Robot Vision: En omfattende analyse af principper, komponenter og applikationer
I nutidens æra med hurtig teknologisk udvikling er robotvisionsteknologi gradvist ved at blive en af nøgleteknologierne inden for automatisering. Ifølge data nåede den globale markedsstørrelse for mekanisk vision 11,4 milliarder dollars i 2021, og i 2022 forventes dette tal at vokse til 12 milliarder dollars, hvilket indikerer en kontinuerlig opadgående tendens. Dette indikerer, at robotvisionsteknologi får stigende opmærksomhed og anvendelse verden over.
1, Visuelt projekt
Grundlæggende funktioner
Genkendelse: Genkendelsesfunktionen involverer hovedsageligt at identificere målobjektets egenskaber, såsom dets udseende. Blandt dem er nøjagtigheden og hastigheden af stregkodegenkendelse vigtige indikatorer til måling af genkendelsesevne.
Måling: Målefunktionen kan få billedets størrelsesenhed og nøjagtigt beregne de geometriske dimensioner af målobjektet i billedet. Høj præcision og kompleks formmåling er fordelene ved maskinsyn i denne funktion.
Lokalisering: Lokalisering er i øjeblikket et meget udbredt felt, der kan opnå to-dimensionelle og tre-dimensionelle positionsoplysninger om mål, hvor nøjagtighed og hastighed er de vigtigste måleindikatorer.
Registrering: Detektionsfeltet tegner sig for 50 % af maskinsynsfunktionerne, og implementering af beregninger er udfordrende, primært indebærer detektion af udseende efter-samling og detektering af ridsedefekter.
Applikationsscenarier
Maskinsyn kombineret med industrirobotter bruges hovedsageligt til at styre robotbevægelser. De specifikke scenarier kan opdeles i gribe, detektering og bearbejdning etc. Gribekategorien kan underopdeles i applikationer som læsning og losning, palletering, sortering osv. Proceskategorien omfatter hovedsageligt applikationsscenarier som limning, polering, svejsning osv., og er hovedsageligt fokuseret på greb.
2, Sammensætning og principper for det visuelle system
en. Systemsammensætning
Visuelt kamera: Dets hovedfunktion er at tage billeder og indsamle billedinformation.
Lyskilde: Sørg for en stabil lyskildescene til det visuelle system, så robotten kan få klarere billeder.
Computerhardware: inklusive CPU, hukommelse, harddisk osv., hovedsagelig ansvarlig for behandling af billeder, algoritmeberegninger og lagring.
Robotter: Modtag visuelle data, indhent fysiske koordinater og udfør automatiserede produktionsopgaver baseret på visuelle instruktioner.
Mekanisk enhed: inklusive armaturer, transportbånd, hævesæder og andre perifere enheder, er hovedfunktionen at hjælpe robotten med at fuldføre fysiske operationer.
b. System klassificering
Monokulært syn: Dette er et almindeligt anvendt visuelt system, der bruger et enkelt industrielt kamera til billedoptagelse, som typisk kun er i stand til at optage to-dimensionelle billeder, og som er meget brugt inden for intelligente robotter. På grund af problemer med billednøjagtighed og datastabilitet er det dog ofte nødvendigt at arbejde sammen med andre typer sensorer.
Kikkertsyn: Består af to kameraer, det bruger trianguleringsprincippet til at opnå dybdeinformation om scenen og kan rekonstruere den tre-dimensionelle form og position af omgivende objekter. Princippet ligner det menneskelige øje og er relativt enkelt.
Multivision: Ved at bruge flere kameraer kan blinde vinkler reduceres, og sandsynligheden for fejlregistrering kan sænkes. Det er meget udbredt i monteringsområdet for industrirobotter og kan nøjagtigt identificere og lokalisere det målte objekt, hvilket forbedrer intelligensen og positioneringsnøjagtigheden af montagerobotter.
c. Billedbehandlingsprincip
Visuel billeddannelse konverterer hovedsageligt det detekterede objekt til et billedsignal baseret på billedopsamlingsenheder (CMOS og CCD) og overfører det til et dedikeret billedbehandlingssystem. Konverter lysstyrken og farveinformationen for pixelfordeling til digitale signaler. Billedbehandlingssystemet udtrækker træk ved målet baseret på disse signaler, såsom areal, mængde, position, længde osv., og udsender resultater i henhold til forudindstillet tolerance og andre forhold, herunder størrelse, vinkel, antal, kvalificeret/ukvalificeret, tilstedeværelse/fravær osv., for at opnå automatisk genkendelsesfunktion og derefter kontrollere handlingen af webstedsudstyr baseret på{{4} diskriminationsudstyret.
3. Forskellen mellem CCD og CMOS
CCD-kameraer bruger CCD til at konvertere optiske billeder til digitale signaler til transmission. CCD billedbehandlingssensorer bruger en eller nogle få udgangsnoder til signaludlæsning, med god transmissionskonsistens og evnen til at læse hele billedinformationen. Udgangssignalets båndbredde skal dog forstærkes, hvilket resulterer i et højt strømforbrug.
CMOS-kameraer bruger CMOS til at konvertere optiske billeder til digitale signaler til transmission, ved at bruge en enkelt pixel til transmission, hvilket kan opnå enkelt pixel signalforstærkning og ekstrem høj billedscanningshastighed, men der er defekter i signalkonsistensen.
Anvendelsen af robotvisionsteknologi inden for automatisering udvides og uddybes konstant. Ud fra forskellige aspekter såsom væksten i dets markedsstørrelse, mangfoldigheden af funktioner, kompleksiteten af systemsammensætning og den videnskabelige karakter af billeddannelsesprincipper, vil denne teknologi utvivlsomt spille en vigtigere rolle på mange områder såsom industriel produktion og intelligente robotter i fremtiden.