伯索®3D扫描仪在垃圾箱采摘应用中

近年来，许多视觉系统供应商已经将3D扫描仪和相机引入他们的产品组合。系统集成商一直在不断寻求最自然和高效的硬件集成，以提高这类传感器的需求。除了计量，质量控制和轨迹校正;选仓应用是最常见和最具突破性的应用，因为即使是一个非常基础的应用，其财务回报也是非常宝贵的。虽然机器人手臂从容器中随机挑选物品的想法很容易想象，但真正的实现带来了巨大的挑战。本文详细阐述了在实际实现中遇到的这些挑战，以及Photoneo开发的硬件和软件解决这些问题的能力。只考虑静态环境中的应用程序。上面提到的所有经验都是我们的团队在为一家液压元件生产商安装拣仓解决方案时收集的。合同周期时间设置为7秒。仅通过一个PhoXi®3D扫描仪和一个ABB机器人就成功实现了这一目标。 Now, the 7-second cycle time covers picking a small metal object from a big scanning volume loaded with 10 000 parts, nailed by oriented placing. The area ratio of the size of parts being picked to the bin size is approximately 1:900.

视觉系统选择
我们可以正确地假设，每个拣仓应用程序的主要支柱是3D视觉系统的质量和它生成的点云的相关质量。需要指出的是，某些系统执行仍然可以使用2D视觉系统。这些应用通常与振动馈线等机械系统相结合，用于将物体分离成一个可以被2D摄像机识别的特定姿态。特定的方向是循环洗牌的结果，方向的姿态是在每个步骤的随机重复之后发生的。在这种方式下，循环时间随着零件数量的减少而增加，所以完全卸载集装箱是有问题的。此外，这种解决方案会消耗更多空间，这也是客户抱怨的问题，也是他们最终不喜欢2D的原因。我们还应该考虑这样一个事实，即馈线和2D摄像机的联合投资与3D扫描仪的成本相当。由于这种技术的局限性，我们将在这里省略它。

在3D视觉系统应用中，点云的质量总是在各种扫描仪参数之间进行权衡。成功的3D系统的最佳实践已经证明，用一个设备来覆盖所有的应用是相当复杂的。我们经常看到通过扫描量来分类应用程序，而3D扫描仪的硬件设备在每个类别中可以非常相似。市场上大多数成熟的供应商都基于结构光原理构建了他们的系统并发出模式。大多数扫描设备能够处理较小的扫描体积的应用。然而，他们有一个欧元托盘尺寸或尺寸甚至更大的体积的麻烦(主要由于深度的领域限制)。一般来说，在一个扩展的体积中拣仓是一个挑战，因为点云密度更低，噪声水平更高，导致绝对精度的下降。因此，当更大的扫描体积与比例更小的对象相结合时，PhoXi®3D Scanner XL的质量和景深是至关重要的。更大的扫描量需要更强的光源，或者更长的展示时间，以确保合理的点云质量。

实现
为了满足液压元件生产商的需求，我们选择了Photoneo®PhoXi®3D Scanner XL。设备扫描体积可达2400x1800x2200mm。图像由320万像素的传感器捕获，平均捕获时间约为800ms。另一个独特的特点是重量轻(高达1.2公斤)，但持久的碳车身和最小的热膨胀。

选择适合于垃圾拣选应用的对象
在决定容器拣选解决方案的任何实现之前，要挑选的部件本身是要考虑的一个因素。首先，就目前而言，从材料的角度来看，高度反射和透明的物体或多或少超出了应用范围。物体的材质对于三维扫描的质量和可用性以及定位、从容器中提取物体和定向放置的过程都是决定性的。其次，在装满零件的箱子里，每一个物体都可能与机械臂发生碰撞。在两个或多个部分锁在一起的情况下，它们也可能与机器人细胞的身体或附件发生碰撞。第三，物体在重力场作用下的变形，在定位和定向放置方面也具有挑战性。最后但并非最不重要的是，积分器还需要考虑零件的形状。高度不对称的部件可能会卡在一个双部件中，使机器人手臂过载。

实现
在以下CAD模型中描绘了为实现选择的对象。客户要求使用7秒的循环时间99％的垃圾箱卸载率。在光孔传导的可行性研究期间，检测锁定部件的概率待被缩小。然而，我们解决了孤立性的问题，因为金属闪亮部分是可行性的边缘。从任何姿势中提取物体的条件带来了夹具设计的挑战。夹具设计的问题在其上得到解决。

周期时间
对于工业过程实施，循环时间是成功措施的一个。简单地，循环时间由扫描，定位算法，机器人路径规划和机器人臂操作所需时间所需的时间组成。基于该领域的经验，应该避免尝试缩小可用于3D扫描的时间。通过更长的图像捕获程序，系统能够以较高的密度，噪声较少，精度更高的点云输出点云。反过来，这使得本地化算法能够在较短的时间内成功地识别对象。值得一提的是，单个扫描通常捕获足够的对象以获得多个系统循环。本地化算法可以在背景中不同步地搜索新对象。根据扫描卷的扫描仪中最佳展出时间范围为300至800毫秒。扫描时间更接近1秒并不将应用程序限制在循环时间仍然低于2秒。通过此扫描时间，Asynchrone本地化执行和并行部署多个机器人和扫描仪，可以实现相当低的周期时间。

