Völlige Freiheit

Co-Picker bietet herstellerunabhängige für Bin-Picking-Anwendungen leistungsfähige Bildverarbeitungsalgorithmen für Oberflächen-Matching, semantische Interferenz mit KI sowie Bahnplanung und Kollisionsvermeidung.
Co-Picker bietet herstellerunabhängige für Bin-Picking-Anwendungen leistungsfähige Bildverarbeitungsalgorithmen für Oberflächen-Matching, semantische Interferenz mit KI sowie Bahnplanung und Kollisionsvermeidung.
Co-Picker bietet herstellerunabhängige für Bin-Picking-Anwendungen leistungsfähige Bildverarbeitungsalgorithmen für Oberflächen-Matching, semantische Interferenz mit KI sowie Bahnplanung und Kollisionsvermeidung.
Co-Picker bietet herstellerunabhängige für Bin-Picking-Anwendungen leistungsfähige Bildverarbeitungsalgorithmen für Oberflächen-Matching, semantische Interferenz mit KI sowie Bahnplanung und Kollisionsvermeidung.Bild: Vision Online S.L.

Heutzutage sind kollaborative Roboter, vor allem im Mittelstand, aufgrund ihrer hohen Einsatzflexibilität im Vergleich zu den bisherigen Automatisierungsansätzen immer öfter im Einsatz, wenn es um die Automatisierung sich ständig wiederholender Aufgaben geht. Die 3D-Bildverarbeitung ist dabei zunehmend zum unverzichtbaren Partner der Cobots geworden. Meistens erfolgt die Zusammenarbeit von 3D-Vision und Robotik bei Bin-Picking-Aufgaben und den danach folgenden Aufgaben, wie Inspektion, Verpackung oder Palettierung der Teile.

Bin-Picking mit Deep Learning

Heute bieten die meisten Anbieter einer 3D-Systemhardware auch eine eigene Software für die Lokalisierung, Pick-Up-Planung und Ablage der Teile an. Allerdings ergeben sich dabei oft verschiedene Einschränkungen, wie die Anbindung unterschiedlicher Hardware, Software oder Roboter sowie die hohen Kosten der Systeme, vor allem bei weniger komplexen Anwendungen. Die Herausforderung war es, eine Lösung zu entwickeln, die die herstellerunabhängige Nutzung verschiedener am Markt erhältlicher 3D-Vision-Systeme und -Komponenten erlaubt. Zudem sollte die Integration und Anwendung von Deep Learning möglich sein sowie der Einsatz aktueller Algorithmen zur Bahnplanung und Kollisionsvermeidung. Der Co-Picker von Vision Online ist genau für diese Anforderungen entwickelt worden und erlaubt integrierte Anwendungen, die mächtige Bildverarbeitungsalgorithmen für Oberflächen-Matching, semantische Interferenz mit KI sowie Bahnplanung und Kollisionsvermeidung bieten. Das graphische User Interface ermöglicht es Anwendern, individuelle Lösungen zum Erstellen, Verändern und Laden von Rezepten zu entwickeln. Der integrierte CAD-Model Finder ist ein Generator für Oberflächenmodelle, der direkt vom CAD-File ausgeht. Er erlaubt es, für ein Produkt mehrere verschiedene Oberflächenmodelle für verschiedene Ansichten mit Greifpunkten zu erstellen. Zudem wird eine verbesserte Performance durch Deep Learning erreicht, durch die eine beschleunigte Identifikation per Interferenz mit neuronalen Netzen möglich ist, die auch für anspruchsvollere Anwendungen eingesetzt werden kann.

Herstellerunabhängige Anbindung

Das System ermöglicht die Definition einer unbegrenzten Anzahl an Greifpositionen. Je nach Teilegeometrie können einfache oder rotationssymetrische Positionen definiert werden. Der Calibration Wizard führt den Anwender dabei durch die beiden möglichen Hand/Auge-Kalibrierprozesse: entweder für eine stationäre Kamerakonfiguration oder für am Roboter mitgeführte Kameras. Die Co-Picker-Software ermöglicht die Nutzung jedes Gerätes, das das GigEVision-Protokoll nutzt, z.B. die 3D-Kamera von Zivid oder verschiedene Laserlichtschnitt-Profil-Sensoren, Stereo-Vision-Systeme oder ToF-Kameras. Die Software unterstützt auch die folgenden Geräte mit proprietären Protokollen: PhoXiScanner (Photoneo), Solscan (Solomon) sowie die Realsense-3D-Kameras (Intel).

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert