Forstå bruken av 3D-syn i AGV/AMR-feltet

Key Takeaway:

3D-syn gjør at mobile roboter kan se, forstå og samhandle med miljøet. Det er en tverrfaglig teknologi som kombinerer datagrafikk, datasyn og kunstig intelligens. 3D-synsteknologi fanger de tredimensjonale koordinatene til hvert punkt innenfor synsfeltet gjennom 3D-kameraer, og rekonstruerer et 3D-bilde ved hjelp av algoritmer. Sammenlignet med 2D-bilder er 3D-syn mer stabilt, motstandsdyktig mot miljø- og lysendringer, og tilbyr en bedre brukeropplevelse og høyere sikkerhet.

3D Vision Technology Pathways

3D-sensorer fungerer som "øynene" til 3D-syn, og bruker kombinasjoner av flere kameraer og dybdesensorer for å samle inn data om den tredimensjonale posisjonen og størrelsen til objekter. De viktigste 3D-synssensorene som for øyeblikket er tilgjengelige er kikkertkameraer, strukturerte lyskameraer og TOF-kameraer (Time of Flight).

• 3D strukturert lysteknologi: Denne metoden bruker infrarødt lys, som projiseres på et objekt med en viss koding. Når lyset reflekteres tilbake, vil mønsteret deformeres avhengig av objektets avstand. Bildesensoren fanger opp det deformerte mønsteret, og ved hjelp av triangulering beregnes deformasjonen til hver piksel for å utlede den tilsvarende forskjellen og videre beregne dybdeverdien.

• TOF (Time of Flight)-prinsippet: Denne teknikken bruker en infrarød lyskilde til å sende ut høyfrekvente lyspulser til et objekt, mottar deretter de reflekterte pulsene og beregner avstanden fra kameraet til objektet ved å måle reisetiden til lyspulsene. For tiden er det to mainstream TOF-løsninger på markedet: dTOF og iTOF. Bransjeeksperter mener at dTOF gradvis vil erstatte iTOF på grunn av dens overlegne ytelse i nøkkelaspekter som oppløsning, nøyaktighet, ultralavt strømforbruk, sterke anti-interferensegenskaper og enkel kalibrering. Imidlertid har dTOF høye tekniske barrierer, høy systemintegrasjon og begrensede forsyningskjederessurser.

• Kikkert Stereo Vision-teknologi: Denne metoden simulerer menneskelig syn ved å observere det samme objektet fra to synspunkter, og få bilder av objektet fra forskjellige perspektiver. Ved hjelp av triangulering beregnes posisjonsavviket (forskjellen) mellom piksler i bildene for å få et 3D-bilde av objektet. Maskinvarestrukturen til binokulært stereosyn bruker vanligvis to kameraer som visuelle signalinnsamlingsenheter. Disse kameraene kobles til en datamaskin gjennom et bildeinnsamlingskort med to inngangskanaler, og de analoge signalene som samles inn av kameraene, blir samplet, filtrert, forbedret og konvertert til digital form, og til slutt leverer bildedata til datamaskinen.

Anvendelser av 3D Vision i mobile roboter

Ettersom synsteknologien utvikler seg fra 2D til 3D, blir 3D-synssensorer avgjørende i mobile roboter, og tilbyr dybdeoppfatning og muliggjør sanntidsføling i tredimensjonale rom, nøyaktig gjenkjenning av gjenstander, gjenkjenning og unngåelse av flere hindringer, intelligent beslutningstaking, og automatisert veiledning. Disse egenskapene brukes i økende grad innen logistikk, e-handel, automasjon, produksjon, industri- og serviceroboter, kommersielle omgivelser og mer, med utvidede applikasjonsgrenser.

I mobil robotikk brukes 3D-syn hovedsakelig til navigasjon, unngåelse av hindringer og gjenkjenning og dokking av sluttmateriale.

• Navigasjon: Nøyaktig miljøføling er hovedoppgaven for mobile roboter. «Miljøet» inkluderer her ulike faktorer som forstyrrelser fra ulike lysforhold innendørs og utendørs, hindringer i stien, om ruten er tydelig og flat, typene objekter i miljøet, om det er personer som kan få roboten til å bremse eller stoppe, om pallen foran er tom eller full, hvor innsettingssporene til en lastet pall er, og hvordan du planlegger ruten for henting. Forenklet er logikken at en visjonsbasert mobil robot må gjenkjenne omgivelsene sine nøyaktig, unngå dynamiske og statiske hindringer, nærme seg målobjektet dynamisk (navigasjon) og samhandle korrekt med målobjektet (objektdeteksjon og posisjoneringsgjenkjenning).

• Unngåelse av hindringer: Markedet tilbyr en rekke sensorer for unngåelse av hindringer, for eksempel enkeltlinjes LiDAR, ultralyd og kollisjonsstrimler. Kollisjonsstriper er vanligvis den siste forsvarslinjen for voldelig kollisjonsforebygging; unngåelse av hindringer med ultralyd resulterer ofte i falske positiver; single-line LiDAR har betydelige blindsoner (detekterer bare hindringer i et todimensjonalt plan, ute av stand til å oppdage hindringer under eller over laseren, utgjør en sikkerhetsrisiko). 3D-synssensorer kan kompensere for disse manglene. Den beste nåværende løsningen for unngåelse av hindringer for mobile roboter er en kombinasjon av 3D-synssensorer og LiDAR, med 3D-synssensorer som gir presis unngåelse av hindringer på kort og mellomdistanse og LiDAR for langdistanse todimensjonale hindringer. Siden TOF-kameraer praktisk talt ikke har noen blindsoner, er de for tiden de mest brukte 3D-synskameraene for å unngå AGV-hindringer.

• Sluttgjenkjenning og dokking: I noen varehus er plassering av varer kompleks, og manuell eller kjøretøyplassering av paller er ofte unøyaktig. Denne unøyaktigheten gjør det vanskelig for en ubemannet gaffeltruck å nøyaktig identifisere pallen ved hjelp av tradisjonelle mekaniske grenser eller monokulær kameragjenkjenning, noe som fører til hyppige posisjoneringsfeil under dokking av paller og følgelig lav driftseffektivitet. Ved å bruke 3D-syn for å fange pallebilder, kombinert med passende bildebehandlingsalgoritmer, kan gaffeltrucken identifisere pallens posisjon og holdningskoordinater, intelligent justere retningen for innsetting og oppnå ubemannet intelligent pallhåndtering, og løse problemet med betydelig vinkelavvik under ubemannet gaffeltruck. dokking av paller. Videre kan AI-algoritmer brukes til å styrke og grundig lære pallegjenkjenningsmodeller, noe som ytterligere forbedrer nøyaktigheten av pallgjenkjenning og sporing.
•  

Fremtidige retninger: Høyere oppløsning, raskere bildefrekvenser, bedre miljøtilpasningsevne

Ettersom mobile robotapplikasjoner fortsetter å bli dypere, har etterspørselen etter høyere sansefunksjoner økt, noe som presser 3D-synsteknologiutviklingen i denne retningen. Den nåværende bruken av 3D-syn i mobile roboter er imidlertid fortsatt i de tidlige stadiene. Etter hvert som mobile roboter fortsetter å utvikle seg, med mer varierte applikasjonsmiljøer, vil kravene til 3D-synssystemer bli strengere, noe som fører til ytterligere oppgraderinger innen 3D-synsteknologi.

Klikk på linken nedenfor for å lese mer:

Vi introduserer Reeman Moon Knight Robot Chassis

Vi introduserer Flash Food Delivery Robot

Vi introduserer The Nurse Hospital Delivery Robot