|
[技術和成本的進步使視覺系統(tǒng)比以往任何時候都更容易被制造商使用，以將其用于新的機器人應用。] ![]()
即使機器人變得越來越小，更智能，協(xié)作性也越來越強，但機器人視覺功能仍主要限于容器拾取和零件對齊。但是，視覺系統(tǒng)的技術進步和成本降低使機器人供應商和在生產中使用機器人的制造商都比以往任何時候都更容易使用它們，從而為新應用打開了大門。
視覺輔助機器人不僅要承擔新的制造工作，例如質量控制，精密制造和產品分類，而且還在人機協(xié)作中發(fā)揮作用。在不久的將來，視覺可以幫助需要機器人智能的應用程序進行機器學習。
美國國家儀器公司(NI)高級產品營銷經理布蘭登·特里斯(Brandon Treece)表示，與大多數(shù)其他技術一樣，即使視覺系統(tǒng)的功能大大提高，其成本也已下降，這在很大程度上要歸功于摩爾定律所帶來的處理能力的提高。)。
他說：“分析圖像所需的計算能力是處理密集型的?！彼忉屨f，計算機芯片已經變得更加強大，而成本卻沒有增加。隨著處理能力的提高，現(xiàn)場可編程門陣列(FPGA)，圖形處理單元(GPU)和攝像機本身的質量也得到了改善，這些都是機器人視覺系統(tǒng)的組成部分。
FPGA是為特定視覺用途配置的可重編程集成電路(IC)，本質上是經過編程以像軟件一樣工作的硬件。借助NI和其他公司提供的工具，現(xiàn)在可以由非視覺專家的技術人員在現(xiàn)場設置FPGA并對其進行編程。過去情況并非如此，人員視覺專家的成本使許多公司無法采用該技術，Treece指出。
直接使用軟件
軟體制造商IntervalZero的現(xiàn)場工程總監(jiān)Jerry Leitz表示，影像技術的另一項近期發(fā)展是：由于可以將影像載入軟件的方式發(fā)生變化，因此可以比以往更快地處理影像。
傳統(tǒng)上，相機會通過抓幀器捕獲圖像并將圖像發(fā)送到配有解釋視覺數(shù)據(jù)的軟件的計算機。Leitz解釋說，該軟件然后能夠根據(jù)零件尺寸，放置和其他因素確定零件是否位于正確的位置?，F(xiàn)在，可以將GigE Vision(工業(yè)相機的接口標準)用于通過以太網將視頻和控制數(shù)據(jù)直接傳輸?shù)接嬎銠C軟件。“ GigE比抓幀器要快;圖像直接進入PC?！?Leitz說。“因此，現(xiàn)在的趨勢是消除幀捕獲器?！?br />
盡管制造商已經可以使用GigE大約五年了，但是采用速度仍然很慢?！八€不存在，”萊茲說。
某些計算機密集型視覺應用程序仍然需要幀捕獲器，但是GigE Vision已開放了數(shù)百種視覺應用程序，這些應用程序將Windows軟件變成了實時操作系統(tǒng)。
Yaskawa America Motoman Robotics Division軟件產品經理Keith Vozel說，視覺決定了機器人的動作傳統(tǒng)的機器人視覺使用主要包括尋找目標，例如印刷電路板(PCB)，垃圾箱拾取或重新定向零件。但是，隨著視覺變得更便宜，更易獲得，使用范圍也在不斷擴大。
這包括讓機器人決定它將做什么。Vozel說：“視覺系統(tǒng)可以將這些決策提供給機器人控制器，而不是告訴機器人該怎么做，而是可以做出那些決定。”
例如，IntervalZero的一位客戶依靠回收應用中的機器人視覺來自動分類不需要的物品?！霸诨厥障到y(tǒng)中，各種形狀和大小的物料都非常迅速地從傳送帶上落下，并且您不斷地獲取它的圖像，” Leitz說。
在這種情況下，對視覺系統(tǒng)進行編程，以根據(jù)其特定的形狀，大小和顏色從生產線上挑選物品。“因此，如果有一個2英寸x 2英寸x 5英寸的物體，并且如果它是系統(tǒng)正在尋找的顏色，則系統(tǒng)會知道它在傳送帶上的位置，” Leitz解釋說。“他們有一排空氣噴嘴安裝在離腳一英尺的地方，空氣噴嘴會自動打開以在那塊材料上吹送一股空氣，并將其從皮帶上吹到一個容器中。”
回收功能建立在2009年卡耐基梅隆大學(CMU)的工作之上。那里的研究人員與匹茲堡英特爾研究院的合作者共同開發(fā)了一種系統(tǒng)，該系統(tǒng)可以合并來自多個圖像的信息，以創(chuàng)建3D模型。通過專注于諸如拐角或紋理區(qū)域之類的特征，對象識別算法可以在一堆雜亂中發(fā)現(xiàn)特定對象。
博士Alvaro Collet Romea說，當它找到特征之間足夠的匹配項時，該算法會識別出物體，這表明視覺輔助機器人可用于對許多彼此不相似的物體進行分類并挑選出目標。.D。該研究的CMU機器人學院的學生。
Romea指出，通過尋找對象而不是整個對象的特征，視覺系統(tǒng)比依賴于傳統(tǒng)算法的對象識別對象的速度更快。該系統(tǒng)甚至可以識別并拾取部分被遮擋的物體。
另一位IntervalZero客戶使用視覺對藥丸進行計數(shù)。藥丸“像瀑布一樣”落在連續(xù)采集并實時分析圖像的相機之前。當落下的膠囊數(shù)量達到特定數(shù)量時，系統(tǒng)會自動將輸送機向前推，以確保每個瓶子包含的數(shù)量相同。
