В статье рассмотрена структура системы технического зрения, применяемой роботом-манипулятором.
Ключевые слова: робот-манипулятор, система технического зрения, объектив, датчики машинного зрения.
Роботизированный манипулятор является наиболее важным компонентом в промышленной среде для автономного выполнения задач. Роботы-манипуляторы нашли свое применение в различных отраслях промышленности. Фактически, разработка роботизированных систем обычно требует нескольких итераций, которые могут быть основаны на моделировании путем предоставления физического прототипа. С одной стороны, разработка с использованием имитационного моделирования должна учитывать не только моделирование робота, но и его исполнительных механизмов. К сожалению, модель всей системы может быть неточной из-за ее сложности. С другой стороны, внедрение прототипа в систему устраняет проблемы недостаточных знаний и неточности модели, но время создания прототипа очень велико. Гибридное решение, представляющее собой моделирование с использованием аппаратного обеспечения в цикле, может быть заменено в части моделирования с помощью среды Simulink Matlab. Только подсистема, модель которой недостаточно известна или неточна, заменяется ее прототипом с помощью платы FPGA [1].
За последнее десятилетие машинное зрение получило широкое распространение в развивающихся отраслях промышленности. Эти отрасли промышленности постепенно используют машинное зрение для улучшения качества обслуживания клиентов, оптимизации использования ресурсов и обеспечения лучшего качества своей продукции. Благодаря быстрым инновациям и достижениям во многих областях, включая методы визуализации; КМОП-датчики; встроенное зрение; машинное и глубокое обучение; стандарты передачи данных и возможности обработки изображений, технология машинного зрения обладает многочисленными преимуществами для обрабатывающей промышленности на различных уровнях.
Новые методы визуализации открыли путь для новых прикладных возможностей. Эти системы сложны, на их создание и освоение уходит много времени. Однако, независимо от сложности, каждая система опирается на несколько основных компонентов.
Машинное зрение — это технология обработки изображений, которая позволяет автоматизированным устройствам сканировать объекты в ограниченном поле зрения, интерпретировать их ориентацию и реагировать в соответствии с заранее запрограммированными последовательностями. Интеллектуальные камеры, или “датчики машинного зрения”, часто поддерживают систему машинного зрения путем оцифровки и передачи кадров для компьютерного анализа, но некоторые интеллектуальные камеры также могут служить автономными системами видения, не полагаясь на внешнее обрабатывающее оборудование.
В отличие от стандартных промышленных или коммерческих камер, интеллектуальные камеры могут декодировать получаемые изображения, что делает их менее зависимыми от человеческого восприятия. Интеллектуальная камера может оцифровать кадр, определить, следует ли передавать его в периферийную вычислительную систему и принять решение о соответствующей реакции на изображение, не прибегая к стороннему анализу. Они обладают более широким спектром возможностей, чем традиционные камеры, могут выполнять относительно сложные автоматизированные операции [2].
Рассмотрим принцип работы машинного зрения. Первым и самым важным шагом всей системы машинного зрения является получение изображения. Получение изображения — это действие по извлечению изображения из источника, обычно аппаратных систем, таких как камера, датчики и т. д. Это первый и самый важный шаг в последовательности рабочего процесса, потому что без изображения фактическая обработка невозможна. В системе машинного зрения камеры отвечают за получение световой информации со сцены и преобразование ее в цифровую информацию, то есть в пиксели, с использованием CMOS- или ПЗС-датчиков.
Датчик является основой любой системы машинного зрения. Многие ключевые характеристики системы соответствуют датчику изображения камеры. Эти ключевые аспекты включают разрешение, общее количество строк и столбцов пикселей, которые вмещает сенсор. Чем выше разрешение, тем больше данных собирает система и тем точнее она может судить о несоответствиях в окружающей среде. Однако большее количество данных требует дополнительной обработки, что может значительно ограничить производительность.
Свет от источника должен быть надлежащим образом сфокусирован линзой на датчике, чтобы получить изображение с максимальной четкостью. Объектив должен обеспечивать соответствующее рабочее расстояние, разрешение изображения и увеличение для системы. Чтобы точно откалибровать увеличение, необходимо знать размер датчика изображения камеры и желаемое поле зрения. При поиске подходящего объектива для камеры необходимо проверить совместимость креплений. Большинство современных систем полноразмерных камер будут использовать “C-образное крепление”. Некоторые из наиболее часто используемых линз включают объективы со стандартным разрешением. Они оптимизированы для фокусировки до бесконечности с низким уровнем искажений и виньетирования. Если рассматривать макрообъективы, то, заданные с точки зрения их увеличения относительно датчика камеры, они оптимизированы для фокусировки «крупным планом» с незначительными искажениями. Объективы с высоким разрешением обладают лучшей производительностью, чем объективы со стандартным разрешением, и подходят для точных измерений.
