Deformierbares oberflächenbasiertes Matching in der Bildverarbeitung

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)

Seiten: 1 2Auf einer Seite lesen

MVTec Software GmbH
www.mvtec.com

Das könnte Sie auch Interessieren

Bild: KUKA AG
Bild: KUKA AG
Cobot-Einsatz in der Qualitätssicherung

Cobot-Einsatz in der Qualitätssicherung

Zur Qualitätssicherung des neuen Mahlwerks für die neue Kaffeemarke Ligre hinsichtlich Langlebigkeit und Einhaltung des voreingestellten Kaffeegewichts setzten die Entwicklungstechniker von Gronbach in einem Testaufbau auf die Unterstützung durch den Cobot LBR iisy von Kuka.

Bild: Fraunhofer-Institut IML
Bild: Fraunhofer-Institut IML
Belohnung als 
Anreiz zum Lernen

Belohnung als Anreiz zum Lernen

KI-Entwickler Julian Eßer trainiert Roboter, sich intelligent zu verhalten. Denn das Entscheidende ist, dass die Maschinen nicht nur bei kalkulierbaren Ereignissen richtig handeln. Vor allem müssen sie auch in unvorhergesehen Situationen das Richtige tun. Dafür testet er als Mitglied des AI Grids, einer Initiative des Bundesforschungsministeriums, die vielversprechende Talente in künstlicher Intelligenz in Deutschland fördert, am Fraunhofer IML Hunderte Roboter in virtuellen Welten. Ziel ist, dass die Maschinen üben und lernen, mit Störungen und Varianten ähnlicher Situationen umzugehen – und dann selbst Varianten anbieten. Dafür kommt eine Art Belohnungssystem für Roboter zum Einsatz: So lernen sie leichter aus Fehlern und wählen den schnellsten und effektivsten Weg zum Ziel.

Bild: TeDo Verlag GmbH
Bild: TeDo Verlag GmbH
inVISION Day Metrology 2024

inVISION Day Metrology 2024

Am 16. Mai 2024 findet zum zweiten Mal der inVISION Day Metrology – Digital Conference for Metrology statt. An dem Tag werden in den vier Sessions 3D-Scanner, Inline Metrology, Surface Inspection sowie CT & X-Ray aktuelle Lösungen und Produkte in zahlreichen 20-minütigen Vorträgen präsentiert.