Ako roboti používajú počítačové videnie na vnímanie životného prostredia?

Ako dodávateľ robotov som bol svedkom z prvej ruky transformačnú silu počítačového videnia, ktoré umožnili robotom interagovať so svetom okolo nich. Počítačové videnie vybaví roboty so schopnosťou „vidieť“ a porozumieť ich prostrediu, ktoré je rozhodujúce pre širokú škálu aplikácií, od priemyselnej automatizácie po úlohy služieb a prieskumu. V tomto blogu sa ponorím do toho, ako roboti používajú počítačovú víziu na vnímanie životného prostredia a zdôrazniť výhody, ktoré táto technológia prináša na naše ponuky.

Ako funguje počítačové videnie v robotoch

Vo svojom jadre je počítačové videnie robotov do istej miery napodobňujúce ľudské videnie, ale s presnosťou a opakovateľnosťou, ktorú môžu stroje ponúknuť. Tento proces vo všeobecnosti zahŕňa niekoľko kľúčových krokov: získavanie obrázkov, predbežné spracovanie, extrakcia prvkov a rozpoznávanie objektov.

Získanie obrazu

Roboti používajú rôzne typy senzorov na zachytenie obrazov svojho okolia. Kamery sú najbežnejšie, vrátane kamier RGB (červená, zelená, modrá), ktoré zachytávajú farebné obrázky, a hĺbkové kamery, ako napríklad čas - letových (TOF) kamier alebo stereofónne kamery. TOF fotoaparáty merajú čas potrebný na to, aby sa svetlo cestovalo k objektu a späť, čo umožňuje robota vytvoriť 3D mapu prostredia. Na druhej strane stereofónne kamery fungujú ako ľudské oči pomocou dvoch šošoviek na zachytenie mierne odlišných pohľadov na tú istú scénu, z ktorej je možné vypočítať informácie o hĺbke.

Pred - spracovanie

Akonáhle sú obrázky zachytené, musia byť často predbežne spracované, aby sa zlepšila kvalita a uľahčila ich analýzu. To môže zahŕňať úlohy, ako je redukcia šumu, vylepšenie obrazu a veľkosť veľkosti. Algoritmy redukcie šumu, ako je gaussovské filtrovanie, môžu z obrázka odstrániť náhodný šum, ktorý by mohol byť spôsobený obmedzeniami snímača alebo faktormi prostredia. Techniky vylepšenia obrazu, ako je vyrovnanie histogramu, môžu zlepšiť kontrast obrazu, čím sa objekty zvýšia rozlíšiteľné.

Extrakcia funkcií

Extrakcia prvkov je kritickým krokom, keď robot identifikuje dôležité prvky v obrázku. Týmito vlastnosťami môžu byť okraje, rohy alebo kvapky. Napríklad detektor Harris Corner je populárny algoritmus na detekciu rohov na obrázku. Nájdením týchto funkcií môže robot začať chápať štruktúru objektov vo svojom prostredí. V pokročilejších scenároch sa používajú metódy extrakcie funkcií založené na hlbokom vzdelávaní, ako sú konvolučné neurónové siete (CNNS). CNN sa môžu automaticky naučiť komplexné funkcie z veľkých množstiev údajov o tréningu, vďaka čomu sú veľmi efektívne pri riešení širokej škály objektov a scén.

Rozpoznávanie objektov

Po extrakcii prvkov robot používa extrahované funkcie na rozpoznávanie objektov na obrázku. To sa dá dosiahnuť porovnávaním šablóny, kde robot porovnáva extrahované vlastnosti so sadou predbežných šablón známych objektov. Všeobecnejšie sa dnes používajú hlboké vzdelávacie modely na rozpoznávanie objektov. Tieto modely sú trénované na veľkých súboroch údajov obsahujúcich tisíce alebo dokonca milióny obrázkov rôznych objektov. Po trénovaní môžu presne klasifikovať objekty do nových obrazov, dokonca aj v rôznych orientáciách, podmienkach osvetlenia a čiastočných oklúziách.

