การเลือกระบบวิชันซิสเต็มสำหรับหุ่นยนต์หยิบและวางไม่ใช่แค่เรื่องของการตัดสินใจว่าเทคโนโลยี 3D มีความก้าวหน้ามากกว่า 2D หรือไม่ คำถามที่มีประโยชน์มากกว่าคือ:หุ่นยนต์ต้องแก้ไขความไม่แน่นอนของตำแหน่งมากน้อยเพียงใดก่อนจึงจะสามารถเลือกที่เชื่อถือได้
หากทุกชิ้นส่วนมาถึงในตำแหน่งและทิศทางเดียวกัน หุ่นยนต์อาจไม่ต้องการการมองเห็นเลย หากชิ้นส่วนเคลื่อนที่บนพื้นผิวเรียบอย่างคาดเดาไม่ได้ การมองเห็นแบบ 2 มิติก็อาจเพียงพอแล้ว หากหุ่นยนต์ต้องจัดการกับความสูงที่เปลี่ยนแปลง วัตถุเอียง ผลิตภัณฑ์ซ้อนกัน หรือถังขยะแบบสุ่ม การมองเห็น 3 มิติจะมีความเกี่ยวข้องมากขึ้น
กฎที่ใช้ได้จริงคือ: ยิ่งมีความไม่แน่นอนมากขึ้นในตำแหน่งและการวางแนวของผลิตภัณฑ์สามมิติ-มากเท่าใด ความสามารถในการตรวจจับที่แอปพลิเคชันก็มีแนวโน้มที่จะต้องการก็จะยิ่งมากขึ้นเท่านั้น
อย่างไรก็ตาม ไม่ควรเลือกการมองเห็นแบบแยกส่วน การนำเสนอผลิตภัณฑ์ การจับยึด ระยะเวลาในการผลิต ข้อกำหนดด้านความแม่นยำ แสง คุณสมบัติพื้นผิว และความซับซ้อนในการผสานรวม ล้วนสามารถกำหนดได้ว่าระบบการมองเห็นที่เหมาะสมตามทฤษฎีจะทำงานได้อย่างน่าเชื่อถือในการผลิตหรือไม่ คู่มือนี้จะอธิบายเมื่อใดที่จะไม่ใช้การมองเห็น, การมองเห็น 2D และการมองเห็น 3D ในการเลือกและวางแอปพลิเคชัน และจัดเตรียมกรอบการทำงานที่ใช้งานได้จริงสำหรับการเลือกระหว่างแอปพลิเคชันเหล่านั้น
หากคุณกำลังวางแผนเลือก-และ-วางระบบอัตโนมัติ ลองสำรวจดูRBTIC เลือก-และ-วางชุดหุ่นยนต์เพื่อตรวจสอบการกำหนดค่าและข้อมูลจำเพาะ

หุ่นยนต์หยิบและวางจำเป็นต้องมีการมองเห็นเสมอหรือไม่?
A เลือกและวางหุ่นยนต์ต้องการวิชันซิสเต็มเมื่อต้องระบุหรือชดเชยความแปรผันของผลิตภัณฑ์ที่ไม่สามารถควบคุมด้วยกลไกหรือด้วยวิธีการตรวจจับอื่นๆ เท่านั้น
สองแอปพลิเคชันที่แตกต่างกัน
|
สถานการณ์ |
สภาพตำแหน่งชิ้นส่วน |
ตรรกะการทำงานของหุ่นยนต์ |
ความต้องการของระบบวิชันซิสเต็ม |
|
สถานการณ์ที่ 1 |
ส่วนประกอบจะอยู่ในฟิกซ์เจอร์เดียวกันเสมอภายในพิกัดความเผื่อที่ทำซ้ำได้ |
หุ่นยนต์หยิบและวางสามารถเคลื่อนที่ไปยังพิกัดที่สอนได้ทุกรอบ |
สามารถทำงานได้อย่างน่าเชื่อถือโดยไม่ต้องใช้กล้อง |
|
สถานการณ์ที่ 2 |
ชิ้นส่วนต่างๆ มาถึงแบบสุ่มผ่านสายพานลำเลียงในตำแหน่งและทิศทางที่ต่างกัน |
หุ่นยนต์จะต้องกำหนดว่าแต่ละชิ้นส่วนอยู่ที่ไหนก่อนที่จะหยิบมันได้ |
โดยปกติต้องใช้ระบบการมองเห็นหรือตำแหน่ง-รูปแบบใดรูปแบบหนึ่ง |
วัตถุประสงค์ของการมองเห็นหุ่นยนต์จึงไม่ใช่เพื่อทำให้ระบบอัตโนมัติมีความซับซ้อนมากขึ้น จุดประสงค์คือเพื่อขจัดความไม่แน่นอนที่อาจขัดขวางการเลือกที่เชื่อถือได้