实现
选择PhoXi®3D扫描仪用于此实现工作，显示时间从800ms水平开始。定位是异步运行的，对于液压元件的生产者，应用程序中不需要任何额外的扫描仪或机器人。合同周期时间为7秒，仅由我们的扫描仪和一个机器人实现，即使是在装入10,000个零件的大扫描量的情况下，顶部的定向放置。我们的视觉系统有一个独特的特点，那就是“智能记忆”。当机器手臂倾斜着去捡起一个零件时，扫描器仍然进行不同步的感知，并将被捡起的零件周围的空间感知保存到它的记忆中。当机械臂将零件放置到需要的位置时，扫描器会发送另一个路径规划信号。有人可能会想，如果由于前一个选择的结果，部件被轻微移动，而实际的位置不符合扫描仪的记忆轨迹，该怎么办?Photoneo的回答是，我们已经在我们的视觉系统中实现了一个特殊的解决方案，能够非常快速地分析物体位置的变化，并专注于没有移动的部分。因此，PhoXi®3D扫描仪智能记忆背后的逻辑可以解释为，它像人类记忆一样连续工作，而在过程中特定时间内的一些动作可以编程多个未来步骤，而不是一个。

对象本地化
对象定位是每个拾取箱子解决方案的关键部分。定位算法的精度应根据速度和方位来确定。需要高精度定向放置的实现被设计用来利用零件的CAD模型。对于具有一定形状变化的物体的应用程序，CAD模型不是首先要考虑的选项。

实现
我我们的案例，选择了CAD模型的方法。首先，我们分析了CAD模型，并提取了一个庞大的连接功能网络，作为智能对象表示。对于应用程序，使用超过一百万的这些特征来映射该部分，从而创建部分的数学模型。这使我们能够比较数学上类似的对象并减少本地化的时间。该算法预先扫描场景以查找一堆潜在的对象出现。在第二次运行中，它将场景的部分与记住的数学模型进行比较，这些模型不仅可以说该部分与模型类似，而且还计算部分（智能存储器）的近似位置和方向。虽然部分的精细对准是面向定向的放置所必需的，但我们使用多种方法来微调到部件的位置。虽然本地化需要处理数千个输入，但必须选择速度和准确度之间的右平衡。更高的精度可以使掌握更加简单，而更快的本地化可以创造更多的候选人可供选择。

工具夹头设计
每个对象提取程序的效率只有当机器人工具点。有一系列的抓手的设计，以适应尽可能多的应用。对于大多数金属零件的提取，定位精度可以通过带有有源磁铁的夹持器的普通力来补充。这些应用是相当稳健的，但定向放置的精度是有限的。同样，真空夹持器也适用于表面光滑但需要定期维护的物体。为了确保料仓拣选应用所需的精度，夹持器应具有特定应用的设计。在定制的夹持器设计上的投资通常是有回报的，因为它可以降低维护成本和所需的服务时间。

实现
在为客户实现所描述的零件时，我们解决了如何从任意位置抓取对象的问题。当被挑选的部分被定位与较小的开口向上，一个小的两指夹持器已经从较小的孔内使用。当物体朝向更大的开口向上时，可以理解的是，一个更大的两指工具已经从更大的孔的内部使用。当躺在水平位置时，为了抓住物体，使用了真空夹持器。

Photoneo Bin拣选解决方案提供了一个选项来定义工具的不变性。由于z轴的不变性，所使用的真空夹持器是特殊的。在实际应用中，当真空杯与物体接触时，工具点的实际旋转是什么并不重要。不变性的采样率设定在15度水平。算法然后自动计算工具点相对于对象的貌似合理姿态。设定了逆运动学计算时间的不变性步骤。在步长不变的一定程度上，合适姿态的概率不增加，而计算时间仍然增加。

最后，值得一提的是，我们决定将抓手安装在一个角度下，可以帮助避免碰撞和延长触及。这个小的设计改变显著提高了从垃圾桶角落提取的效率。如图所示，夹爪的弯曲和加长也有助于到达料仓的底部，因为机器人手臂本身的可达距离只有1.45米。

实现了机器人路径规划
一旦确保了下一个选择的正确对象和适当的夹具，机器人臂的实际轨迹代表了最后一个挑战。Photoneo工程师决定利用其中一个可用的开源路径规划者。Photoneo的垃圾桶采摘解决方案利用ROS（机器人操作系统）和其中一个运动规划师。在这种情况下，测试导致团队踩到stomp（运动规划的随机轨迹优化）。踩踏提供碰撞避免功能，它还考虑了机器人运动的能量，并降低了机器人电动机磨损的潜力。配置中最关键的部分是机器人单元格，箱，扫描仪等潜在碰撞对象的完整列表。

结论
Photoneo的拣仓应用与所有主要的工业机器人品牌- ABB, Kuka，发那科，三菱电机，欧姆龙，Stäubli，万能机器人和安川。对于上述安装，客户决定采用ABB公司的IRB 1600型，载重10kg，达1.45米。在写这篇文章的时候，安装已经进行了大约半年的制作。