Aplikácie počítačového videnia v našich robotoch

Naša spoločnosť ponúka rozmanitú škálu robotov, z ktorých každý využíva počítačové videnie jedinečným spôsobom na vykonávanie konkrétnych úloh.

Paletizačný robot

Paletizačné roboty sa používajú v skladoch a výrobných závodoch na stohovanie výrobkov na palcety. V tomto procese zohráva dôležitú úlohu počítačové videnie. Robot používa svoj systém Vision na identifikáciu polohy a orientácie výrobkov na dopravnom pásme. Potom môže vypočítať najlepší spôsob, ako vyzdvihnúť výrobky a usporiadať ich na paletu. Systém Vision tiež pomáha robotovi prispôsobiť sa rôznym veľkostiam a tvarom produktov a zaisťuje presnú a efektívnu paletizáciu.

Vyberanie robota

Zberné roboty sú navrhnuté tak, aby vyberali predmety z políc alebo zásobníkov v sklade. Pri počítačovom videní môžu tieto roboty rýchlo a presne identifikovať cieľové položky. Systém Vision dokáže zistiť umiestnenie, veľkosť a tvar položiek, čo umožňuje robota plánovať najlepší prístup k výberu. Toto je obzvlášť dôležité v centrách plnenia obchodov, kde je potrebné vybrať a zabaliť veľké množstvo výrobkov v krátkom čase.

Konzolový robot

Konzolové roboty sa často používajú v aplikáciách, kde je potrebné pokryť veľkú pracovnú oblasť. Počítačové videnie umožňuje týmto robotom bezpečne navigovať svoje prostredie. Robot môže použiť svoj systém videnia na detekciu prekážok, ako sú iné vybavenie alebo pracovníci, a naplánovať zrážku - bezplatnú cestu. Okrem toho v úlohách, ako je kontrola, môže systém Vision pomôcť robotovi identifikovať defekty alebo nezrovnalosti na povrchu objektov, s ktorými pracuje.

Výhody počítačového videnia - povolené roboty

Integrácia počítačového videnia do našich robotov prináša niekoľko významných výhod.

Zvýšená účinnosť

Počítačové videnie umožňuje robotom vykonávať úlohy rýchlejšie a presnejšie. Napríklad v prípade paletizácie a vyberania robotov schopnosť presne identifikovať objekty znižuje čas strávený pri hľadaní a manipulácii, čo vedie k vyššej priepustnosti v skladoch a výrobných zariadeniach.

Flexibilita

Roboty s počítačovým videním sa môžu prispôsobiť rôznym prostrediam a úlohám. Dokážu zvládnuť rôzne objekty bez potreby rozsiahleho preprogramovania. Vďaka tomu sú vhodné pre priemyselné odvetvia s rýchlo sa meniacimi produktovými radmi alebo požiadavkami.

Bezpečnosť

V priemyselných prostrediach je bezpečnosť nanajvýš dôležitá. Počítačové videnie pomáha robotom zistiť a vyhnúť sa zrážkam s ľuďmi a inými objektmi. To znižuje riziko nehôd a zaisťuje bezpečnejšie pracovné prostredie.

Kontaktujte nás a získajte konzultáciu o nákupe

Ak máte záujem o vylepšenie svojich operácií pomocou nášho počítača - Vision - Povolené roboty, radi by sme sa od vás dozvedeli. Náš tím expertov môže poskytnúť informácie o hĺbkach o našich produktoch vrátanePaletizačný robot,Vyberanie robotaaKonzolový robot. Môžeme vám tiež pomôcť určiť najlepšie riešenie pre vaše konkrétne potreby, či už zlepšuje efektívnosť vo vašom sklade alebo zlepšuje kontrolu kvality vo vašom výrobnom procese. Oslovte nás a získajte podrobnú konzultáciu a vezmeme vaše podnikanie na ďalšiu úroveň spolu.

Odkazy

Ballard, DH a Brown, CM (1982). Počítačové videnie. Prentice - Hall.
Goodfellow, IJ, Bengio, Y., & Courville, A. (2016). Hlboké učenie. MIT Press.
Szeliski, R. (2010). Počítačové videnie: Algoritmy a aplikácie. Springer.