ปัจจัยสำคัญที่กำหนดจำนวนการมองเห็นหุ่นยนต์ในการหยิบและวางที่คุณต้องการ
ก่อนที่จะเปรียบเทียบการมองเห็น การมองเห็น 2 มิติ และการมองเห็น 3 มิติ ให้ประเมินแอปพลิเคชันก่อน
ตัวแปรหลายตัวมีความสำคัญอย่างยิ่ง
|
ปัจจัยหลัก |
คำอธิบาย |
|
การเปลี่ยนแปลงตำแหน่งผลิตภัณฑ์ |
ถามว่าผลิตภัณฑ์เคลื่อนจากรอบหนึ่งไปอีกรอบเท่าใด ชิ้นส่วนที่ยึดอยู่ในฟิกซ์เจอร์ที่มีความแม่นยำอาจแทบไม่มีการเปลี่ยนแปลงตำแหน่งเลย ผลิตภัณฑ์ที่หลวมที่เคลื่อนที่บนสายพานลำเลียงอาจเคลื่อนที่ไปในทิศทาง X และ Y อย่างมีนัยสำคัญ ส่วนประกอบที่กองแบบสุ่มอาจแตกต่างกันไปใน X, Y, Z, ระยะพิทช์, ม้วนตัว และหันเห จำนวนตัวแปรที่ไม่สามารถควบคุมได้เป็นหนึ่งในตัวบ่งชี้ที่แข็งแกร่งที่สุดของความสามารถในการตรวจจับที่ต้องการ |
|
การเปลี่ยนแปลงความสูงและความลึก |
หากนำเสนอผลิตภัณฑ์ทุกชิ้นที่มีความสูงเท่ากันโดยประมาณ ก็อาจไม่จำเป็นต้องวัดความลึก เมื่อผลิตภัณฑ์สามารถปรากฏที่ความสูงที่แตกต่างกันอย่างมาก รูปภาพ 2D อาจไม่ให้ข้อมูลเพียงพอที่จะกำหนดท่าทางการเลือกที่เชื่อถือได้อีกต่อไป สิ่งนี้สำคัญอย่างยิ่งสำหรับผลิตภัณฑ์ที่วางซ้อนกัน ถังขยะแบบสุ่ม พื้นผิวไม่เรียบ และส่วนประกอบที่อาจเอียงได้ |
|
การวางแนวผลิตภัณฑ์ |
หุ่นยนต์อาจต้องการมากกว่าตำแหน่งกึ่งกลางของผลิตภัณฑ์ อาจจำเป็นต้องพิจารณา: ทั้งนี้ขึ้นอยู่กับแอปพลิเคชัน ใน-การหมุนของระนาบ; การวางแนวสามมิติเต็มรูปแบบ- ด้านใดของผลิตภัณฑ์หงายขึ้น สามารถเข้าถึงคุณลักษณะการจับยึดที่จำเป็นได้หรือไม่ ยิ่งผลิตภัณฑ์มีอิสระในการวางแนวมากเท่าใด ปัญหาการตรวจจับก็ยิ่งมีความต้องการมากขึ้นเท่านั้น |
|
การทับซ้อนกันและการบดเคี้ยว |
ผลิตภัณฑ์ที่ยังคงแยกจากกันและมองเห็นได้ชัดเจนจะค้นหาได้ง่ายกว่า ผลิตภัณฑ์ที่วางซ้อนกัน ทับซ้อนกัน หรือฝังบางส่วนทำให้เกิดความท้าทายที่แตกต่างออกไป ระบบอาจจำเป็นต้องแยกแยะวัตถุแต่ละชิ้น พิจารณาว่าวัตถุใดสามารถเข้าถึงได้ และหลีกเลี่ยงการชนกับผลิตภัณฑ์ที่อยู่รอบๆ นี่เป็นเหตุผลหนึ่งที่การหยิบถังแบบสุ่มมักต้องใช้การตรวจจับและการวางแผนที่ซับซ้อนมากกว่าการหยิบบนสายพานลำเลียงแบบเรียบ |
|
ข้อกำหนดด้านความแม่นยำ |
ควรเลือกการมองเห็นตามเกณฑ์ความคลาดเคลื่อนของกระบวนการ การใช้งานบรรจุภัณฑ์โดยการวางผลิตภัณฑ์ลงในกล่องขนาดใหญ่อาจทนต่อข้อผิดพลาดด้านตำแหน่งได้มากกว่าการประกอบโดยใส่ส่วนประกอบขนาดเล็กเข้าไปในคุณสมบัติที่มีการควบคุมอย่างเข้มงวด ความละเอียดของกล้อง คุณภาพการสอบเทียบ ความเสถียรในการติดตั้ง ระยะการทำงาน การเลือกเลนส์ และความสามารถในการทำซ้ำของหุ่นยนต์ ล้วนส่งผลต่อความแม่นยำของระบบขั้นสุดท้าย |
|
รอบเวลา |
