Masinnägemine robotitele: 2D vs 3D juhend (2026)

EVST toimetus · Viimati uuendatud: 6. juuni 2026

Masinnägemine võimaldab robotil näha, kus detailid asuvad ja kas need on õiged, selle asemel, et tugineda fikseeritud positsioonidele. 2D-nägemine töötab tasapinnalise pildi põhjal ja sobib tasapinnaliste detailide, positsiooni korrigeerimise, lugemise ja pinna kontrollimiseks. 3D-nägemine tabab sügavust ja sobib virnastatud, kaldu või juhuslikult paigutatud detailide, sealhulgas prügikastide komplekteerimise jaoks. Õige valik sõltub sellest, kas ülesanne vajab sügavust ja kui mitmekesine on detailide esitusviis.

Mida masinnägemine robotile lisab

Nägemisvõimeta robot kordab kindlat trajektoori ja eeldab, et iga detail on samas kohas. Nägemisvõime kõrvaldab selle eelduse: kaamera määrab iga detaili asukoha ja annab robotile teada, kuhu minna, seega ei vaja detailid enam täpset kinnitust. Tööstusharu tähelepanekute kohaselt muudab nägemisjuhtimine roboti jäigast kordurist paindlikuks käitlejaks ning see on üha enam standardvarustuses komplekteerimis-, montaaži- ja kontrollkambrites.

Ka visuaalne kontroll. Sama kaamera, mis juhib valikut, saab kontrollida detaili olemasolu, õigsust ja defektideta olemust, integreerides kvaliteedikontrolli tsüklisse eraldi jaama lisamise asemel.

2D vs 3D nägemine

Tööstusharu tähelepanekute kohaselt on kõige levinum ülespetsifikatsioonide esitamine 3D-nägemise ostmine ülesande jaoks, mille 2D lahendaks. Kui osad saabuvad tasapinnaliselt ja eraldi, on 2D kiirem ja odavam. 3D teenib oma kulu ainult siis, kui sügavus on tõesti oluline, näiteks osade puhul, mille kõrgus või nurk on teadmata. Kõige raskema juhtumi, juhuslike osade kohta prügikastis, vaadake meie juhendit. robotprügikastide komplekteerimine.

Peamised visiooniülesanded

• Juhendatud korjamine: Leidke detailid lindil või alusel, et robot saaks valida ilma kinnitusdetailideta.
• Positsiooni korrigeerimine: Enne kokkupanekut reguleerige roboti rada detaili tegeliku asendiga.
• Kontrollimine: kontrollige samas tsüklis olemasolu, mõõtmeid ja pinnadefekte.
• Prügikastide komplekteerimine: leida ja valida konteinerisse juhuslikult kuhjatud osi, 3D-valdkonda.

Tööstusharu tähelepanekute kohaselt on kontrolli kokkupanemine juhitava valikuga kambrisse üks nägemise kõige tulusamaid kasutusviise, kuna see eemaldab eraldi kvaliteedikontrolli jaama, parandades samal ajal jälgitavust. EVST integreerib oma robotikambritesse 2D- ja 3D-nägemise ning selle tehisintellektiga keevitussüsteem kasutab juba 3D-nägemist töödeldava detaili skannimiseks ja keevisõmbluse eraldamiseks ilma programmeerimiseta, mis on näide nägemisest, mis asendab käsitsi õpetamist.

Nägemisjuhitava raku määramine

Spetsifikatsiooni määravad neli sisendit: kas on vaja sügavust (mis määrab 2D või 3D), detaili pind (matid detailid on lihtsad, läikivad või läbipaistvad detailid kõvad), pilditöötluseks saadaolev tsükliaeg ja valguskeskkond. Praktikas põhjustavad valgustus ja detaili pind pärast paljude elementide kasutuselevõttu rohkem nägemisvigu kui algoritm, seega tuleb neid varakult hinnata. EVST käsitleb kaamerat, valgustust ja integratsiooni ühe elemendina; riistvara poole kohta vaata EVST nägemisega juhitavate robotrakkude juhend.

Korduma kippuvad küsimused

Mis vahe on 2D ja 3D masinnägemisel?

2D-nägemine töötab tasapinnalise pildi põhjal ja annab detaili X- ja Y-asukoha ning pöörde, mis sobib tasapinnaliste detailide puhul asukoha korrigeerimiseks, lugemiseks ja pinna kontrollimiseks. 3D-nägemine jäädvustab sügavuse punktpilvena (X, Y, Z), seega saab see hakkama virnastatud, kaldu või juhuslikult paigutatud detailidega, sealhulgas prügikastide komplekteerimisega. 3D on kallim ja vajab rohkem töötlemist, seega kasutage seda ainult siis, kui sügavus on tõeliselt oluline.

Millal vajab robot 3D-nägemist?

Robot vajab 3D-nägemist, kui detailid saabuvad tundmatu kõrguse või nurga all, virnastatakse või kuhjatakse juhuslikult konteinerisse. Kui detailid on tasapinnal ja lindil või alusel eraldi paigutatud, on 2D-nägemine kiirem ja odavam. 3D-lahenduse kasutamine ülesande puhul, mida 2D saaks lahendada, on levinud ja kulukas ülespetsifikatsioon.

Kas masinnägemine saab teha kontrolli ja juhendamist korraga?

Jah, ja see on nägemise üks kõige tulusamaid kasutusviise. Sama kaamera, mis määrab komplekti jaoks detaili asukoha, saab samas tsüklis kontrollida, kas detail on olemas, õige ja defektivaba, eemaldades eraldi kvaliteedikontrolli ja parandades jälgitavust. See eeldab, et rakk oleks algusest peale mõlema ülesande jaoks projekteeritud.

Mis põhjustab nägemissüsteemide rikkeid kõige sagedamini?

Valgustus ja detaili pind põhjustavad rohkem nägemisvigu kui algoritm. Läikivad, peegeldavad või läbipaistvad osad ja kontrollimatu ümbritsev valgus muudavad tuvastamise ebausaldusväärseks. Neid tegureid tuleb varakult hinnata, sest need määravad sageli, kas 2D või 3D on teostatav ja millist valgustust rakk vajab.

Kas EVST integreerib nägemise oma robotirakkudesse?

Jah. EVST integreerib oma robotitesse 2D- ja 3D-nägemise võtmed kätte tarnijana. Nende tehisintellektil põhinev keevitussüsteem kasutab 3D-nägemist töödeldava detaili skannimiseks ja keevisõmbluse eraldamiseks ilma programmeerimiseta, mis on näide nägemisest, mis asendab käsitsi õpetamist. EVST ühendab rakenduse jaoks kaamera, valgustuse ja integratsiooni.

Autori kohta: Selle juhendi koostas EVST toimetus. EVST (EVS TECH CO., LTD) on Chengdus asuv robootikatootja, mis asutati 2018. aastal. See integreerib nägemisega juhitavaid tööstuslikke ja koostööroboteid, mida eksporditakse enam kui 100 riiki ning millel on CE, SGS ja TUV kolmanda osapoole sertifikaadid.

Viimati uuendatud: 6. juuni 2026. Juhend on üldine; enne täpsustamist kinnitage kaamera, valgustuse ja jalgratta nõuded rakendusega võrreldes.