3D视觉技术的进步，以跟上垃圾箱采摘的挑战

创新机器视觉技术有助于提高许多不同行业的生产力和效率，同时允许人工人员在公司内部其他地方进行更有意义的工作。例如，在制造和电子商务设置中，许多公司部署了机器人垃圾桶采摘解决方案，以自动化物料处理任务。这样做呈现挑战，但在成功实施时也会增加巨大的价值。本文介绍了垃圾拣货中的一些最新进步，特别是在3D成像中。

新的两种相机专门用于机器人的末端执行器，可以帮助传统的垃圾桶采摘和包装电池，而且可以帮助移动机械手，流量架，放置墙壁和机器人，同时提供多个垃圾箱。

选择多种部件类型

箱拣配系统通常由3D机器视觉系统，机器人操纵器和软件组成。该系统有助于从诸如箱的容器中拾取物体，并将它们放在另一个区域，例如输送机或托盘或进程中。虽然这些系统有助于简化生产并保护工人免受重复和潜在的危险任务，但垃圾挑选呈现挑战，因为部件松动且随机堆积在垃圾箱中，使系统难以区分和拾取零件。

3D成像公司Zivid的产品副总裁Øyvind Theie表示，垃圾桶选择的挑战不仅仅是随机导向的、松散的部件。

“垃圾箱采摘对质量和速度的需求非常高，因为任务不仅仅是匹配，而且擅长在广泛的应用程序中的人类能力，”他说。“对于大多数客户来说，随着时间的推移，提供高质量的垃圾桶采摘能力需要3D摄像机，可以看到具有低噪声，高分辨率和高精度的所有内容 - 无论形状，尺寸，反射率和颜色如何 - 具有最小的努力和故障。“

为此，Zivivived已致力于使其相机更加准确，强大，多功能，以满足这些需求。在一年的过程中，Capsen机器人是Zvivivid的客户之一，已经使用了Z的Z，涉及数百万个挑选的操作，涉及3D视觉引导医疗盒应用中的不同物体。寻求高分辨率的图像捕获和处理以及超快循环时间，Capsen发现Zivivid的相机提供了应用所需的3D感测精度。

“可以从箱子里挑选的不同医疗产品的纯粹数量，从搬运工，注射器和拭子中的药物，管或瓶子中的药物中都是巨大的，任何东西都是巨大的，任何东西都是从事包，管子或瓶子中的药物。”商业总监Mark Stevens表示在Capsen机器人的发展。

通过Z，CAPSEN，CAPSEN实现了0.5秒以下的组合图像捕获和物体检测速度，每次选择4秒的平均循环时间。此外，由于相机的伪影减少技术，本地颜色操作和高动态范围，Capsen的解决方案已经进行操作，免费24/7，同时采摘各种遮罩，光泽，半透明和塑料包装的产品。

来自IDS的两个Ensenso 3D摄像机，“AutoPick”机器人从散装材料中选择未知产品，并将其放在目标容器中，以每小时最多500份的速度。图片：PSB intralogistics GmbH，德国

适应客户需求

没有一个系统适合 - 所有方法都存在，因为该应用程序的大部分都取决于对象和环境，Martin Hennemann，Ensenso 3D摄像机IDS成像开发系统。

“表面材料、反射和透明度仍然是3D传感必须解决的主要问题。同时，必须满足具有挑战性的覆盖范围、分辨率和性能要求。”

除了提供灵活的3D相机模型和快速准确的3D点云(覆盖小到大的体积)，IDS还收集来自世界各地客户的反馈，并开发改进和功能，以跟上终端用户和系统集成商日益增长的需求。例如，该公司为具有挑战性的对象和场景开发了新的Ensenso PartFinder定位算法。PartFinder允许用户创建模型并搜索零件，当搜索完成时，软件对话框会在底部显示检测到的零件数量，3D可视化工具会将匹配良好的零件显示为绿色，不太确定的零件显示为橙色。

IDS摄像机可用于各种类型的垃圾箱选择应用。在德国的psb内部物流公司，“自动驾驶”全自动化系统由一个带抓手的机器人和两个Ensenso 3D摄像机组成。在这种应用中，机器人自动从散装材料中挑选小零件，并将它们放入目标容器中，速度为每小时300至500个零件，具体取决于对象。在另一项应用中，荷兰公司Fizyr开发了一种自动化视觉解决方案，该方案配备了多达四个Ensenso摄像头，可在各种条件和应用中实现物流自动化，如货物提取、包裹处理、卸托盘、卡车卸货或行李处理。

Photoneo将其3D成像能力与深度学习技术相结合，允许机器人找到和匹配不同形状、大小和颜色的物体。

创新深度学习，新型传感器技术

当一个垃圾箱具有固定形状的一种类型的物体时，箱镐很简单，因为CAD型号可以容易地识别和本地化单个物品。但随机定位的物体可以重叠或变得纠缠，呈现出垃圾池中最大的挑战之一。识别具有不同形状，大小，颜色和材料的对象构成了更大的挑战，而是通过部署深度学习算法，可以找到并匹配不符合一个几何描述的对象，但属于由此定义的一般类示例，据Andrea Pufflerova的说法，Photoneo的公共关系专家。

