教学视野引导的机器人不要害怕垃圾箱

少数应用程序举例说明了视觉引导机器人（VGR）的进化路径优于箱镐。与传送带中的物品不同，VGR几十年来的任务 - 准确又反复达到一个非结构化的垃圾箱，以便在传统上对平均视觉引导机器人工作单元更具挑战性的一部分来清空它。然而，实现自动化重复任务的不断的要求继续燃料对VGR Bin采摘的兴趣越来越兴趣，并且该技术同时通过引入低成本的智能摄像机，高级3D成像系统，基于PC的帧抓取和更多用户进行了进展- 友好机器人编程环境。

例如，垃圾收集周期已经大幅下降，但生产率往往伴随着更高的系统成本和应用程序的机器视觉软件开发方面更复杂的编程。因此，大多数商业应用程序倾向于结构化或半结构化的垃圾桶拾取，机器人仍然可以依靠比较简单和成本效益高的视觉系统来找到排列在堆栈中的形状和方向相似的部件。

“视野引导的机器人仍然基于2D成像技术，因为它有利于申请莱奥尼公司视觉产品经理吉姆·里德说。“软件已经取得了很大的进步，但零件的几何形状是阻碍或影响项目的‘实施’或‘不实施’的因素。”

然而，在这些传统的结构化箱拣选应用中，VGR越来越能够以较短的循环时间执行更多的可变任务，同时简化校准和训练任务。

相机机器人协调
无论是机器视觉还是机器人控制都没有软件解决方案不足。视觉引导机器人的挑战是集成这两个软件平台，因此机器人的操作密切校准了相机的视野（FOV）和其中的任何物体。与任何机器视觉应用一样，必须培训成像软件以区分该部件。但是，它必须转换为机器人控制器的数据转换为机器人可以快速移动到正确的位置，拾取并放置它。

为简化此过程，像FANUC和EPSON机器人这样的机器人OEM已经开发了自己的交钥匙软件包，以简化视觉系统的校准和培训，因此不需要编程来操作其产品。例如，当EPSON机器人近二十年前开发了其视觉指南软件时，它是由业务而不是技术目标的动力。“我们当时的目标是为机器人提供愿景指导系统，这些机器人可以帮助开发人员在一天内找到和放置零件，”EPSON机器人产品开发总监Rick Brookshire说。“挑战是，我们的客户不能写100-1000行代码只是为了让这个工作。”

如今，爱普生的愿景指南的点击环境使非程序员能够轻松校准并培训公司的4轴围巾和6轴铰接机器人，用于结构化的垃圾衬板采摘应用。更重要的是，它允许机器人制造商扩展其潜在的客户群，以包括不能支持居民程序员的小型企业。

而不是专注于软件来减轻VGR训练，软机器人应用材料科学。该公司的机器人抓手套件(或柔性弹性末端执行器)设计具有高度的适应性和一致性，使它们能够抓取各种各样的物品，而无需进行视觉系统培训。对于电子商务、食品杂货、零售和其他以频繁更换产品为特征的行业中的高混合应用，这种能力尤其重要。

“如果我必须训练我的机器视觉系统以容纳12个SKU，我还可以。如果我必须培训1200万，我不行，“软机器人首席执行官Carl Vause解释道。“如果我拿起香蕉，我的产品可能都可以共享同样的SKU，但它们不一定共享相同的形状。”

零售拇指规则是VGR可以成功地使用ARM端的真空工具上增加30％至40％的物品。根据Vause的柔软机器人，我们的oIte ops ops of the Soots的分析显示为90％的速度。“但是，启动速度更快，这意味着您可以更快地更快地改变SKU，”Vaest。

