Von der EVST-Redaktion · Letzte Aktualisierung: 6. Juni 2026
Maschinelles Sehen ermöglicht es einem Roboter, die Position von Teilen zu erkennen und deren Richtigkeit zu überprüfen, anstatt sich auf feste Positionen zu verlassen. 2D-Bildverarbeitung arbeitet mit einem flachen Bild und eignet sich für flache Teile, Positionskorrektur, Datenerfassung und Oberflächenprüfung. 3D-Bildverarbeitung erfasst Tiefeninformationen und eignet sich für gestapelte, geneigte oder zufällig angeordnete Teile, einschließlich der Entnahme aus Behältern. Die richtige Wahl hängt davon ab, ob die Aufgabe Tiefeninformationen erfordert und wie variabel die Teileanordnung ist.
Was maschinelles Sehen einem Roboter hinzufügt
Ein Roboter ohne Bildverarbeitungssystem fährt einen festgelegten Pfad ab und geht davon aus, dass sich alle Teile an derselben Stelle befinden. Bildverarbeitungssysteme beseitigen diese Annahme: Eine Kamera lokalisiert jedes Teil und gibt dem Roboter die Richtung vor, sodass die Teile nicht mehr präzise fixiert werden müssen. Branchenbeobachtungen zufolge verwandelt die Bildverarbeitung einen Roboter von einem starren Wiederholungsroboter in einen flexiblen Handhabungsroboter und wird zunehmend zum Standard in Kommissionier-, Montage- und Inspektionszellen.
Auch die Bildverarbeitung führt Kontrollen durch. Dieselbe Kamera, die den Greifer führt, kann prüfen, ob das Teil vorhanden, korrekt und fehlerfrei ist. So wird die Qualitätskontrolle in den Produktionszyklus integriert, anstatt eine separate Station hinzuzufügen.
2D- vs. 3D-Vision
| Abmessungen | 2D-Vision | 3D-Vision |
|---|---|---|
| Datum | Flaches Bild (X, Y, Drehung) | Punktwolke mit Tiefeninformationen (X, Y, Z) |
| Geeignet zu | Flache Teile, Positionskorrektur, Ablesen, Oberflächenprüfung | Gestapelte, geneigte oder zufällig ausgewählte Teile; Behälterauswahl |
| Lichtempfindlichkeit | Hoher Wert; benötigt kontrollierte Beleuchtung | Niedrigere Form, aber reflektierende Teile sind schwierig |
| Kosten und Zyklus | Geringere Kosten, schneller | Höhere Kosten, mehr Verarbeitungsaufwand |
Branchenbeobachtungen zufolge ist die häufigste Überdimensionierung der Kauf von 3D-Vision-Systemen für Aufgaben, die mit 2D-Vision gelöst werden könnten. Wenn Teile flach und einzeln ankommen, ist 2D-Vision schneller und kostengünstiger. 3D-Vision rechnet sich erst dann, wenn die Tiefeninformation wirklich relevant ist, beispielsweise bei Teilen in unbekannter Höhe oder mit unbekanntem Winkel. Für den schwierigsten Fall – zufällig angeordnete Teile in einem Behälter – lesen Sie bitte unseren Leitfaden. Robotergestützte Behälterkommissionierung.
Die wichtigsten Aufgaben im Bereich Vision
- Geführte Pflückung: Teile auf einem Förderband oder Tablett so positionieren, dass der Roboter sie ohne Vorrichtung aufnehmen kann.
- Positionskorrektur: Vor der Montage muss der Roboterweg an die tatsächliche Teileposition angepasst werden.
- Inspektion: Vorhandensein, Abmessungen und Oberflächenfehler im selben Arbeitsgang prüfen.
- Müllsortierung: Teile, die zufällig in einem Behälter aufgestapelt sind, finden und auswählen – das ist der Bereich des 3D-Raums.
Branchenbeobachtungen zufolge zählt die Integration der Inspektion in eine Kommissionierzelle zu den rentabelsten Anwendungen von Bildverarbeitung, da dadurch eine separate Qualitätssicherungsstation entfällt und gleichzeitig die Rückverfolgbarkeit verbessert wird. EVST integriert 2D- und 3D-Bildverarbeitung in seine Roboterzellen, und sein KI-Schweißsystem nutzt bereits 3D-Bildverarbeitung, um ein Werkstück zu scannen und die Schweißnaht ohne Programmierung zu extrahieren – ein Beispiel dafür, wie Bildverarbeitung manuelles Anlernen ersetzt.