“一个训练有素的卷积神经网络(CNN)可以识别和分类它从未遇到过的混合和新类型的物体，”她说。

Photoneo训练它的CNN在大数据集的对象，允许软件识别混合对象类型，包括纸箱，包裹，挂盒，管道，绳子，袋子，甚至食物或有机物品。

根据Pufflerova的说法，通过将其Phoxi系列的3D扫描仪和MotionCam-3D摄像机与机器人智能相结合，为需要机器人识别和拾取任务的应用程序提供灵活的自动化解决方案。

虽然Phoxi 3D扫描仪为扫描静态场景提供了高分辨率和准确性，但该公司的MotionCam-3D使用了公司称之为“并联结构灯”的独特技术，可实现捕获和高质量的移动场景。根据Pufflerova的说法，这使得在全新的应用范围内启用了自动化。Photoneo最近的客户项目包括在汽车行业中采用拣货应用，使自动车身生产，重金属球体采摘，随机定位的管件的采摘和放置，以及拣选和放置重型家具部件。

通用机器人的Actinav柔性机装载解决方案从箱子拾取挤出的玻璃纤维电连接盒，并将其以适当的方向放在狭窄的纵向输送机上。

一个自主，独立的解决方案

为其部分，通用机器人（UR）有助于提高其在几种应用中的Cobots的能力，包括当引入其Actinav柔性机器装载解决方案时的机器趋势。根据该公司的说法，Actinav将智能愿景与自主运动控制软件和UR的Cobots相结合，提供精确，一致，敏捷的垃圾桶采摘能力。在全营商成型公司盟友模塑产品中，例如，该公司最近面临的劳动力短缺，并需要在Covid-19大流行期间保护员工的过程中保持运行。为此，该公司选择使用Sactinav，制造工程师技术员Nate Gilbert表示是第一个适合可用空间的系统，而不会产生额外的障碍。

吉尔伯特表示:“我们一直在寻找的就是将零件从料仓中取出并放到传送带上的简单性，而ActiNav似乎满足了这一需求。”他指出，ActiNav对通常用于零件定位的振动送料器进行了重大改进。

对于Allied Moulded来说，提供ActiNav零件数据和教机器人从箱子中挑选是一个简单的过程。维修组负责人内森·威尔斯说:“我们只需让机器人接触垃圾桶的每个部分。”“你做了一些这样的事情，ActiNav就学会了垃圾箱本身。我想说的是，在第一天的设置之后，我们可能需要转变一下，学习如何真正地编程，然后我们就可以靠自己的力量了。”

部署UR的系统允许联盟模型运营商接受更有意义的工作，成为系统的培训师和导师，为未来的自动化项目提供设计思路。

系统成功的四个基准

根据SébastienPaille的说法，在评估箱拾取单元的效率时，旨在评估箱拾取单元的效率，包括细胞周期时间，垃圾清空率，拾取准确度以及在其他应用中重复使用的能力。，销售和营销负责人，Visio Nerf。

“这四个标准本质上是联系的，”他说。“例如，次优清空速率可能需要添加机械系统以摇动箱子或更改，以更合适的工具来完成任务。”

他继续，“这些元素的整合延长了循环时间并惩罚了细胞的灵活性。适当的垃圾桶拾取电池尺寸至关重要，涉及在这些标准之间找到正确的平衡。“

除了这些因素，还有一些重要的选择，如3D传感器的类型，Paille说，这在设计垃圾箱拾取单元时至关重要。

他说:“无论处理软件有多好，一个3D传感器如果出现坏点云，将会对系统的性能产生负面影响，特别是在有光泽、哑光、光泽、黑色等材料上。”“为了获取点云，存在几种不同的3D传感器类型，每一种传感器类型都基于不同的物理原理，这取决于正在考虑的用例。”

鲁棒性代表3D箱采摘的另一个关键考虑因素。系统中使用的3D传感器必须能够在机器人单元附近的热或其他恶劣条件下工作。粉尘，油腻的空气，沙子或金属颗粒不能损坏箱拾取系统，因此保护所有部件代表另一个重要步骤，根据Paille。

Visio Nerf提供基于专有摄像机和LED投影仪的3D摄像机，也包含fpga和高质量镜头，所有封装在坚固的IP65外壳内，可安全部署在恶劣环境。

“通过将两个400百万像素相机与我们自己的高功率[80 W] LED投影仪组合，我们的3D相机可以本地化/识别位于超过1米的深度的物体，精确地以0.5毫米，苛刻的应用类型范围。“

垃圾桶，超越

机器愿景和自动化中的某些应用将有助于推动垃圾箱的趋势。据Tie表示，在ARM 3D摄像机上将迎来一个新的范式。

“能够在与传统的固定式3D摄像机相同的循环时间内使用坐在臂上3D摄像机进行垃圾拣选任务 - 但较少的小姐选择，更高的灵活性，较小的占地面积，更低的成本和更少的维护 - 将推进垃圾桶采摘应用更深入。”

额外的3D垃圾挑选解决方案

除了这里提到的公司外，还存在其他几名球员，当涉及到垃圾箱采摘应用程序的机器视觉解决方案时，包括Fanuc，Pickit，所罗门，佳能，Apera，Keyence，Sick等。了解更多关于3D Vision公司的信息：www.jiffyguest.com/vision.。