Vizija robota: Sveobuhvatna analiza principa, komponenti i aplikacija
U današnjoj eri brzog tehnološkog razvoja, tehnologija robotskog vida postepeno postaje jedna od ključnih tehnologija u oblasti automatizacije. Prema podacima, veličina globalnog tržišta mehaničkog vida dostigla je 11,4 milijarde dolara 2021. godine, a do 2022. se očekuje da će taj broj porasti na 12 milijardi dolara, što ukazuje na kontinuirani trend rasta. To ukazuje da tehnologija robotskog vida dobija sve veću pažnju i primjenu širom svijeta.
1, Vizuelni projekat
Osnovne funkcije
Prepoznavanje: Funkcija prepoznavanja uglavnom uključuje identifikaciju karakteristika ciljnog objekta, kao što je njegov izgled. Među njima, tačnost i brzina prepoznavanja barkoda su važni pokazatelji za mjerenje sposobnosti prepoznavanja.
Mjerenje: Funkcija mjerenja može dobiti jedinicu veličine slike i precizno izračunati geometrijske dimenzije ciljanog objekta na slici. Visoka preciznost i složeno mjerenje oblika su prednosti mašinskog vida u ovoj funkciji.
Lokalizacija: Lokalizacija je trenutno široko korišteno polje koje može dobiti dvodimenzionalne i trodimenzionalne-informacije o položaju ciljeva, pri čemu su tačnost i brzina glavni indikatori mjerenja.
Detekcija: Polje detekcije čini 50% funkcija mašinskog vida, a implementacija kalkulacija je izazovna, prvenstveno uključujući otkrivanje izgleda nakon-sastavljanja i otkrivanje grešaka na izgledu.
Scenariji aplikacija
Strojni vid u kombinaciji s industrijskim robotima uglavnom se koristi za usmjeravanje kretanja robota. Specifični scenariji se mogu podijeliti na hvatanje, otkrivanje i obradu itd. Kategorija hvatanja se može podijeliti na aplikacije kao što su utovar i istovar, paletiranje, sortiranje itd. Kategorija procesa uglavnom uključuje scenarije primjene kao što su lijepljenje, poliranje, zavarivanje, itd., i uglavnom je fokusirana na hvatanje.
2, Kompozicija i principi vizuelnog sistema
a. Sastav sistema
Vizuelna kamera: Njegova glavna funkcija je snimanje slika i prikupljanje informacija o slici.
Izvor svjetlosti: Obezbijedite stabilnu scenu izvora svjetlosti za vizuelni sistem, tako da robot može dobiti jasnije slike.
Računalni hardver: uključujući CPU, memoriju, hard disk, itd., uglavnom odgovoran za obradu slika, algoritamske proračune i skladištenje.
Roboti: primaju vizuelne podatke, dobijaju fizičke koordinate i izvršavaju automatizovane proizvodne zadatke na osnovu vizuelnih uputstava.
Mehanički uređaj: uključujući uređaje, pokretne trake, sjedala za podizanje i druge periferne uređaje, glavna funkcija je pomoći robotu u dovršavanju fizičkih operacija.
b. Klasifikacija sistema
Monokularni vid: Ovo je uobičajeni vizuelni sistem koji koristi jednu industrijsku kameru za akviziciju slike, obično sposobnu da snimi samo dvodimenzionalne slike-i široko se koristi u polju inteligentnih robota. Međutim, zbog problema s preciznošću slike i stabilnošću podataka, često je potrebno raditi zajedno s drugim tipovima senzora.
Binokularni vid: sastoji se od dvije kamere, koristi princip triangulacije za dobijanje informacija o dubini scene i može rekonstruisati trodimenzionalni oblik i položaj okolnih objekata. Princip je sličan ljudskom oku i relativno je jednostavan.
Multi vision: Korišćenjem više kamera, mrtve tačke se mogu smanjiti, a verovatnoća pogrešne detekcije može biti smanjena. Široko se koristi u polju montaže industrijskih robota i može precizno identificirati i locirati izmjereni objekt, poboljšavajući inteligenciju i preciznost pozicioniranja robota za sklapanje.
c. Princip snimanja
Vizuelna slika uglavnom konvertuje detektovani objekat u signal slike zasnovan na uređajima za akviziciju slike (CMOS i CCD) i prenosi ga u namenski sistem za obradu slike. Pretvorite informacije o svjetlini i boji distribucije piksela u digitalne signale. Sistem za obradu slike izdvaja karakteristike mete na osnovu ovih signala, kao što su površina, količina, pozicija, dužina, itd., i emituje rezultate prema unaprijed postavljenoj toleranciji i drugim uvjetima, uključujući veličinu, ugao, broj, kvalifikovano/nekvalifikovano, prisustvo/odsustvo, itd., kako bi se postigla funkcija automatskog prepoznavanja, a zatim kontrolirala radnja opreme na diskovima na osnovu{{4}
3. Razlika između CCD-a i CMOS-a
CCD kamere koriste CCD za pretvaranje optičkih slika u digitalne signale za prijenos. CCD senzori za obradu slike koriste jedan ili nekoliko izlaznih čvorova za očitavanje signala, sa dobrom konzistentnošću prijenosa i mogućnošću čitanja cjelokupnih informacija o slici. Međutim, širina pojasa izlaznog signala treba biti pojačana, što rezultira velikom potrošnjom energije.
CMOS kamere koriste CMOS za pretvaranje optičkih slika u digitalne signale za prijenos, koristeći jedan piksel za prijenos, čime se može postići pojačanje signala od jednog piksela i izuzetno visoka brzina skeniranja slike, ali postoje nedostaci u konzistentnosti signala.
Primena tehnologije robotskog vida u oblasti automatizacije se stalno širi i produbljuje. Sa različitih aspekata kao što su rast veličine tržišta, raznolikost funkcija, složenost sastava sistema i naučna priroda principa snimanja, ova tehnologija će nesumnjivo igrati važniju ulogu u mnogim poljima kao što su industrijska proizvodnja i inteligentni roboti, u budućnosti.