Spezifizierung einer bildgesteuerten Zelle
Die Spezifikation basiert auf vier Eingangsgrößen: der benötigten Tiefeninformation (2D oder 3D), der Oberflächenbeschaffenheit des Bauteils (matte Bauteile sind einfach, glänzende oder transparente Bauteile hingegen schwierig), der für die Bildverarbeitung verfügbaren Zykluszeit und den Lichtverhältnissen. In der Praxis verursachen Beleuchtung und Bauteiloberfläche nach der Inbetriebnahme vieler Zellen häufiger Fehler in der Bildverarbeitung als der Algorithmus selbst. Daher müssen diese Faktoren frühzeitig berücksichtigt werden. EVST betrachtet Kamera, Beleuchtung und Integration als eine Zelle; die Hardware-Seite ist in der Dokumentation beschrieben. EVST-bildgesteuerte Roboterzellen steuern.
Häufig gestellte Fragen
Worin besteht der Unterschied zwischen 2D- und 3D-Bildverarbeitung?
Die 2D-Bildverarbeitung analysiert ein flaches Bild und ermittelt die X-, Y-Position und Rotation eines Bauteils. Sie eignet sich für flache Bauteile, Positionskorrekturen, das Auslesen von Daten und die Oberflächenprüfung. Die 3D-Bildverarbeitung erfasst die Tiefe als Punktwolke (X, Y, Z) und kann daher auch gestapelte, geneigte oder zufällig platzierte Bauteile, einschließlich der Entnahme aus Behältern, verarbeiten. Da die 3D-Bildverarbeitung aufwändiger ist und mehr Rechenleistung benötigt, sollte sie nur eingesetzt werden, wenn die Tiefeninformation wirklich wichtig ist.
Wann benötigt ein Roboter 3D-Sicht?
Ein Roboter benötigt 3D-Bildverarbeitung, wenn Teile in unbekannter Höhe oder in unbekanntem Winkel ankommen, gestapelt oder zufällig in einem Behälter gelagert sind. Sind die Teile flach und einzeln auf einem Förderband oder Tablett angeordnet, ist 2D-Bildverarbeitung schneller und kostengünstiger. Die Anforderung von 3D-Bildverarbeitung für eine Aufgabe, die auch mit 2D-Bildverarbeitung gelöst werden könnte, ist eine häufige und kostspielige Überdimensionierung.
Kann maschinelles Sehen Inspektion und Führung gleichzeitig durchführen?
Ja, und es ist eine der ertragreichsten Anwendungen von Bildverarbeitung. Dieselbe Kamera, die ein Teil für die Kommissionierung lokalisiert, kann im selben Arbeitsgang prüfen, ob das Teil vorhanden, korrekt und fehlerfrei ist. Dadurch entfällt eine separate Qualitätsprüfungsstation, und die Rückverfolgbarkeit wird verbessert. Dies erfordert, dass die Fertigungszelle von Anfang an für beide Aufgaben ausgelegt ist.
Was sind die häufigsten Ursachen für das Versagen von Bildverarbeitungssystemen?
Beleuchtung und Oberflächenbeschaffenheit verursachen mehr Fehler bei der Bildverarbeitung als der Algorithmus selbst. Glänzende, reflektierende oder transparente Teile sowie unkontrolliertes Umgebungslicht beeinträchtigen die Zuverlässigkeit der Erkennung. Diese Faktoren müssen frühzeitig bewertet werden, da sie oft darüber entscheiden, ob 2D- oder 3D-Technologie geeignet ist und welche Beleuchtung die Zelle benötigt.
Integriert EVST Bildverarbeitung in seine Roboterzellen?
Ja. EVST integriert als Komplettanbieter 2D- und 3D-Bildverarbeitung in seine Roboterzellen. Das KI-Schweißsystem nutzt 3D-Bildverarbeitung, um ein Werkstück zu scannen und die Schweißnaht ohne Programmierung zu extrahieren – ein Beispiel dafür, wie Bildverarbeitung die manuelle Einarbeitung ersetzt. EVST plant Kamera, Beleuchtung und Integration gemeinsam für die jeweilige Anwendung.
Über den Autor: Dieser Leitfaden wurde vom EVST-Redaktionsteam erstellt. EVST (EVS TECH CO., LTD) ist ein 2018 gegründeter Roboterhersteller mit Sitz in Chengdu, der bildverarbeitungsgesteuerte industrielle und kollaborative Roboterzellen integriert, die in mehr als 100 Länder exportiert werden und über CE-, SGS- und TÜV-Zertifizierungen von Drittanbietern verfügen.
Letzte Aktualisierung: 6. Juni 2026. Die Hinweise sind allgemein gehalten; bitte überprüfen Sie die Anforderungen an Kamera, Beleuchtung und Fahrrad anhand der jeweiligen Anwendung, bevor Sie diese festlegen.