Analisis singkat tentang teknologi penentuan posisi visual robot industri

Robot mengintegrasikan teknologi elektronik, teknologi penginderaan, dan teknologi kontrol cerdas. Ini adalah perangkat mesin yang dapat secara otomatis melakukan tugas kerja. Robot dapat menerima perintah manusia dan juga dapat bertindak secara independen sesuai dengan prinsip dan program yang diformulasikan oleh teknologi kecerdasan buatan. Robot telah diterapkan di banyak bidang.

Saat ini, robot industri hanya dapat melakukan instruksi yang telah ditentukan sebelumnya di lingkungan terstruktur yang didefinisikan secara ketat dan kurang memiliki kemampuan untuk merasakan dan beradaptasi dengan lingkungan, yang sangat membatasi aplikasi robot. Metode penentuan posisi visual benda kerja, dikombinasikan dengan perangkat lunak pemrosesan gambar khusus, menggunakan kontrol visual robot tanpa perlu mengajarkan atau memprogram lintasan gerak robot industri secara offline terlebih dahulu. Ini dapat mencapai penentuan posisi yang andal dari sistem visual robot industri dan memainkan peran aktif dalam meningkatkan akurasi penentuan posisi benda kerja dan efek pemrosesan. Ini dapat menghemat banyak waktu pemrograman dan meningkatkan efisiensi produksi serta kualitas pemrosesan. Di Tiongkok, aspek ini terutama digunakan dalam melacak jahitan las oleh robot las.

1. Komposisi sistem penentuan posisi visual

Sistem penentuan posisi visual robot terdiri dari (seperti yang ditunjukkan pada gambar di bawah). Alat semprot dan satu kamera dipasang di ujung robot artikulasi sehingga benda kerja dapat sepenuhnya muncul di gambar kamera. Sistem ini meliputi sistem kamera dan sistem kontrol:

1. Sistem kamera: Terdiri dari satu kamera, komputer, dan sistem akuisisi (termasuk kartu akuisisi gambar), bertanggung jawab untuk akuisisi gambar visual dan algoritma visi mesin; disarankan untuk menggunakan kamera digital untuk sistem ini, dan akurasi ekstraksi akan lebih tinggi daripada kamera umum.
2. Sistem kontrol: Terdiri dari komputer dan kotak kontrol dan digunakan untuk mengontrol posisi sebenarnya dari ujung robot;

Area kerja difoto oleh kamera CCD, dan komputer mengekstrak fitur pelacakan melalui metode pengenalan gambar untuk pengenalan dan perhitungan data.

1578648768138220.jpg

Gambar 1 Komposisi sistem penentuan posisi visual robot penyemprot

2. Prinsip kerja sistem penentuan posisi visual

Kamera digital merek TEO Amerika TM-C6597E digunakan, dilengkapi dengan sistem akuisisi gambar TM-C520HP. Kamera ini dirancang dengan kamera khusus, jalur transmisi seimbang, dan kartu akuisisi gambar untuk memasukkan sinyal video ke dalam kalkulator dan memprosesnya dengan cepat. Pertama, pilih gambar lokal dari objek yang dilacak. Langkah ini setara dengan proses pembelajaran offline, membangun sistem koordinat dalam gambar dan melatih sistem untuk menemukan objek pelacakan. Setelah pembelajaran, kartu gambar terus mengumpulkan gambar, mengekstrak fitur pelacakan, melakukan identifikasi dan perhitungan data, memecahkan nilai posisi yang diberikan dari setiap sambungan robot melalui kinematika terbalik, dan akhirnya mengontrol aktuator ujung presisi tinggi untuk menyesuaikan posisi robot.

Dengan cara ini, sistem penentuan posisi visual menggabungkan pencocokan berbasis area dan pengenalan fitur bentuk untuk pengenalan dan perhitungan data, dan dapat dengan cepat dan akurat mengidentifikasi batas dan pusat fitur objek. Sistem kontrol robot memperoleh kesalahan sudut dari posisi setiap sambungan robot melalui solusi kinematika terbalik, dan akhirnya mengontrol aktuator ujung presisi tinggi untuk menyesuaikan postur robot untuk menghilangkan kesalahan ini. Ini memecahkan masalah bahwa posisi sebenarnya dari ujung robot jauh dari posisi yang diinginkan, dan meningkatkan akurasi penentuan posisi robot tradisional.

3. Ekstraksi fitur gambar

Kontras antara benda kerja di meja kerja dan latar belakang meja kerja membentuk perbedaan warna yang besar, yaitu, benda kerja diidentifikasi sebagai hitam, dan garis tengah gambar hitam diekstraksi. Sistem akuisisi menggunakan informasi ini sebagai fitur penting untuk mengidentifikasi benda kerja.

Ketika sistem visi umum memperoleh gambar benda kerja, gambar tersebut tidak dapat langsung digunakan dalam sistem visi karena berbagai kondisi dan gangguan kebisingan. Pra-pemrosesan gambar seperti koreksi grayscale dan penyaringan kebisingan harus dilakukan melalui analisis dan pengenalan gambar.