วิชันซิสเต็มที่มีความสามารถทางเทคนิคไม่ใช่โซลูชันการผลิตที่เหมาะสมโดยอัตโนมัติ การได้มาของภาพ การตรวจจับวัตถุ การคำนวณท่าทาง การสื่อสารของหุ่นยนต์ การวางแผนเส้นทาง และการจับยึดใช้เวลาทั้งหมด สำหรับการใช้งานความเร็วสูง- การตรวจจับที่สมบูรณ์และวงจรของหุ่นยนต์ควรได้รับการประเมิน แทนที่จะพิจารณาประสิทธิภาพของกล้องเพียงอย่างเดียว |
เมื่อใดจึงควรใช้หุ่นยนต์หยิบและวางโดยไม่มีการมองเห็น
A ไม่มี-ระบบการเลือกและวางการมองเห็นอาจเป็นวิธีแก้ปัญหาที่เหมาะสมที่สุดเมื่อมีการนำเสนอผลิตภัณฑ์ในตำแหน่งที่ทราบและทำซ้ำได้
การใช้งานทั่วไปได้แก่:
ชิ้นส่วนที่อยู่ในอุปกรณ์ติดตั้งแบบตายตัว
ส่วนประกอบที่นำเสนอในถาดที่อยู่ในตำแหน่งที่ถูกต้อง
ผลิตภัณฑ์หยุดอยู่ที่ตำแหน่งที่จัดทำดัชนีควบคุม
การถ่ายโอนซ้ำระหว่างเครื่องคงที่
การใช้งานที่ไกด์เชิงกลกำหนดตำแหน่งของผลิตภัณฑ์
ในสถานการณ์เหล่านี้ ระบบกลไกได้ขจัดความไม่แน่นอนส่วนใหญ่ออกไปแล้ว หุ่นยนต์มักจะสามารถเคลื่อนที่ไปยังพิกัดการเลือกที่กำหนดไว้ล่วงหน้าหรือที่สอนโดยไม่ต้องคำนวณท่าทางใหม่สำหรับทุกรอบ
วิธีนี้มีข้อดีหลายประการ โดยสามารถลดข้อกำหนดด้านฮาร์ดแวร์ ลดความซับซ้อนของการเขียนโปรแกรมและการสอบเทียบ ลดเวลาในการทดสอบการทำงาน และลด-ขั้นตอนการประมวลผลภาพที่ไม่จำเป็น เทคโนโลยีที่มากขึ้นไม่ได้สร้างเซลล์อัตโนมัติที่ดีขึ้นโดยอัตโนมัติ หากการวางตำแหน่งเชิงกลสามารถทำซ้ำได้สูงอยู่แล้ว การเพิ่มระบบวิชันซิสเต็มอาจทำให้เกิดความซับซ้อนโดยไม่ต้องแก้ไขปัญหาการผลิตที่สำคัญ
ไม่มีการมองเห็นไม่ได้หมายความว่าไม่มีการรับรู้
เซลล์หุ่นยนต์ที่ไม่มีวิชันซิสเต็มอาจยังต้องใช้เซ็นเซอร์
ตัวอย่างทั่วไป ได้แก่ เซ็นเซอร์ตรวจจับโฟโตอิเล็กทริก สวิตช์พรอกซิมิตี้ เซ็นเซอร์ยืนยันฟิกซ์เจอร์ สวิตช์แรงดันสุญญากาศ -เซ็นเซอร์ปัจจุบัน เซ็นเซอร์ความปลอดภัย
อุปกรณ์เหล่านี้จะตอบคำถามต่างๆ เช่น มีผลิตภัณฑ์อยู่หรือไม่ หรืออุปกรณ์ติดตั้งอยู่ในตำแหน่งที่ถูกต้องหรือไม่ ความแตกต่างที่สำคัญคือโดยปกติแล้วพวกเขาจะไม่คำนวณท่าเลือกใหม่จากรูปภาพ
คำถามเพื่อการตัดสินใจที่เป็นประโยชน์คือ:หุ่นยนต์จำเป็นต้องคำนวณตำแหน่งผลิตภัณฑ์หรือการวางแนวที่แตกต่างกันสำหรับแต่ละรอบหรือไม่? ถ้าคำตอบคือไม่ การใช้แนวทางประสานงานแบบตายตัว-ก็อาจเพียงพอแล้ว
เมื่อไม่มีการมองเห็นใด ๆ กลายเป็นความเสี่ยง
ระบบการมองเห็นที่ไม่-จะเหมาะสมน้อยลงเมื่อการนำเสนอผลิตภัณฑ์เริ่มเลื่อนลอย
ปัญหาที่อาจเกิดขึ้น ได้แก่ การโหลดฟิกซ์เจอร์ที่ไม่สอดคล้องกัน ข้อผิดพลาดในการวางตำแหน่งสายพานลำเลียงสะสม การบรรจุแบบแปรผัน การเปลี่ยนการวางแนวผลิตภัณฑ์ การหยุดทางกลไกที่ไม่เสถียร การเปลี่ยนแปลงรูปแบบบ่อยครั้ง
