触景无限 | 前端智能感知全球引领者

Menu

新闻资讯 > 新闻详情

工业机器人智能化的秘密武器——机器视觉

近年来,随着机器人市场的迅速扩展和机器人技术的迅速成熟,工业机器人产业迎来了前所未有的良好发展机遇,然而有许多因素阻碍了机器人的普及,其中一个主要因素是:机器人的智能性。目前制造企业对机器人的使用还停留在简单地代替工位阶段。这是由于大多数机器人都是“瞎子”,它们对周围环境几乎没有感知能力,仅仅通过编程或单纯示教来执行某一特定动作。而面对智能化时代的到来,制造企业更追求效率、简便,各式各样的机器视觉已经悄然地占据行业高地。

例如:在原有条件下,生产线上的搬运机器人大多是通过视觉再现或者预编程来实现各种操作,对物体的位姿有严格的限定,因此实质上机器人只是完成点到点的动作。而当物体的外部参数有变化时,机器人的就无法自动处理了,这样缺乏柔性度、灵活性的生产线无法满足柔性生产系统对物料输送和搬运的要求。为保证机器人不受物体位姿、方位的影响及高效地工作就必须引入机器视觉技术来实现对目标物体的识别和定位。

典型的机器视觉系统可以分为:图像采集部分与视觉处理部分。图像采集部分主要包括相机、光源、镜头等硬件。视觉处理部分的核心则是软件算法,视觉处理通常在控制器端进行。据库柏特机器视觉领域资深工程师潘工介绍,其中最重要的组成部分为传感器(相机)与视觉处理算法。

一般来说,工业上常用的相机为2D相机与3D相机。当前机器视觉主流的检测手段还是依赖2D相机,即从灰度图/彩色图中提取被测物特征,在X-Y平面内进行测量。当遇到需要高度测量或需要Z方向信息,如需要测高度、深度、厚度、体积、磨损等情况时,2D视觉往往无能为力。这时,3D视觉技术就成为解决机器视觉问题的重要检测手段。

3D视觉技术方案通常包括线激光方案、面结构光方案、TOF(Time of Flight)相机方案与双目视觉方案。主要区别在于:

1497954295708083.jpg

因此在选取相机时,要结合具体的应用场景选择适合的相机。

图像采集部分将被拍摄的目标转换为图像信号,传送给视觉处理软件,根据像素分布和亮度、颜色等各种信息,转变成数字化信号,视觉处理系统对这些信号进行各种运算来抽取目标的具体特征,如面积、数量、位置、长度,再根据预设的允许度和其他条件输出结果,包括尺寸、角度、个数、合格/不合格、有/无等,以此来完成测量、检测和判断任务。而运用机器学习这一最前沿的人工智能技术可以进行更高级的视觉应用,例如目标识别、位姿检测、目标跟踪。

如下图,机器视觉在检测某一特定形态的猫时发现有不同,即缺耳朵的猫,视觉处理软件就会通过一定的通信方式将该信息传达给机器人,机器人即可执行分拣等操作。

è.jpg

总的来说,视觉能够赋予机器人“看”的能力,视觉感知与控制理论往往与视觉处理得到紧密结合来实现高效的机器人控制或各种实时操作,最终用于工业智能制造中的实际检测、测量、识别、分类、分拣等自动化工作。企业加速布局机器视觉硬件产品和软件服务,以智能制造需求为导向,重点研发工业视觉解决方案,并逐渐应用于电子制造、汽车制造、机械加工、包装与印刷、食品等行业,助力制造业转型升级。

在库柏特为某食品加工制造企业提供的智能无序分拣解决方案中,采用高分辨率工业相机配合图像感知算法,获取流水线上物体的类别和位置信息;其次采用高速高精度的四轴机器臂、精巧的末端执行部件和动态抓取控制算法,实现对食品的精准分拣,其分拣速度达0.8s/个,分拣成功率达到97%。该方案可广泛应用于流水线上物品分级、分类、次品剔除等分拣应用,对提高生产效率和质量管理水平有重要作用。

机器视觉在3C电子行业已经实现相比于人工更高的速度和精度,可用于3C制造领域的分拣、零件插入、拧螺丝、焊接、元器件组装、贴片、检测、零部件配送、包装以及拉紧螺栓等多种任务。

机器视觉系统与工业机器人结合,赋予机器人更强的智能性,极大地拓展了工业机器人的应用广度与深度,也使得自动化生产更加灵活柔性,产品质量更加稳定、更加高效,并且已经成为中国制造业转型升级的关键推手。

 

来源:高工机器人

http://www.gg-robot.com/asdisp2-65b095fb-61296-.html