Robotvisie: een uitgebreide analyse van principes, componenten en toepassingen
In het huidige tijdperk van snelle technologische ontwikkeling wordt robotvisietechnologie geleidelijk een van de sleuteltechnologieën op het gebied van automatisering. Volgens gegevens bedroeg de mondiale marktomvang van mechanisch zicht in 2021 $11,4 miljard, en tegen 2022 zal dit aantal naar verwachting groeien tot $12 miljard, wat wijst op een voortdurend opwaartse trend. Dit geeft aan dat robotvisietechnologie wereldwijd steeds meer aandacht en toepassing krijgt.
1, Visueel project
Basisfuncties
Herkenning: De herkenningsfunctie omvat voornamelijk het identificeren van de kenmerken van het doelobject, zoals het uiterlijk ervan. Onder hen zijn de nauwkeurigheid en snelheid van barcodeherkenning belangrijke indicatoren voor het meten van het herkenningsvermogen.
Meting: De meetfunctie kan de grootte-eenheid van de afbeelding verkrijgen en nauwkeurig de geometrische afmetingen van het doelobject in de afbeelding berekenen. Hoge precisie en complexe vormmeting zijn de voordelen van machine vision in deze functie.
Lokalisatie: Lokalisatie is momenteel een veelgebruikt veld waarmee twee-dimensionale en drie-positie-informatie van doelen kan worden verkregen, waarbij nauwkeurigheid en snelheid de belangrijkste meetindicatoren zijn.
Detectie: Het detectieveld is verantwoordelijk voor 50% van de machine vision-functies, en het implementeren van berekeningen is een uitdaging, omdat het vooral gaat om detectie van het uiterlijk na de assemblage en detectie van krasdefecten.
Toepassingsscenario's
Machine vision gecombineerd met industriële robots wordt vooral gebruikt om robotbewegingen te begeleiden. De specifieke scenario’s zijn onder te verdelen in grijpen, detecteren en verwerken etc. De categorie grijpen kan worden onderverdeeld in toepassingen zoals laden en lossen, palletiseren, sorteren etc. De categorie proces omvat vooral toepassingsscenario’s zoals lijmen, polijsten, lassen etc. en is vooral gericht op grijpen.
2, Samenstelling en principes van het visuele systeem
A. Systeemsamenstelling
Visuele camera: De belangrijkste functie is het vastleggen van afbeeldingen en het verzamelen van beeldinformatie.
Lichtbron: Zorg voor een stabiele lichtbronscène voor het visuele systeem, zodat de robot duidelijkere beelden kan verkrijgen.
Computerhardware: inclusief CPU, geheugen, harde schijf, enz., voornamelijk verantwoordelijk voor het verwerken van afbeeldingen, algoritmeberekeningen en opslag.
Robots: ontvang visuele gegevens, verkrijg fysieke coördinaten en voer geautomatiseerde productietaken uit op basis van visuele instructies.
Mechanisch apparaat: inclusief armaturen, transportbanden, verstelbare stoelen en andere randapparatuur, de belangrijkste functie is om de robot te helpen bij het voltooien van fysieke operaties.
B. Systeemclassificatie
Monoculair zicht: dit is een veelgebruikt visueel systeem dat gebruikmaakt van een enkele industriële camera voor beeldacquisitie, dat doorgaans alleen twee-dimensionale beelden kan vastleggen, en dat veel wordt gebruikt op het gebied van intelligente robots. Vanwege problemen met beeldnauwkeurigheid en datastabiliteit is het echter vaak nodig om samen te werken met andere soorten sensoren.
Binoculair zicht: het bestaat uit twee camera's en maakt gebruik van het triangulatieprincipe om diepte-informatie van de scène te verkrijgen, en kan de drie-dimensionale vorm en positie van omringende objecten reconstrueren. Het principe is vergelijkbaar met dat van het menselijk oog en is relatief eenvoudig.
Multivisie: Door het gebruik van meerdere camera's kunnen blinde vlekken worden verkleind en de kans op foutieve detectie worden verkleind. Het wordt veel gebruikt op het gebied van de assemblage van industriële robots en kan het gemeten object nauwkeurig identificeren en lokaliseren, waardoor de intelligentie en positioneringsnauwkeurigheid van assemblagerobots worden verbeterd.
C. Beeldvormingsprincipe
Visuele beeldvorming zet het gedetecteerde object hoofdzakelijk om in een beeldsignaal op basis van beeldacquisitieapparatuur (CMOS en CCD) en verzendt dit naar een speciaal beeldverwerkingssysteem. Zet de helderheids- en kleurinformatie van de pixelverdeling om in digitale signalen. Het beeldverwerkingssysteem extraheert kenmerken van het doel op basis van deze signalen, zoals oppervlakte, hoeveelheid, positie, lengte, enz., en voert resultaten uit volgens vooraf ingestelde tolerantie en andere voorwaarden, waaronder grootte, hoek, aantal, gekwalificeerd/ongekwalificeerd, aan-/afwezigheid, enz., om een automatische herkenningsfunctie te bereiken en vervolgens de actie van apparatuur ter plaatse te controleren op basis van de discriminatieresultaten.
3. Het verschil tussen CCD en CMOS
CCD-camera's gebruiken CCD om optische beelden om te zetten in digitale signalen voor verzending. CCD-beeldverwerkingssensoren gebruiken één of enkele uitgangsknooppunten voor het uitlezen van signalen, met een goede transmissieconsistentie en de mogelijkheid om de volledige beeldinformatie te lezen. De bandbreedte van het uitgangssignaal moet echter worden versterkt, wat resulteert in een hoog stroomverbruik.
CMOS-camera's gebruiken CMOS om optische beelden om te zetten in digitale signalen voor verzending, waarbij gebruik wordt gemaakt van een enkele pixel voor verzending, waardoor een signaalversterking van één pixel en een extreem hoge beeldscansnelheid kan worden bereikt, maar er zijn gebreken in de signaalconsistentie.
De toepassing van robotvisietechnologie op het gebied van automatisering breidt zich voortdurend uit en verdiept zich voortdurend. Vanuit verschillende aspecten, zoals de groei van de marktomvang, de diversiteit van functies, de complexiteit van de systeemsamenstelling en het wetenschappelijke karakter van beeldvormingsprincipes, zal deze technologie in de toekomst ongetwijfeld een belangrijkere rol spelen op veel gebieden, zoals industriële productie en intelligente robots.