หากความแปรผันเหล่านี้เกินพิกัดความเผื่อในการหยิบที่อนุญาต กระบวนการอาจจำเป็นต้องได้รับการปรับปรุงการควบคุมทางกล การตรวจจับเพิ่มเติม หรือวิชันซิสเต็ม
เมื่อ 2D Vision เป็นตัวเลือกที่เหมาะสมสำหรับการเลือกและวาง
โดยทั่วไปแล้วการมองเห็นแบบ 2 มิติจะใช้เมื่อผลิตภัณฑ์เคลื่อนที่ผ่านระนาบที่รู้จักเป็นหลัก ในขณะที่ความสูงยังคงค่อนข้างคงที่
ตัวอย่างทั่วไปได้แก่:
ผลิตภัณฑ์แต่ละชิ้นบนสายพานลำเลียงแบบเรียบ
ส่วนประกอบที่มีตำแหน่ง X-Y ที่แตกต่างกัน
ผลิตภัณฑ์หมุนบนพื้นผิวเรียบ
ชิ้นส่วนต่างๆ กระจายอยู่ในถาด-ชั้นเดียว
แอปพลิเคชันที่ต้องการการระบุด้วยภาพหรือการตรวจจับคุณสมบัติ
โดยทั่วไป กล้อง 2D สามารถช่วยระบุข้อมูล เช่น ตำแหน่ง X ตำแหน่ง Y ใน-การหมุนของระนาบ ข้อมูลรูปร่างหรือคุณลักษณะที่มองเห็นได้ เอกลักษณ์ของผลิตภัณฑ์เมื่อมีคุณลักษณะด้านการมองเห็นที่แตกต่าง
ตัวอย่างเช่น ผลิตภัณฑ์ที่เดินทางบนสายพานลำเลียงอาจมาถึงโดยมีระยะห่างไม่สม่ำเสมอและมีทิศทางที่แตกต่างกัน แทนที่จะอาศัยพิกัดการเลือกคงที่เพียงจุดเดียว ระบบการมองเห็น 2 มิติสามารถระบุตำแหน่งผลิตภัณฑ์แต่ละรายการและจัดเตรียมตำแหน่งที่อัปเดตให้กับหุ่นยนต์ หากสายพานลำเลียงเคลื่อนที่อย่างต่อเนื่อง ระบบควบคุมหุ่นยนต์อาจจำเป็นต้องมีการติดตามสายพานลำเลียงและการซิงโครไนซ์ตัวเข้ารหัส เพื่อให้ตำแหน่งการรับที่คำนวณไว้ยังคงใช้ได้ในขณะที่ผลิตภัณฑ์เคลื่อนที่
เหตุใดการมองเห็นแบบ 2 มิติจึงมักเป็นจุดกึ่งกลางที่ใช้งานได้จริง
สำหรับการใช้งานในระนาบเป็นหลัก การมองเห็น 2 มิติสามารถให้ความยืดหยุ่นที่จำเป็นโดยไม่ต้องมีการวัดความลึกที่ไม่จำเป็น
เมื่อเปรียบเทียบกับแอปพลิเคชัน 3D ที่ซับซ้อนกว่า ปัญหาการตรวจจับมักจะมีตัวแปรน้อยกว่า
ที่สามารถลดความซับซ้อนในการตั้งค่ากล้อง การประมวลผลภาพ การสอบเทียบ การรวมหุ่นยนต์ และการแก้ไขปัญหา
อย่างไรก็ตาม ข้อดีเหล่านี้ขึ้นอยู่กับการใช้งานที่มีระนาบเพียงพอ
ข้อจำกัดของการมองเห็น 2 มิติ
ภาพ 2D ทั่วไปไม่ได้ให้ข้อมูลเชิงลึกทั้งหมดโดยตรง
ปัญหาอาจเกิดขึ้นเมื่อ:
ผลิตภัณฑ์ปรากฏที่ความสูงที่แตกต่างกันอย่างมีนัยสำคัญ
วัตถุถูกซ้อนกัน
พื้นผิวการจับอาจเอียงได้
ความสูงส่งผลต่อตำแหน่งการเลือกที่ต้องการ
ผลิตภัณฑ์ที่ทับซ้อนกันจะต้องแยกออกจากกันเชิงพื้นที่
หุ่นยนต์ต้องการท่าทาง 3 มิติเต็มรูปแบบ
แสงสว่างเป็นอีกปัจจัยที่สำคัญ คอนทราสต์ที่ไม่ดี แสงสะท้อน หรือการส่องสว่างที่ไม่สอดคล้องกันอาจทำให้การตรวจจับ 2D แบบธรรมดาไม่น่าเชื่อถือ ผลิตภัณฑ์ที่สะท้อนแสงและโปร่งใสอาจต้องใช้แสงและการออกแบบแสงอย่างระมัดระวัง
ดังนั้นการตัดสินใจจึงควรขึ้นอยู่กับรูปทรงเรขาคณิตและความแปรปรวนของสภาพแวดล้อมการผลิตจริง แทนที่จะอยู่บนสมมติฐานว่าการมองเห็นแบบ 2 มิติเป็นคำตอบที่ง่ายกว่าเสมอ
เมื่อ 3D Vision เป็นตัวเลือกที่ดีกว่าสำหรับการเลือกและวาง
การมองเห็นแบบ 3 มิติจะมีประโยชน์เมื่อความลึก ความสูง หรือการวางแนวสามมิติ-เป็นส่วนหนึ่งของปัญหาในการเลือก
การใช้งานทั่วไปได้แก่:
สุ่มเลือกถัง;
ส่วนประกอบที่ซ้อนกัน
ผลิตภัณฑ์ที่มีความสูงต่างกัน
พื้นผิวที่ผิดปกติ
วัตถุที่ทับซ้อนกัน
ส่วนประกอบเอียงแบบสุ่ม
แอปพลิเคชันที่ต้องการท่าทางวัตถุสามมิติ
แทนที่จะระบุตำแหน่งวัตถุเฉพาะภายในระนาบภาพ การตรวจจับ 3 มิติสามารถให้ข้อมูลเกี่ยวกับความลึกและเรขาคณิตของพื้นผิวได้ ข้อมูลนี้สามารถช่วยให้ระบบประมาณตำแหน่งสามมิติของวัตถุ-และระบุพื้นผิวที่เป็นไปได้ในการหยิบ ทั้งนี้ขึ้นอยู่กับเทคโนโลยีการตรวจจับและการใช้งาน
การเลือกถังแบบสุ่ม: ทำไมความลึกจึงมีความสำคัญ
ถังสุ่มแสดงให้เห็นความแตกต่างระหว่างการตรวจจับระนาบและการตรวจจับสามมิติ-ได้เป็นอย่างดี
ลองนึกภาพส่วนประกอบโลหะหลายชิ้นซ้อนกัน การรู้ว่าองค์ประกอบหนึ่งปรากฏใกล้กึ่งกลางของภาพ 2D อาจไม่เพียงพอ
หุ่นยนต์อาจจำเป็นต้องตรวจสอบด้วยว่าส่วนประกอบอยู่ด้านบนของเสาเข็มหรือไม่ มีความสูงเท่าใด มีความเอียงหรือไม่ มีส่วนประกอบอื่นปิดอยู่หรือไม่ สามารถเข้าถึงพื้นผิวจับที่ต้องการได้หรือไม่ หุ่นยนต์สามารถเข้าใกล้โดยไม่ชนกับชิ้นส่วนโดยรอบหรือไม่ คำถามเหล่านี้ต้องการข้อมูลตำแหน่ง X- Y มากกว่าพื้นฐาน
3D Vision ไม่ได้แก้ปัญหาทุกปัญหาในการหยิบสินค้า
หลักการออกแบบที่สำคัญที่สุดประการหนึ่งในการหยิบสินค้าด้วยหุ่นยนต์ก็คือ การตรวจจับวัตถุที่ประสบความสำเร็จนั้นไม่เหมือนกับการหยิบวัตถุที่ประสบความสำเร็จ ระบบการมองเห็น 3 มิติอาจระบุส่วนประกอบได้อย่างถูกต้องในขณะที่หุ่นยนต์หยิบและวางยังคงไม่สามารถจับหรือดึงออกมาได้
สาเหตุที่เป็นไปได้ ได้แก่ การบดเคี้ยวอย่างรุนแรง รูปทรงในการยึดจับที่ไม่ดี กองผลิตภัณฑ์ที่ไม่มั่นคง พื้นผิวการจับที่ไม่สามารถเข้าถึงได้ ความเสี่ยงในการชน วัสดุสะท้อนแสงหรือโปร่งใส ช่องว่างระหว่างผลิตภัณฑ์ไม่เพียงพอ
ด้วยเหตุนี้ การมองเห็น 3 มิติจึงควรได้รับการประเมินร่วมกับมือจับ ระยะเอื้อมของหุ่นยนต์ กลยุทธ์การชน รูปทรงของผลิตภัณฑ์ และ-วิธีการวางแผนเส้นทาง ไม่ควรถือเป็นวิธีแก้ปัญหาอิสระสำหรับปัญหาการหยิบสินค้าที่ยากลำบากทุกปัญหา
ไม่มีการมองเห็น เทียบกับ การมองเห็น 2 มิติ เทียบกับ การมองเห็น 3 มิติ: การเปรียบเทียบ
ตารางต่อไปนี้สรุปความแตกต่างที่สำคัญ
|
ปัจจัย |
ไม่มีวิสัยทัศน์ |
วิสัยทัศน์ 2 มิติ |
มุมมอง 3 มิติ |
|
ตำแหน่งผลิตภัณฑ์ทั่วไป |
แก้ไขและทำซ้ำได้ |
ตัวแปรส่วนใหญ่อยู่ใน X-Y |
ตัวแปรใน X-Y-Z |
