Robot Vision: комплексный анализ принципов, компонентов и приложений
В современную эпоху быстрого технологического развития технология машинного зрения постепенно становится одной из ключевых технологий в области автоматизации. Согласно данным, объем мирового рынка машинного зрения достиг $11,4 млрд в 2021 году, а к 2022 году ожидается, что это число вырастет до $12 млрд, что указывает на непрерывную тенденцию к росту. Это указывает на то, что технология машинного зрения получает все большее внимание и применяется во всем мире.
1, Визуальный проект
Основные функции
Распознавание. Функция распознавания в основном включает в себя идентификацию характеристик целевого объекта, таких как его внешний вид. Среди них точность и скорость распознавания штрих-кода являются важными показателями для измерения способности распознавания.
Измерение: функция измерения может получить единицу размера изображения и точно рассчитать геометрические размеры целевого объекта на изображении. Высокая точность и сложное измерение формы являются преимуществами машинного зрения в этой функции.
Локализация. В настоящее время локализация является широко используемой областью, позволяющей получать двух-и трехмерную-информацию о местоположении целей, при этом точность и скорость являются основными показателями измерения.
Обнаружение. На область обнаружения приходится 50 % функций машинного зрения, поэтому выполнение вычислений является сложной задачей, в первую очередь связанной с обнаружением внешнего вида после-сборки и обнаружением дефектов внешнего вида.
Сценарии применения
Машинное зрение в сочетании с промышленными роботами в основном используется для управления движением роботов. Конкретные сценарии можно разделить на захват, обнаружение, обработку и т. д. Категория захвата может быть подразделена на такие приложения, как погрузка и разгрузка, укладка на поддоны, сортировка и т. д. Категория процесса в основном включает такие сценарии применения, как склеивание, полировка, сварка и т. д., и в основном ориентирована на захват.
2. Состав и принципы зрительной системы.
а. Состав системы
Визуальная камера: ее основная функция — захват изображений и сбор информации об изображении.
Источник света: Обеспечьте стабильный источник света для зрительной системы, чтобы робот мог получать более четкие изображения.
Компьютерное оборудование: включая процессор, память, жесткий диск и т. д., которое в основном отвечает за обработку изображений, расчеты алгоритмов и хранение данных.
Роботы: получают визуальные данные, получают физические координаты и выполняют автоматизированные производственные задачи на основе визуальных инструкций.
Механическое устройство: включая приспособления, конвейерные ленты, подъемные сиденья и другие периферийные устройства, основная функция которых — помогать роботу выполнять физические операции.
б. Классификация систем
Монокулярное зрение. Это широко используемая визуальная система, в которой для получения изображений используется одна промышленная камера, обычно способная захватывать только двумерные изображения-и широко используемая в области интеллектуальных роботов. Однако из-за проблем с точностью изображения и стабильностью данных часто приходится работать совместно с другими типами датчиков.
Бинокулярное зрение: состоит из двух камер и использует принцип триангуляции для получения информации о глубине сцены и может реконструировать трехмерную-форму и положение окружающих объектов. Принцип аналогичен принципу человеческого глаза и относительно прост.
Мультивидение: использование нескольких камер позволяет уменьшить слепые зоны и снизить вероятность ошибочного обнаружения. Он широко используется в области сборки промышленных роботов и может точно идентифицировать и определять местонахождение измеряемого объекта, улучшая интеллект и точность позиционирования сборочных роботов.
в. Принцип визуализации
Визуальная визуализация в основном преобразует обнаруженный объект в сигнал изображения на основе устройств получения изображения (CMOS и CCD) и передает его в специальную систему обработки изображений. Преобразуйте информацию о яркости и цвете распределения пикселей в цифровые сигналы. Система обработки изображений извлекает характеристики цели на основе этих сигналов, такие как площадь, количество, положение, длина и т. д., и выводит результаты в соответствии с заданным допуском и другими условиями, включая размер, угол, количество, квалифицированный/неквалифицированный, присутствие/отсутствие и т. д., чтобы обеспечить функцию автоматического распознавания, а затем управлять действием оборудования на-объекте на основе результатов дискриминации.
3. Разница между ПЗС и КМОП
ПЗС-камеры используют ПЗС для преобразования оптических изображений в цифровые сигналы для передачи. Датчики обработки изображений CCD используют один или несколько выходных узлов для считывания сигнала с хорошей согласованностью передачи и возможностью считывания всей информации об изображении. Однако полосу пропускания выходного сигнала необходимо усилить, что приводит к высокому энергопотреблению.
Камеры CMOS используют CMOS для преобразования оптических изображений в цифровые сигналы для передачи, используя для передачи один пиксель, что позволяет добиться усиления сигнала одного пикселя и чрезвычайно высокой скорости сканирования изображения, но есть дефекты в согласованности сигнала.
Применение технологий машинного зрения в сфере автоматизации постоянно расширяется и углубляется. С учетом различных аспектов, таких как рост размера рынка, разнообразие функций, сложность состава системы и научный характер принципов визуализации, эта технология, несомненно, будет играть более важную роль во многих областях, таких как промышленное производство и интеллектуальные роботы, в будущем.