基于深度學習的3D機器人視覺是未來
微鏈國際機器人視覺研究院科學家，普林斯頓大學機器人視覺和深度學習博士后，鄧志偉先生創(chuàng)造了深度卷積神經網絡的關鍵架構：計算機視覺內部跳過連接的模式，用于聚集較早層的輸出以供較深層使用。這種聚合對于以端到端的方式促進非常深層網絡的培訓至關重要。這是殘余網絡得到廣泛采用的主要原因，殘余網絡通過累積求和來匯總輸出。在隨后的工作中研究替代聚合操作(例如，級聯(lián))時，微鏈機器人認知系統(tǒng)將重點放在一個正交問題上：該輸出在網絡的特定點處進行聚合。微鏈機器人認知系統(tǒng)提出了一種新的內部連接結構，該結構僅聚合任何給定深度的一組稀疏的先前輸出。微鏈科技的實驗表明，這種簡單的設計更改提供了具有更少參數(shù)和更低計算需求的性能。此外，微鏈機器人認知系統(tǒng)證明了稀疏聚合可以使網絡更穩(wěn)健地擴展到1000層以上，從而為訓練長期運行的視覺過程打開了未來的途徑。
作為一家新興的機器人視覺技術公司，微鏈科技近年來頻頻推出新產品：用于缺陷檢測的DaoAI機器自主學習引擎，用于3C領域的2D視覺引導，用于物流和裝配的WeRobotics 3D機器人視覺引導，以及用于高復雜和高精度的WeRobotics Cognition System 3D機器視覺檢測。其產品不僅應用在比3C領域更復雜可靠性要求更高的奔馳汽車的生產線上，也應用在中國高鐵列車的機器人噴涂引導。
![]()
同時，微鏈機器人視覺校準軟件可以校正視覺系統(tǒng)中的相機鏡頭或視角畸變，并可以將相機和機器人連接起來，“因此您始終知道機器人相對于零件的位置，”
協(xié)同工作
同時，攝像機繼續(xù)進入機器人本身，尤其是協(xié)作機器人，這是一種新型機器人，可以與人類直接協(xié)同工作，其內置的安全系統(tǒng)會在遇到物體或人時自動停止機器人手臂的操作在移動時。Autodesk研究工程師David Thomasson表示，協(xié)作機器人將在未來幾年內對制造業(yè)和建筑業(yè)產生重大影響。
與固定在安全外殼內的傳統(tǒng)工業(yè)機器人相比，例如，通用機器人公司的協(xié)作機器人可以在工廠內從一個站點移動到另一個站點。Universal Robots Americas Division總經理Scott Mabie說，它們也可以在幾分鐘之內進行重新編程(通常是由負責接管機器人的工作人員完成)。
同樣，Rethink Robotics的協(xié)作機器人也受到現(xiàn)場制造人員的培訓，以完成工作。培訓師將機器人移動到各個位置，并演示需要執(zhí)行的任務。機器人制造商的產品和營銷官吉姆·勞頓說，與視覺系統(tǒng)配合使用的機載軟件使機器人能夠學習這些任務。
Rethink Robotics的Baxter和Sawyer機器人在其頭部和手臂中嵌入了攝像頭。索耶還包括集成照明。勞頓說：“我們了解到了照明的重要性，因為當光線改變或太陽落山時，一項與早晨訓練有素的機器人一起工作的任務將無法正常工作?！?br />
![]()
嵌入式攝像頭使機器人可以讀取條形碼，從托盤或傳送帶上定位和拾取零件以及檢查零件。機器人可以識別零件，然后自動調出他們需要執(zhí)行的適當檢查順序。
Lawton補充說，那些訓練機器人并為其視覺系統(tǒng)編程的人不需要以前的視覺專業(yè)知識?！皩τ谀切o力投資于攝像頭并雇用人員為它們編程的公司來說，這將使遠見卓識變得困難。
下一步是什么?
IntervalZero的Leitz預見到機器人視覺系統(tǒng)將被用于安全性，因為機器人和人類開始在生產車間緊密合作。他說：“如果操作員的手擋住了傳送帶上的東西，機器人會立即看到并立即停止機器?！?br />
勞頓說，得益于驅動機器人的軟件內置的人工智能，協(xié)作機器人正在學習更好地完成工作?！皬臍v看，機器人平均需要大約300個小時來編程，而他們并不是真正在學習。如果存在的話，那么其中內置了復雜的樹?！彼f。機器人是一大堆傳感器，例如視覺傳感器。如果您可以將所有傳感器信息都放入分析引擎中，那么它就可以洞悉任務，并可以根據(jù)與其他執(zhí)行類似任務的其他機器人在云中共享的見解來提高其自身的性能?！?br />
勞頓還列舉了供應商和學術機構正在進行的工作，這些工作將使機器人能夠提取存儲在云中的可視數(shù)據(jù)來處理以前從未見過的事情。勞頓說：“在AI，云和視覺之間，機器人可以找到如何使用該工具并更好地執(zhí)行任務的能力?！?br />
萊茨說，制造商還將能夠調用存儲在云中的可視數(shù)據(jù)來查找機器人工作或看到的每一件零件，以追溯例如在特定日期可能已經發(fā)生的問題，或證明零件功能正常。機器人測試時正確顯示。
可以肯定的一件事是：供應商和制造商繼續(xù)推動視覺領域，知道視覺的前景只會越來越光明。
| 
發(fā)表于 