|
การเปลี่ยนแปลงความสูง |
น้อยที่สุด |
ต่ำหรือคาดเดาได้ |
ปานกลางถึงสูง |
|
ปฐมนิเทศ |
คงที่หรือควบคุมโดยกลไก |
ส่วนใหญ่อยู่ใน-การหมุนของเครื่องบิน |
อาจวางแนว 3D เต็มรูปแบบได้ |
|
สินค้าทับซ้อนกัน |
มักจะไม่เหมาะสม |
ความสามารถจำกัดขึ้นอยู่กับการมองเห็น |
เหมาะกับฉากที่ซ้อนกันหรือทับซ้อนกันมากกว่า |
|
การใช้งานทั่วไป |
การแข่งขัน, สถานีที่จัดทำดัชนี, การถ่ายโอนคงที่ |
การหยิบสายพานลำเลียง การเรียงลำดับระนาบ การหยิบถาด |
การหยิบถัง ชิ้นส่วนแบบเรียงซ้อน การเลือกความสูงแบบแปรผัน- |
|
ความซับซ้อนของระบบ |
ต่ำสุด |
ปานกลาง |
โดยทั่วไปสูงสุด |
|
ข้อกำหนดในการสอบเทียบ |
น้อยที่สุด |
ต้องมีวิสัยทัศน์-ถึง-การปรับเทียบหุ่นยนต์ |
การสอบเทียบและการตรวจสอบความถูกต้อง 3 มิติที่มีความต้องการมากขึ้น |
|
ความไวแสง |
ต่ำจากมุมมองการมองเห็น |
มักจะสำคัญ |
ขึ้นอยู่กับเทคโนโลยีการตรวจจับและคุณสมบัติของพื้นผิวอย่างมาก |
|
ความพยายามในการบูรณาการเชิงสัมพันธ์ |
ต่ำ |
ปานกลาง |
สูงกว่า |
|
เหมาะที่สุดสำหรับ |
การนำเสนอผลิตภัณฑ์อย่างเด็ดขาด |
การหยิบแบบระนาบที่ยืดหยุ่น |
ความไม่แน่นอนสามมิติ- |
ตารางนี้ควรถือเป็นจุดเริ่มต้นแทนที่จะเป็นกฎที่เข้มงวด
การใช้งานจริงสามารถผสมผสานเทคโนโลยีได้ ตัวอย่างเช่น ระบบอาจใช้กลไกนำทางเพื่อลดความแปรผันของผลิตภัณฑ์ การมองเห็น 2 มิติสำหรับการระบุตำแหน่ง และเซ็นเซอร์เพิ่มเติมสำหรับการยืนยันกระบวนการ เป้าหมายไม่ใช่การเลือกระบบการตรวจจับที่ทันสมัยที่สุด คือการใช้สถาปัตยกรรมการตรวจจับที่ง่ายที่สุดที่สามารถแก้ไขความไม่แน่นอนที่สำคัญต่อกระบวนการได้อย่างสม่ำเสมอ
ปัจจัยอื่นๆ ที่ส่งผลต่อประสิทธิภาพการมองเห็นของหุ่นยนต์สำหรับการเลือกและวาง
การเลือกระหว่างไม่มีการมองเห็น, การมองเห็น 2D และการมองเห็น 3D เป็นเพียงส่วนหนึ่งของการออกแบบระบบอัตโนมัติเท่านั้น ปัจจัยอื่นๆ อีกหลายปัจจัยสามารถมีผลกระทบอย่างมากต่อความน่าเชื่อถือไม่แพ้กัน
|
ปัจจัยที่มีอิทธิพลอื่น ๆ |
คำอธิบาย |
|
สภาพแสง |
วิชันซิสเต็มขึ้นอยู่กับข้อมูลรูปภาพที่ใช้งานได้ การเปลี่ยนแปลงของแสงโดยรอบ เงา แสงจ้า การสะท้อน และการส่องสว่างที่ไม่สอดคล้องกันสามารถลดประสิทธิภาพการตรวจจับได้ ดังนั้นแสงจึงควรถือเป็นส่วนหนึ่งของระบบวิชันซิสเต็มมากกว่าที่จะคิดในภายหลัง |
|
ผลิตภัณฑ์สะท้อนแสงและโปร่งใส |
พื้นผิวที่มีการสะท้อนแสง มันวาว มืด หรือโปร่งใสสูงอาจเป็นเรื่องท้าทายสำหรับการตรวจจับทั้ง 2D และ 3D ระดับความรุนแรงขึ้นอยู่กับเทคโนโลยีการตรวจจับ การจัดเรียงกล้อง การส่องสว่าง รูปทรงของผลิตภัณฑ์ และความแม่นยำที่ต้องการ การทดสอบตัวอย่างการผลิตที่เป็นตัวแทนมักจะมีประโยชน์มากกว่าการเลือกเทคโนโลยีจากข้อมูลจำเพาะล้วนๆ |
|
การสอบเทียบกล้องและหุ่นยนต์ |
หุ่นยนต์จะต้องเข้าใจว่าพิกัดที่วัดโดยระบบการมองเห็นสัมพันธ์กับระบบพิกัดของตัวเองอย่างไร ข้อผิดพลาดในการสอบเทียบสามารถเปลี่ยนการตรวจจับด้วยภาพที่แม่นยำเป็นการเคลื่อนไหวของหุ่นยนต์ที่ไม่ถูกต้อง ความเสถียรในการติดตั้ง ขั้นตอนการสอบเทียบ ความแม่นยำของจุดศูนย์กลางเครื่องมือ-จุดศูนย์กลาง- และความสามารถในการทำซ้ำของหุ่นยนต์จึงควรได้รับการพิจารณาร่วมกัน |
|
การออกแบบกริปเปอร์ |
วิสัยทัศน์เป็นตัวกำหนดว่าผลิตภัณฑ์อยู่ที่ไหน มือจับจะกำหนดว่าสามารถหยิบผลิตภัณฑ์ได้จริงหรือไม่ ถ้วยสูญญากาศ นิ้วกล มือจับแม่เหล็ก และเครื่องมือปลายแขน-ของ-แบบกำหนดเอง ล้วนกำหนดข้อกำหนดที่แตกต่างกันในการวางแนวผลิตภัณฑ์ สภาพพื้นผิว พื้นที่สัมผัส และทิศทางในการเข้าใกล้ นี่คือเหตุผลว่าทำไมการเลือกด้วยการมองเห็นและปลาย-เครื่องมือปลาย-แขนจึงควรได้รับการพัฒนาโดยเป็นส่วนหนึ่งของกลยุทธ์การใช้งานเดียวกัน |
|
การนำเสนอผลิตภัณฑ์ |
การปรับปรุงการนำเสนอผลิตภัณฑ์ในบางครั้งสามารถลดความจำเป็นในการมองเห็นที่ซับซ้อนมากขึ้น อุปกรณ์ยึด อุปกรณ์นำทาง เอสเคปเมนท์ อุปกรณ์ป้อน กลไกการแยกเสียง และสายพานลำเลียงที่ควบคุมสามารถขจัดความไม่แน่นอนก่อนที่หุ่นยนต์จะเห็นผลิตภัณฑ์ ในบางการใช้งาน การลงทุนในการนำเสนอผลิตภัณฑ์ที่ดีขึ้นสามารถสร้างระบบที่เชื่อถือได้มากกว่าการพยายามแก้ไขทุกรูปแบบผ่านการประมวลผลภาพเพิ่มเติม |
|
ความน่าเชื่อถือในการผลิตที่จำเป็น |
ระบบที่ทำงานในระหว่างการสาธิตสั้นๆ ไม่พร้อมสำหรับการผลิตโดยอัตโนมัติ- การทดสอบควรรวมถึงรูปแบบที่สมจริง เช่น ความทนทานของผลิตภัณฑ์ที่ยอมรับได้ ชุดที่แตกต่างกัน การเปลี่ยนแปลงพื้นผิว การเปลี่ยนแปลงแสง บรรจุภัณฑ์เสียหายบางส่วน ตำแหน่งสุดขั้ว ความเร็วสายพานลำเลียงตามความเป็นจริง การปนเปื้อนตามปกติ หรือสภาวะฝุ่น หากมี |
คำถามที่เกี่ยวข้องไม่ใช่ว่าระบบจะสามารถทำการเลือกได้สำเร็จหรือไม่ แต่อยู่ที่ว่าจะสามารถรักษาประสิทธิภาพที่ต้องการไว้เหนือช่วงเงื่อนไขการผลิตที่คาดหวังได้หรือไม่
เลือกและวางรายการตรวจสอบการเลือกวิสัยทัศน์
ก่อนที่จะเลือกสถาปัตยกรรมการมองเห็น ให้ตอบคำถามต่อไปนี้
|
หมวดหมู่ |
ตรวจสอบคำถาม |
|
การนำเสนอผลิตภัณฑ์ |
ตำแหน่งผลิตภัณฑ์คงที่หรือแปรผันหรือไม่? มีการควบคุมทิศทางหรือไม่? สินค้าสามารถทับซ้อนกันได้หรือไม่? สินค้าสามารถซ้อนกันได้หรือไม่? ความสูงของผลิตภัณฑ์เปลี่ยนแปลงหรือไม่? |
|
การเลือกข้อกำหนด |
ต้องมีความแม่นยำของตำแหน่งเท่าใด หุ่นยนต์ต้องการเพียงตำแหน่ง X-Y หรือท่าทาง 3 มิติเต็มรูปแบบหรือไม่ จุดยึดยังสามารถเข้าถึงได้หรือไม่? มือจับสามารถทนต่อการเปลี่ยนแปลงตำแหน่งได้หรือไม่? |
|
เงื่อนไขการผลิต |
สินค้าอยู่กับที่หรือเคลื่อนที่? ต้องใช้รอบเวลาใด? สภาพแสงคงที่หรือไม่? ผลิตภัณฑ์มีการสะท้อนแสง โปร่งใส มืด หรือไม่สอดคล้องกันทางสายตาหรือไม่? ผลิตภัณฑ์หลายรูปแบบจะใช้เซลล์เดียวกันหรือไม่ |
|
การออกแบบระบบ |
ไกด์เชิงกลหรือฟิกซ์เจอร์สามารถขจัดความไม่แน่นอนบางอย่างได้หรือไม่? การปรับเทียบกล้อง-กับ-หุ่นยนต์ใช้งานได้จริงหรือไม่ หุ่นยนต์จำเป็นต้องติดตามสายพานลำเลียงหรือไม่? วิชันซิสเต็มสามารถสื่อสารได้เร็วเพียงพอสำหรับรอบที่ต้องการหรือไม่? มีการทดสอบการใช้งานกับตัวอย่างการผลิตที่เป็นตัวแทนหรือไม่ |
ลำดับการเลือกในทางปฏิบัติคือ:
ไม่ใช้การมองเห็นเมื่อการนำเสนอผลิตภัณฑ์มีตำแหน่งที่สามารถทำซ้ำได้อยู่แล้ว
ใช้การมองเห็นแบบ 2 มิติเมื่อเกิดความไม่แน่นอนหลักในระนาบที่คาดเดาได้
ใช้การมองเห็น 3 มิติเมื่อต้องแก้ไขความสูง ความลึก การเอียง การเรียงซ้อน หรือการวางแนวสามมิติ-ตามความหมาย
จากนั้นตรวจสอบตัวเลือกดังกล่าวโดยเทียบกับการจับ ความแม่นยำ รอบเวลา สภาพแวดล้อม และความน่าเชื่อถือในการผลิต
คำถามที่พบบ่อยสำหรับการเลือกและวาง Robot Vision
การซื้อกลับบ้านครั้งสุดท้าย
ทางเลือกระหว่างไม่มีการมองเห็น การมองเห็น 2 มิติ และการมองเห็น 3 มิติ ควรเริ่มต้นด้วยความไม่แน่นอนในงานหยิบ ไม่ใช่ความซับซ้อนของกล้อง
หากผลิตภัณฑ์ถูกจำกัดทางกลไกให้อยู่ในตำแหน่งที่มั่นคง พิกัดหุ่นยนต์ที่กำหนดไว้ล่วงหน้าอาจจะเพียงพอ หากตำแหน่งส่วนใหญ่แตกต่างกันไปตามระนาบราบ การมองเห็นแบบ 2 มิติสามารถให้ความยืดหยุ่นที่จำเป็นในการค้นหาและกำหนดทิศทางของผลิตภัณฑ์ หากหุ่นยนต์ต้องเข้าใจความลึก ความสูง การเอียง การเรียงซ้อน หรือการวางแนวสามมิติอย่างมีความหมาย การมองเห็น 3 มิติจะเป็นตัวเลือกที่ดีกว่า
แต่การมองเห็นเป็นเพียงส่วนหนึ่งของระบบหยิบและวางที่เชื่อถือได้ การนำเสนอผลิตภัณฑ์ การออกแบบมือจับ การสอบเทียบ การให้แสงสว่าง รอบเวลา ความแม่นยำ และความแปรปรวนในการผลิตจริง ล้วนส่งผลต่อผลลัพธ์ขั้นสุดท้าย วิธีแก้ปัญหาที่มีประสิทธิภาพสูงสุดจึงไม่จำเป็นต้องเป็นโซลูชันที่มีเทคโนโลยีวิชั่นขั้นสูงที่สุดเสมอไป เป็นสิ่งที่ขจัดความไม่แน่นอนเพียงพอที่จะทำให้การเลือกหุ่นยนต์ทุกตัวที่จำเป็นสามารถทำซ้ำ ใช้งานได้จริง และเชื่อถือได้
พร้อมที่จะใช้งานการหยิบและวางด้วยหุ่นยนต์แล้วหรือยัง?
ไม่ว่าคุณจะอัปเกรดระบบอัตโนมัติที่ปลายทางของคุณหรือค้นหาซัพพลายเออร์-และ-วางหุ่นยนต์ที่เชื่อถือได้ โปรดติดต่อ RBTIC เพื่อขอโซลูชันการหยิบและ-วางและ-วางที่กำหนดเองและการออกแบบเค้าโครงได้ฟรี หรือจองทัวร์โรงงาน
