机器视觉在工业机器人中的应用

  工业应用中的机器人需要视觉反馈,它用于导航、识别部件、与人类协作以及将视觉信息与其他传感器融合,以增强它们的位置信息,这就是使用机器视觉在工业中的应用。

Human control 3D-rendering robot

  机器人工业应用

  典型的机器人工业应用有:检测、质量控制、装配、定位、零部件运输等。

  视应用情况而定视觉系统可以是与场景相关的,也可以是与对象相关的,在某场景相关视觉系统和为映射、定位和避障应用而开发的应用程序一样,相机被安装在移动机器人上。在未知里面与物体相关的视觉系统,典型的处理物体的应用程序中,摄像机安装在机器人手臂的末端,靠近活动工具。

  机器人视觉系统要求

  机器人视觉系统要求高精度,除了利用高分辨率相机,他们也使用(只要有可能)光学校准。初始标定步骤包括图像畸变和变形校正。它通常用一些标准的目标来执行,并根据需要重复。例如,温度的变化可能会影响视觉系统,传感器融合也是提高精度的有效途径。

  执行导航任务的机器人建立了周围环境的三维模型。当使用RGB相机进行三维建模时,没有纹理的对象可能会带来挑战。对于对区域反射敏感的有源激光器也发现了类似的挑战。标定过程执行传感器的2D图像和三维空间(在现实世界空间)之间的映射。

  工业机器视觉系统

  3D空间可以从位于不同位置和方向的一组3 RGB摄像机重建,这样每个点(在3D空间中)都位于所有3幅生成的图像上。

  物理标志辅助过程:它们存在于图像中或投射在场景中。特征提取算法用于检测可修特征。一个经典的基于梯度的算法或一个经过特征集训练的现代深度学习分类器都是有效的快盈lV入口500万。在相对平滑的场景(没有纹理或特征)中,投影的红外模式产生相同的信息。在某些情况下,这种模式是脉冲以克服其他光源。

  飞行时间照相机

  它是活动相机(相对于RGB相机),它们发射短光脉冲,然后测量反射脉冲的延迟。这样,深度信息被用来创建三维图像。所生成的三维场景对机器视觉系统提出了挑战:噪声、低分辨率、不精确性和对外界光的敏感性。算法使用高速率的场景重捕获来处理这些问题。

  结构光是一个额外的被动系统。它在环境中传输一系列不同的模式。这样,就可以检测到环境中的运动。

  光编码,结构光的演化,取代了模式序列。由于灯总是开着,所以它对光的定时精度不太敏感。

  一组激光发射器(或扫描激光束)产生一个点的图案。它们在接收器上的发射位置显示了表面的曲率。机器视觉受到表面反射不好的情况的挑战:3D模型显示这些位置的孔。该算法利用时间序列激光信息填补缺失数据(孔)。

  盈泰德视觉与机器视觉在工业中的应用

  盈泰德视觉具有三维场景重构的经验,以及使用机器视觉算法来“理解”环境。我们今天主要用深度学习(CNN)分类器完成这项任务。如上所述,目标检测也可以通过CNN分类器来处理。联系我们我们会告诉你怎么做。