虽然不是明确的机器视觉解决方案，软机器人的eoat技术可以显着影响VGR系统视觉组件的简单性和成本。今天最快的VGR系统可以单一地完成对象，找到正确的方法，并计算在系统包装足够高的相机分辨率和计算功率时，如何将真空拾取器应用在几百毫秒内。相比之下，软机器人的Superpick，Vause说，可以基于低成本的2D数字成像仪达到65毫秒的扫描到挑选时间，高度宽容但准确的夹持器设计。

检索轴
虽然VGRS变得更容易校准和火车，但其他复杂性等待。挑战开始迅速安装，因为开发人员特别面对两件事：机器人运动轴的数量，以及箱中的随机性水平。

“六轴机器人改变了很多东西，”布鲁克郡说。“这不仅仅是复杂性的线性增加。四轴机器人几乎取决于来自平坦表面的部件并移动到平坦的表面。但是当你在手臂的末端加两个轴时，你会处理音高，偏航和卷而不是卷。俯仰和横摆增加了很多复杂性。“

理论上，俯仰和偏航，使六轴机器人更自由地移动，因此使它们更好地配备用于在拾取物品时处理一些变化。如果平坦表面上的物体以45度的角度呈现到水平面，例如，来自扶手相机的传统2D图像图通常足以区分各个物体并向机器人臂定向最佳效果。

然而，与四轴机器人一样，挑战在于校准摄像机和机器人——只是六轴机器人的挑战更大。如果摄像机安装在机器人手臂上，则校准目标——摄像机的视场——可以更小，因此更容易校准。缺点是视觉制导系统更依赖于机器人的精度。随着机器人离校准位置越来越远，其精度会下降——这意味着机器人运动时的1毫米并不一定转化为现实空间中的1毫米。

静态摄像头位置可以帮助解决这个问题，也可以提高周期时间，因为摄像头可以在机器人移动到特定位置时捕捉图像。但这种方法也有其自身的困难，因为摄像机的视场会影响其分辨率，而分辨率通常是由机器人的精度决定的。

“如果机器人的精度是±2毫米，那么我们需要视觉硬件来实现十分之一毫米的结果，”利奥尼的里德说。“这意味着视觉传感器需要提供相当于0.2毫米精度的像素密度，而大多数应用程序无法做到这一点。”

随着FOV的扩大，解决方案下降;大型FOV在汽车应用中很常见，其中箱可以测量超过5 x 10英尺。该解决方案经常归结为力学或数学。机器人夹具设计有时可以帮助弥补近视的机器人，而图像算法通常可以导出子像素结果。但是校准视觉系统以引导六轴机器人只是准备下一个和最终边境：随机箱拣选。

“多年来，随机箱采摘一直是视力引导机器人的圣杯，”雷德说。“每个应用程序都造成独特的挑战，部分几何形状决定哪种解决方案最佳。在我们的专业意见中，没有单一应用或软件平台可以处理所有变化。“

挑一杯
除了六轴机器人，随机装箱的进一步选择需要3D成像方案，通常利用多个摄像头来引导机器人在第三个平面上的运动。3D成像还涉及更复杂的照明配置，如飞行时间、立体、激光雷达和激光三角测量来计算图像深度。密集的图像数据随后需要更强大的图像处理硬件。最后，三维成像系统必须用六轴机器人进行标定。

“当你处理整个其他维度时，它不像1 + 1 + 1是3，”布鲁克郡说。“第三维度在视觉算法侧和机器人精度侧增加了更多的复杂性。”

正如2019年自动化展上3D拣箱显示的数量所证明的那样，随机拣箱是一个热门应用，它激发了一股候选解决方案的浪潮，这些解决方案建立在组件级的进步上，从3D摄像机系统到兼容的夹具。同时，系统级的创新不仅使视觉和机器人元素之间的交互更加顺畅，也使VGR系统和缺乏高级编程技能的操作员之间的交互更加顺畅。与受物理限制的机器视觉应用不同，随机拣箱在很大程度上是一项工程挑战，这意味着行业在周二之前解决六种方法并转向下一种方法只是时间问题。