راهنماهای مکانیکی موقعیت محصول را تعیین می کنند.

در این شرایط، سیستم مکانیکی قبلاً بیشتر عدم قطعیت را از بین برده است. ربات اغلب می تواند به مختصات انتخابی از پیش تعریف شده یا آموزش داده شده بدون محاسبه ژست جدید برای هر چرخه حرکت کند.

این رویکرد چندین مزیت بالقوه دارد. می تواند نیازهای سخت افزاری را کاهش دهد، برنامه نویسی و کالیبراسیون را ساده کند، زمان راه اندازی را کوتاه کند، و مراحل غیرضروری پردازش تصویر را حذف کند. فناوری بیشتر به طور خودکار سلول اتوماسیون بهتری تولید نمی کند. اگر موقعیت مکانیکی در حال حاضر بسیار قابل تکرار است، افزودن یک سیستم بینایی می تواند پیچیدگی را بدون حل یک مشکل تولید معنی دار ایجاد کند.

​​​​​​​بدون دید به معنای عدم حس نیست

یک سلول روباتی بدون بینایی ماشین ممکن است همچنان به حسگر نیاز داشته باشد.

نمونه‌های متداول عبارتند از حسگرهای حضور فوتوالکتریک، سوئیچ‌های مجاورتی، سنسورهای تأیید لوازم، سوئیچ‌های فشار خلاء، سنسورهای{0}قطعی، حسگرهای ایمنی.

این دستگاه ها به سوالاتی مانند اینکه آیا یک محصول در دسترس است یا اینکه آیا یک یراق به درستی قرار گرفته است پاسخ می دهند. تمایز اصلی این است که آنها به طور معمول یک ژست انتخاب جدید را از یک تصویر محاسبه نمی کنند.

یک سوال تصمیم گیری مفید این است:آیا ربات نیاز به محاسبه موقعیت یا جهت گیری محصول متفاوت برای هر چرخه دارد؟ اگر پاسخ منفی است، ممکن است یک رویکرد هماهنگ{0} ثابت کافی باشد.

وقتی هیچ چشم اندازی خطرناک نمی شود

هنگامی که ارائه محصول شروع به تغییر می کند، سیستم بدون{0}}بینایی کمتر مناسب می شود.

مشکلات احتمالی شامل بارگذاری ناهماهنگ وسایل، خطای انباشته موقعیت نوار نقاله، بسته بندی متغیر، تغییر جهت گیری محصول، توقف های مکانیکی ناپایدار، تغییرات مکرر قالب است.

اگر این تغییرات از تحمل برداشت مجاز فراتر رود، ممکن است فرآیند به بهبود کنترل مکانیکی، حسگر اضافی یا بینایی ماشین نیاز داشته باشد.

دید دو بعدی معمولاً زمانی استفاده می شود که محصولات عمدتاً در یک صفحه شناخته شده حرکت می کنند در حالی که ارتفاع آنها نسبتاً ثابت باقی می ماند.

نمونه های معمولی عبارتند از:

محصولات فردی روی یک نوار نقاله مسطح؛

اجزاء با موقعیت های X-Y متغیر؛

چرخش محصولات روی سطح صاف؛

قطعات توزیع شده در یک-سینی تک لایه.

برنامه هایی که نیاز به شناسایی بصری یا تشخیص ویژگی دارند.

یک دوربین دوبعدی معمولاً می‌تواند به تعیین اطلاعاتی مانند موقعیت X، موقعیت Y، -چرخش صفحه، اطلاعات شکل یا ویژگی قابل مشاهده، هویت محصول در صورت وجود ویژگی‌های بصری قابل تشخیص کمک کند.

به عنوان مثال، محصولاتی که روی یک نوار نقاله حرکت می کنند ممکن است با فاصله نامنظم و جهت گیری های مختلف وارد شوند. به جای تکیه بر یک مختصات انتخاب ثابت، یک سیستم دید دوبعدی می تواند مکان هر محصول را پیدا کند و موقعیت به روز شده ای را برای ربات فراهم کند. اگر نوار نقاله به طور مداوم در حال حرکت باشد، سیستم کنترل ربات ممکن است به ردیابی نوار نقاله و همگام سازی رمزگذار نیاز داشته باشد تا موقعیت انتخاب محاسبه شده در حین حرکت محصول معتبر باقی بماند.

چرا چشم انداز دو بعدی اغلب یک حد وسط عملی است؟

برای کاربردهای اساساً مسطح، دید دو بعدی می‌تواند انعطاف‌پذیری مورد نیاز را بدون انجام اندازه‌گیری عمق غیرضروری فراهم کند.

در مقایسه با کاربردهای سه بعدی پیچیده تر، مشکل سنجش معمولاً دارای متغیرهای کمتری است.

این می تواند راه اندازی دوربین، پردازش تصویر، کالیبراسیون، ادغام ربات، عیب یابی را ساده کند.

با این حال، این مزایا به این بستگی دارد که برنامه به اندازه کافی مسطح باقی بماند.

محدودیت های دید دو بعدی

یک تصویر دو بعدی معمولی مستقیماً اطلاعات عمق کامل را ارائه نمی دهد.

مشکلات زمانی ممکن است ایجاد شوند که:

محصولات در ارتفاعات متفاوت ظاهر می شوند.

اشیاء روی هم چیده می شوند.

سطح گرفتن ممکن است کج شود.

ارتفاع بر موقعیت انتخاب مورد نیاز تأثیر می گذارد.

محصولات همپوشانی باید به صورت مکانی جدا شوند.

ربات به یک ژست کامل سه بعدی نیاز دارد.

روشنایی یکی دیگر از عوامل مهم است. کنتراست ضعیف، سایه‌ها، تابش خیره کننده یا نور ناسازگار می‌تواند تشخیص دو بعدی ساده را غیرقابل اعتماد کند. محصولات انعکاسی و شفاف ممکن است نیاز به نورپردازی دقیق و طراحی نوری داشته باشند.

بنابراین تصمیم باید بر اساس هندسه و تغییرپذیری محیط تولید واقعی باشد نه بر این فرض که دید دو بعدی همیشه پاسخ ساده تری است.

دید سه بعدی زمانی مفید می شود که عمق، ارتفاع، یا جهت گیری سه بعدی بخشی از مشکل انتخاب باشد.

کاربردهای رایج عبارتند از:

انتخاب سطل تصادفی؛

اجزای انباشته؛

محصولات در ارتفاعات مختلف؛

سطوح نامنظم؛

اشیاء همپوشانی؛

اجزای کج شده تصادفی؛

برنامه‌هایی که به ژست شی سه‌بعدی- نیاز دارند.

به جای اینکه یک شی را فقط در یک صفحه تصویر قرار دهید، حسگر سه بعدی می تواند اطلاعاتی در مورد عمق و هندسه سطح ارائه دهد. بسته به فناوری سنجش و کاربرد، این اطلاعات می‌تواند به سیستم کمک کند وضعیت سه‌بعدی یک جسم-را تخمین بزند و سطوح برداشت بالقوه را شناسایی کند.

انتخاب تصادفی سطل زباله: چرا عمق اهمیت دارد

یک سطل تصادفی به خوبی تفاوت بین حس مسطح و سه بعدی-را نشان می دهد.

تصور کنید چندین جزء فلزی روی هم انباشته شده اند. دانستن اینکه یک جزء در نزدیکی مرکز یک تصویر دو بعدی ظاهر می شود ممکن است کافی نباشد.

ربات همچنین ممکن است نیاز داشته باشد که مشخص کند آیا قطعه در بالای شمع قرار دارد، ارتفاع آن چقدر است، آیا کج شده است یا خیر، آیا جزء دیگری آن را پوشانده است، آیا سطح دستگیره مورد نظر قابل دسترسی است یا خیر، آیا ربات می تواند بدون برخورد با قسمت های اطراف نزدیک شود. این سؤالات به اطلاعاتی بیش از X{1}}Y نیاز دارند.

3D Vision هر مشکلی را حل نمی کند

یکی از مهمترین اصول طراحی در چیدن رباتیک این است که تشخیص موفقیت آمیز اشیا با انتخاب موفق شی یکسان نیست. یک سیستم بینایی سه بعدی ممکن است یک جزء را به درستی شناسایی کند در حالی که ربات انتخاب و مکان هنوز نمی تواند آن را بگیرد یا استخراج کند.

علل احتمالی عبارتند از انسداد شدید، هندسه گرفتن ضعیف، توده های محصول ناپایدار، سطوح در دست گرفتن غیرقابل دسترس، خطرات برخورد، مواد بازتابنده یا شفاف، فاصله ناکافی بین محصولات.

به همین دلیل، دید سه‌بعدی باید همراه با روش برنامه‌ریزی گیره، دسترسی ربات، استراتژی برخورد، هندسه محصول و مسیر{1}} ارزیابی شود. نباید به عنوان یک راه حل مستقل برای هر مشکل سخت چیدن در نظر گرفته شود.

جدول زیر تفاوت های اصلی را خلاصه می کند.

این جدول باید به عنوان یک نقطه شروع در نظر گرفته شود تا یک قانون سفت و سخت.

برنامه های کاربردی واقعی می توانند فناوری ها را ترکیب کنند. به عنوان مثال، یک سیستم ممکن است از راهنماهای مکانیکی برای کاهش تنوع محصول، دید دوبعدی برای محلی سازی و حسگرهای اضافی برای تأیید فرآیند استفاده کند. هدف انتخاب پیشرفته ترین سیستم سنجش نیست. استفاده از ساده ترین معماری حسگر است که می تواند به طور مداوم عدم قطعیتی را که برای فرآیند مهم است حل کند.

انتخاب بین بدون دید، دید دو بعدی و دید سه بعدی تنها بخشی از طراحی اتوماسیون است. چندین عامل دیگر نیز می توانند تأثیر به همان اندازه بر قابلیت اطمینان داشته باشند.

سوال مربوطه این نیست که آیا سیستم می تواند یک انتخاب موفق داشته باشد یا خیر، بلکه این است که آیا می تواند عملکرد مورد نیاز را در محدوده مورد انتظار شرایط تولید حفظ کند یا خیر.

قبل از انتخاب معماری چشم انداز، به سوالات زیر پاسخ دهید.

یک دنباله انتخاب عملی عبارت است از:

هنگامی که ارائه محصول از قبل موقعیت یابی قابل تکرار را ارائه می دهد، از هیچ چشم انداز استفاده نکنید.

هنگامی که عدم قطعیت اصلی در یک صفحه قابل پیش بینی رخ می دهد از دید دو بعدی استفاده کنید.

زمانی که ارتفاع، عمق، شیب، انباشته شدن، یا جهت‌یابی سه‌بعدی باید مشخص شود، از دید سه بعدی استفاده کنید.

سپس آن انتخاب را در برابر گرفتن، دقت، زمان چرخه، محیط و قابلیت اطمینان تولید تأیید کنید.

انتخاب بین بدون دید، دید دو بعدی و دید سه بعدی باید با عدم اطمینان در کار انتخاب شروع شود، نه با پیچیدگی دوربین.

اگر محصول از نظر مکانیکی به یک موقعیت پایدار محدود شود، مختصات ربات از پیش تعریف شده ممکن است کافی باشد. اگر موقعیت به طور عمده در یک صفحه مسطح متفاوت است، دید دو بعدی می تواند انعطاف پذیری مورد نیاز برای مکان یابی و جهت دهی محصول را فراهم کند. اگر ربات باید عمق، ارتفاع، شیب، انباشته شدن، یا جهت سه بعدی معنادار را درک کند، دید سه بعدی کاندیدای قوی تری می شود.

اما چشم انداز تنها بخشی از یک سیستم انتخاب و مکان قابل اعتماد است. ارائه محصول، طراحی گریپر، کالیبراسیون، نورپردازی، زمان چرخه، دقت و تنوع واقعی تولید، همگی بر نتیجه نهایی تأثیر می گذارند. بنابراین مؤثرترین راه حل لزوماً راه حلی نیست که دارای پیشرفته ترین فناوری بینایی باشد. این یکی از مواردی است که عدم قطعیت کافی را از بین می برد تا هر انتخاب ربات مورد نیاز را تکرارپذیر، کاربردی و قابل اعتماد کند.