Телецентрические объективы — специализированные объективы, которые не создают искажений и позволяют получать изображения с постоянным увеличением независимо от расстояния до объекта [2].
Для работы всех программных модулей, входящих в состав системы машинного зрения, требуется аппаратное обеспечение. Это может быть сделано как во встроенных системах, так и с помощью выделенных компьютеров. Умные камеры — это камеры, в которые прямо установлено необходимое оборудование. Эти устройства созданы для специализированного использования, где ограниченность пространства требует компактных размеров. Альтернативой является использование выделенных компьютеров для вычислений. Такие специализированные системы полезны при работе с изображениями высокого разрешения. Следующими структурными составляющими технического зрения являются процессор обработки изображений и программное обеспечение для машинного зрения.
Программное обеспечение, работающее на вычислительном устройстве, принимает изображение, полученное системой видения, и применяет к нему различные алгоритмы. Они включают этапы предварительной обработки и основные алгоритмы системы, такие как нейронные сети и сверточные нейронные сети. Эти алгоритмы отвечают за извлечение знаний из ваших изображений. Они включают сверточные нейронные сети (CNN), деревья решений, машины опорных векторов (SVM) и другие подобные алгоритмы глубокого обучения. Все вышеупомянутые компоненты необходимы для гарантии того, что система обеспечит наилучшие результаты. Отсутствие любого из этих компонентов может привести к тому, что система видеонаблюдения станет бесполезной.
Таким образом, одной из основной составляющей технического зрения является камера, которая отвечает за получение световой информации с помощью CMOS или ПЗС-матрица и преобразует ее в цифровую информацию, которая представляет собой пиксели, но прежде чем он сможет это сделать, ему нужно, чтобы свет был сфокусирован на датчике, и это работа оптики объектива. Когда соединяем объектив с камерой, необходимо убедиться, что камера закреплена, а разрешение объектива и разрешение камеры также совпадают. Теперь объективы могут поставляться в нескольких различных конфигурациях, это может быть объектив с фиксированным фокусным расстоянием, телецентрический объектив, который является более специализированным типом объектива, зум-объектив, макрообъектив. Каждый имеет свои особенности и при выборе объектива необходимо их учитывать для использования в системе технического зрения [2].
Следующее, на что надо обращать внимание — это освещение, которое, по моему мнению, является важнейшим аспектом надежной работы системы технического зрения. Система освещения имеет различные типы конфигурации. Форма источника света играет важную роль в определении того, как световые лучи попадают на объект и отражаются обратно в датчик, Существуют купольные светильники, линейные светильники, кольцевые светильники, низкоугольные светильники. Необходимо выбрать правильный светильник, который обеспечивает наилучший контраст и согласованность при любых условиях для поставленной задачи роботу-манипулятору по сортировке продукции.
При рассмотрении вопроса об особенностях конфигурирования аппаратной составляющей системы технического зрения робота –манипулятора следует уделить особое внимание лидару. Лидар — устройство, с помощью которого измеряются расстояния путем излучения света и замера времени возвращения отраженного света на приемник . Лидар посылает световые импульсы, которые нацелены на отдельные объекты (мишени). Эти световые импульсы отражаются от цели и возвращаются к датчику устройства. После этого датчик использует общее время, затраченное на возврат каждого импульса, для расчета пройденного расстояния. Кроме того, лидарный дальномер эффективен для обнаружения очень маленьких объектов. Как и большинство других типов дальномеров, этот также имеет различные области применения. Несмотря на впечатляющие возможности лидарного дальномера, у него есть несколько ограничений, которые могут вызвать некоторые опасения у пользователей. На его работу влияют погодные условия, такие как туман и облака. Это означает, что такие погодные условия могут привести к неточным измерениям. Дальномер также работает на относительно коротких расстояниях. Преодоление больших расстояний может привести к неточным результатам.
В заключении приходим к выводу, что для бесперебойной и качественной работы системы технического зрения у робота-манипулятора необходимо правильно выбрать оптику, освещение. Но также важную роль играет программное обеспечение для СТЗ, которое обрабатывает изображение.
Литература:
- Прокофьева, П.А., Якименко, Ю. И. Анализ существующих алгоритмов обработки изображений в системы технического зрения // Математическая морфология. Электронный математический и медико-биологический журнал. — Т. 13. — Вып. 1. — 2014. — URL: http://www.smolensk.ru/user/sgma/MMORPH/TITL.HTM
- Форсайт, Д., Понс, Ж. Компьютерное зрение. Современный подход. — М.: Издательский дом «Вильямс», 2018.-928 с
