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

Rulmeca stellt mit den BL3 Drive Rollers die dritte Generation seiner integrierten 24VDC-Antriebe für Rollenbahnen vor. Die neuen Antriebsrollen sind verschleißfest und decken einen Geschwindigkeitsbereich von 0,16 bis 1,25m/s bei bis zu 40 Prozent mehr Drehmoment ab. Anwender können folglich sowohl die Zuverlässigkeit als auch die Leistungsfähigkeit ihrer Rollenbahnen erhöhen.

Die Firma Schwäbische Werkzeugmaschinen, Hersteller von werkstückspezifischen Fertigungssystemen zur Metallbearbeitung, erweitert ihr Portfolio um eine dritte Plug&Play Fertigungszelle. Das Unternehmen präsentiert das Komplettsystem auf der diesjährigen AMB.

Anzeige

Zur AMB stellt Fastems eine neue Version seiner Manufacturing Management Software (MMS) vor, die zusätzlich zum Paletten-Handling in Automationsprozessen der spanabhebenden Fertigung nun neue Funktionen für eine Werkstückhandhabung beinhaltet. Die Software ist eine Lösung zur Planung, Prognose, Steuerung, Visualisierung und Überwachung der automatisierten Fertigung.

Anzeige

Im Rahmen des Forschungsprojektes ´MAproFli – Multivariable Automatisierungsentscheidungen für die volumen- und produktflexible Fließ-montage´ führt das Werkzeugmaschinenlabor WZL der RWTH Aachen in Zusammenarbeit mit der Universität Siegen eine Expertenstudie durch. 

Anzeige

Fitzpatrick setzt den kollaborierenden Roboter Sawyer von Rethink in der CNC-Fertigung ein. Er hilft beim Schleifen von Teilen, die als Komponenten für antriebstechnische Lösungen dienen.

Peter Pühringer übernimmt die Leitung von Stäubli Robotics Bayreuth von Gerald Vogt, der als Group Division Manager das weltweite Robotergeschäft vom Firmenstammsitz in Faverges aus steuert. Pühringer startete seine berufliche Laufbahn in der Robotik bei Bosch und wechselte im Jahr 2005, als Stäubli die Scara-Baureihen von Bosch Rexroth übernahm, nach Bayreuth.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige