Anzeige

Deformierbares oberflächenbasiertes Matching in der Bildverarbeitung

Verformte Objekte präzise greifen

Das exakte Handling von Gegenständen ist unabdingbare Voraussetzung für effiziente Produktionsprozesse in der Robotik. Dies gilt insbesondere dann, wenn die Objekte leicht verformbar sind und sich deshalb nur schwer greifen lassen. Eine praktikable Lösung bietet das deformierbare oberflächenbasierte Matching, das Roboter verformte Gegenstände im dreidimensionalen Raum erkennen, punktgenau lokalisieren und sicher greifen lässt.

Produktionsprozesse in der Robotik stellen hohe Anforderungen an das Handling. (Bild: MVTec Software GmbH)

Klassische – also nicht deformierbare – oberflächenbasierte Matching-Techniken unterstützen Fertigungsroboter schon seit Längerem beim gezielten Handling von starren, nicht verformbaren 3D-Objekten wie Werkstücken aus hartem Metall. Dabei werden mit einer oder mehreren Kameras digitale Bilddaten aufgenommen und in einer Machine-Vision-Software verarbeitet. So ist es möglich, die Objekte zu erkennen und deren Lage im dreidimensionalen Raum präzise zu bestimmen. Zudem lassen sich damit geometrische Eigenschaften komplexer 3D-Objekte messen sowie Defekte feststellen und lokalisieren. Das deformierbare oberflächenbasierte Matching geht noch einen Schritt weiter: Es erlaubt Robotern, auch Gegenstände aus verformbarem Material zu identifizieren und zu greifen. So hat die Software zu berücksichtigen, dass die Greifpunkte von deformierten und intakten Objekten aufgrund der Verzerrungen stark voneinander abweichen. Ein Beispiel aus der Lebensmittelindustrie: In hochautomatisierten Brotfabriken nehmen Roboter frisch gebackene Brezeln vom Fließband und legen sie in die Verpackung. Backwaren sehen naturgemäß nicht identisch aus, sie sind also im Vergleich zueinander immer deformiert. Roboter haben möglicherweise Schiwierigkeiten, solche Objekte richtig zu erkennen und aufzunehmen. Die Machine-Vision-Software ist nun in der Lage, die Abweichung festzustellen und mithilfe eines angepassten deformierten Modells der Brezel auch entsprechende Greifpunkte zu bestimmen. Dabei erfüllt das 3D-Matching zwei Aufgaben: Es ermittelt nicht nur die korrekte Greifposition für den Roboter, sondern erkennt auch fehlerhafte Produkte, die sich dann im Rahmen der Qualitätssicherung zuverlässig aussortieren lassen. Ein weiterer Anwendungsfall ist das Erkennen und präzise Greifen von falsch gebogenen – und damit deformierten – Blechen beispielsweise in der Automobilindustrie. In der Verarbeitung von heißem, flüssigem Metall kommt das Matching-Verfahren ebenfalls zum Einsatz: Kühlt das Metall nach dem Gießvorgang ab, kommt es möglicherweise zu leichten Verformungen. Diese erkennt die Machine-Vision-Software problemlos und macht so den Greifprozess für den Roboter sicherer.

Mit dem Lichtschnittverfahren lassen sich 3D-Punktewolken erzeugen. (Bild: MVTec Software GmbH)

Deformierbares oberflächenbasiertes Matching in der Bildverarbeitung
Produktionsprozesse in der Robotik stellen hohe Anforderungen an das Handling. (Bild: MVTec Software GmbH)


Empfehlungen der Redaktion

Das könnte Sie auch interessieren

In der aktuellen Trendumfrage hat ROBOTIK UND PRODUKTION wieder namhafte Experten befragt, diesmal zum Thema Roboter in IoT und Cloud. Dabei ging es um Ressourcen moderner Clouds, Sprachsteuerung und Echtzeitfähigkeit. Es antworteten Christoph Groll, Head of IIoT Solutions bei Kuka, Nils Tersteegen, Marketingleiter bei Fanuc Deutschland, und Jan Metzner, Specialist Solutions Architect IoT, EMEA bei Amazon Web Services.‣ weiterlesen

Bei dem neuen Roboter-Rollfalzverfahren Smart Hemmer von Comau handelt es sich um eine kompakte, symmetrische Rollfalzvorrichtung, die komplexe Nähte schnell, flexibel und präzise falzt. Die Lösung eignet sich vor allem für Elektro-, Hybrid- und herkömmliche Leichtfahrzeuge, da sie es Autoherstellern ermöglicht, verschiedenartige Werkstoffe mit Hilfe eines Kaltverfahrens bei vollständiger Prozesskontrolle zu verbinden. 

Das Robotik-Startup Acutronic Robotics hat ein neuartiges Framework für Deep Reinforcement Learning (DRL) in der modularen Robotik entwickelt. ROS2Learn bietet einen Ansatz, bei dem der Roboter direkt mit den üblichen Roboterwerkzeugen trainiert werden kann.

Anzeige

Die Yamaha Factory Automation Section, eine Unterabteilung der Yamaha Motor Robotics Business Unit, hat ein Europa-Büro eröffnet, um den Support für Vertriebspartner und Kunden von industriellen Robotersystemen und -produkten zu verstärken.

Der Polygreifer, entwickelt am Fachgebiet trennende und fügende Fertigungsverfahren der Universität Kassel, kann auf Roboterarme montiert werden und Werkstücke verschiedener Materialien greifen und tragen.

Piab hat das weiche Greifwerkzeug Pisoftgrib speziell für die Lebensmittelindustrie entwickelt. Der Vakuum-basierte weiche Greifer ist dafür geeignet, empfindliche und leichte Objekte mit unregelmäßigen Formen und/oder ungewöhnlichen Oberflächen zu fassen. Er ist ebenfalls verwendbar für das Bin Picking kleiner Gegenstände, wie Spielzeug.

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige