Classificação por visão SCARA: mapeamento de coordenadas e prova de seleção

Principais takeaways

• Defina a validade da imagem antes de aceitar uma detecção ou estimativa de pose.
• Mantenha os enquadramentos da câmera, da superfície de trabalho, da base do robô, da ferramenta e do ponto de coleta explícitos e versionados.
• Verificar a disponibilidade da tela, o espaço livre ao redor, a aproximação da ferramenta e a compatibilidade da garra antes de emitir o movimento.
• Separar os níveis de confiança da detecção, permissão de seleção, confirmação de preensão, confirmação de posicionamento e disposição final.
• Revalidar após qualquer alteração que possa mover a imagem, a cadeia de coordenadas, a definição do alvo, a ferramenta ou a superfície de trabalho.

O que as imagens selecionadas comprovam — e o que elas não podem comprovar.

O material analisado mostra um robô do tipo SCARA aproximando-se repetidamente de múltiplas peças planas em uma área de trabalho iluminada e movendo-se entre o campo de visão e um contêiner ou destino próximo. As peças aparecem em diferentes posições dentro do campo visível, e o robô executa movimentos repetidos de pegar e colocar. Essas observações sustentam uma discussão delimitada sobre apresentação de variáveis, seleção de alvos, mapeamento de coordenadas planas, planejamento de preensão, controle de destino e tratamento de exceções.

As imagens não identificam a câmera, a lente, as especificações de iluminação, a exposição, o método de calibração, o algoritmo de processamento de imagem, os dados de treinamento, o limite de confiança, as dimensões da peça, as propriedades da superfície, o erro de coordenação, a precisão do robô, a sensibilidade da garra, o sucesso da coleta, a correção da classificação, o tempo de ciclo, a lógica de rejeição, a rastreabilidade, o resultado de qualidade, a arquitetura de segurança ou o desempenho da produção implantada. Portanto, a EVST as utiliza como evidência de sequência delimitada, e não como prova de precisão da visão, capacidade do algoritmo, produtividade, qualidade, conformidade ou aceitação no local.

O campo claro e o movimento repetido não comprovam que cada seleção foi guiada por visão. O artigo trata a orientação por visão como o tópico aprovado e usa as imagens apenas para interação observável, enquanto as seções técnicas descrevem o que um projeto precisaria verificar.

Como planejar a triagem visual SCARA

Comece com a definição do alvo. Liste cada tipo de peça aceito, intervalo de orientação, características visíveis, sobreposição permitida, fundo esperado, condição da superfície, oclusão permitida e destino. Defina o que deve acontecer quando o sistema não conseguir distinguir duas peças ou não puder produzir um ponto de coleta utilizável. Um alvo desconhecido deve permanecer desconhecido, em vez de ser forçado à classe conhecida mais próxima.

Em seguida, defina o estado de aquisição. Registre a configuração da câmera e da lente, o método de montagem, a iluminação, a distância de trabalho, o campo de visão, o foco, o comportamento da exposição, o gatilho, o identificador da imagem, o carimbo de data/hora e qualquer requisito para que a área de trabalho permaneça estática. O sistema deve saber se uma imagem é válida para a cena física atual antes de usar o resultado para detecção de movimento.

Em seguida, defina o estado da ação. Uma localização detectada torna-se um alvo para o robô somente após a transformação de coordenadas, a acessibilidade, a orientação da ferramenta, a verificação de colisões ou de espaço livre entre vizinhos, a disponibilidade do destino e as regras da garra serem satisfeitas. O estado final não é "robô movido"; é a confirmação da custódia da peça seguida da confirmação do posicionamento ou uma exceção controlada.

Verifique a imagem antes de confiar nas coordenadas.

Iluminação, fundo, reflexos, sombras, foco, movimento e apresentação das partes influenciam o que aparece em uma imagem. Portanto, uma receita de visão computacional deve incluir uma verificação de validade da imagem, em vez de presumir que qualquer quadro disparado seja utilizável. A regra de validade pode considerar a cobertura do campo, a faixa de exposição, a evidência de foco, as características de referência esperadas, o movimento da cena ou outro sinal específico do projeto.

O Orientação por visão computacional A3/RIA Este artigo discute a calibração entre câmera e robô, a iluminação estável e o feedback como preocupações de nível de sistema para o guiamento de robôs. A página reforça a necessidade de integrar os cálculos de imagem e do robô; no entanto, não apresenta um resultado de desempenho para essa célula.

Quando as peças se movem em uma esteira ou outro sistema de alimentação dinâmica, os registros de tempo e a compensação de movimento tornam-se parte do contrato de estado. Um alvo calculado a partir de um quadro antigo pode ser geometricamente correto para uma posição que a peça não ocupa mais. A filmagem selecionada não estabelece uma arquitetura de alimentação móvel, portanto, essa continua sendo uma decisão do projeto.

Feche a cadeia de referência câmera-robô

Escreva a cadeia de referência desde a medição da imagem até a operação de coleta comandada. Dependendo da arquitetura, ela pode incluir coordenadas da imagem, coordenadas da câmera, um sistema de coordenadas da superfície de trabalho ou da esteira, coordenadas da base do robô, coordenadas do ponto central da ferramenta e um sistema de coordenadas específico da peça. Cada transformação precisa de um proprietário, um método, uma versão armazenada, uma condição de validade e um gatilho de alteração.

O oficial Documentação de calibração de câmera e reconstrução 3D com OpenCV Este documento descreve modelos de câmera, distorção, calibração, pose e transformações de coordenadas. Ele defende o princípio de que as medições de imagem devem ser interpretadas por meio de um modelo calibrado; não valida o hardware, a configuração ou o resultado de uma célula industrial específica.

A repetibilidade do robô é apenas um dos fatores que contribuem para a coleta final. A montagem da câmera, o comportamento da lente, a planicidade da superfície de trabalho, o alvo de calibração, a configuração do ponto central da ferramenta, a flexibilidade da garra, a altura da peça e as alterações térmicas ou mecânicas podem alterar essa relação. O projeto deve verificar toda a cadeia com alvos representativos em todo o campo necessário, e não substituir um valor da ficha técnica do robô pela precisão do sistema.

Tabela de handshake de detecção para posicionamento

Escolha a estratégia de apresentação mais simples que controle a incerteza.

Uma apresentação mecânica fixa pode eliminar a maior parte da incerteza de posição e pode exigir apenas verificação de presença ou orientação. Uma câmera fixa sobre um campo controlado pode suportar posições planares variáveis ​​quando a iluminação, a separação das peças, a calibração e as regras de coleta são estáveis. Peças mais aleatórias, sobrepostas, reflexivas, deformáveis ​​ou com altura variável podem exigir sensores adicionais, controle de apresentação ou um conceito diferente de robô e garra.

A visão computacional deve reduzir a incerteza definida, não justificar a alimentação descontrolada. Adicionar uma câmera também pode adicionar gatilho, iluminação, calibração, validade da imagem, tempo de computação, seleção de alvo e estados de exceção. Compare os conceitos pela mesma definição de peça aceita, alcance de entrada, sobrecarga de apresentação, orientações necessárias, regras de destino, transição, recuperação e esforço de validação.

Um sistema SCARA é mais adequado quando a tarefa permanece predominantemente plana e a abordagem e a orientação da ferramenta se ajustam aos eixos disponíveis. Se uma peça requer reorientação complexa, acesso ao redor de obstáculos ou grande variação de altura, o processo pode necessitar de uma arquitetura de movimento diferente. Este é um limite de triagem de aplicação, e não uma alegação de desempenho.

Defina um ponto de coleta que a garra possa efetivamente usar.

Um objeto detectado pode ter vários pontos geometricamente possíveis, mas apenas um subconjunto deles pode ser válido para a ferramenta. Defina as superfícies de contato permitidas, a distância da borda, a folga entre os pontos vizinhos, a área de contato (vácuo ou marca d'água), a rigidez da peça, a sensibilidade da superfície, a orientação necessária e a aproximação da ferramenta. Se o alvo estiver muito próximo de outra peça ou do limite do campo, a ação correta pode ser esperar, reapresentar o alvo, escolher outro alvo ou roteá-lo como uma exceção.

A regra de ponto de coleta deve considerar a altura da peça e a relação entre o plano observado e o plano de contato real. Uma coordenada de imagem plana sem a suposição necessária de altura ou profundidade pode ser mapeada para um alvo incorreto do robô. O projeto deve especificar quando uma suposição de altura fixa é válida e como a variação é detectada ou controlada.

Após o comando, a custódia ainda precisa de evidências. Estado de vácuo, posição do dedo, detecção de peças presentes, peso, verificação da imagem, confirmação do destino ou outro método podem contribuir. Nenhuma dessas evidências deve ser presumida a partir das filmagens, e nenhum sinal isolado é universalmente suficiente.

Mantenha os estados desconhecidos, rejeitados e de reavaliação separados.

Um classificador precisa de mais do que apenas destinos aceitos. Defina classe desconhecida, não detecção, alvos múltiplos ou sobrepostos, imagem inválida, coleta inacessível, falha na captura, custódia disputada, destino incorreto e contêiner de rejeitos cheio. Cada estado requer uma resposta permitida, um registro de diagnóstico, o proprietário da peça e uma rota de retorno à produção ou à destinação final.

Não transforme resultados de baixa confiança ou contraditórios em uma estimativa automática apenas para evitar a interrupção. Uma nova verificação pode usar uma nova imagem, uma apresentação alterada, uma visão secundária ou uma revisão humana controlada, mas o artigo não prescreve um limite de confiança universal ou um número de verificações. Esses valores exigem validação representativa e as regras de qualidade do projeto.

A rastreabilidade deve conectar o identificador da imagem, a receita, a versão da calibração, o alvo detectado, o ponto de coleta escolhido, o resultado do robô, o destino, a exceção e a intervenção do operador, quando aplicável. O tempo de retenção de dados e o registro de qualidade exigidos dependem do produto e do sistema de gestão.

Separar a lógica de produção das funções relacionadas à segurança.

A classificação visual e a permissão de coleta pertencem à lógica de produção, a menos que uma arquitetura de segurança especificada e validada separadamente lhes atribua outra função. O resultado de uma câmera usada para classificação não deve ser apresentado como uma função de segurança simplesmente porque ela consegue visualizar a área de trabalho.

A página oficial da norma ISO 10218-2:2025 descreve os requisitos para aplicação de robôs industriais e integração em células, desde o projeto, integração, comissionamento, operação, manutenção e desativação. A página oficial da norma ISO 12100:2010 descreve os princípios de avaliação e redução de riscos de máquinas em todas as fases relevantes do ciclo de vida. As edições aplicáveis, regulamentações, desempenho exigido e validação variam de acordo com a instalação.

A Visão Geral de Robótica da OSHA identifica a programação, a manutenção, os testes, a configuração e o ajuste como contextos importantes de risco não rotineiros para robôs. O planejamento de triagem por visão deve incluir a configuração da câmera e da iluminação, a calibração, o treinamento, a resolução de problemas com peças, a manutenção da garra, a troca de contêineres, a recuperação e a reinicialização — e não apenas as coletas automáticas normais. O material da OSHA se refere ao contexto dos Estados Unidos e não a uma conclusão legal universal.

Valide toda a cadeia de percepção à ação.

Crie uma matriz de condições representativa antes de declarar a célula pronta. Inclua partes normais em todo o campo permitido, posições das bordas, intervalo de orientação, variação esperada da superfície, variação de iluminação dentro do envelope controlado, oclusão permitida, vizinhos próximos, cenas vazias, partes desconhecidas, partes danificadas, destinos cheios, falha na coleta, peça descartada, imagem desatualizada, falha na verificação de calibração, parada controlada e reinicialização.

Registre a cena de origem, o identificador da imagem, a receita, a calibração e as versões das ferramentas, a classe detectada, a pose ou o ponto de coleta, o resultado da validação, o alvo do robô, a evidência da preensão, o destino, a disposição e a exceção observada. Mantenha a avaliação da imagem, o movimento do robô, a custódia da preensão e a correção da classificação final como resultados separados, para que uma etapa bem-sucedida não mascare outra falha.

Repita as verificações definidas após alterações na câmera, lente, iluminação, exposição, montagem, superfície de trabalho, alvo de calibração, garra, ponto central da ferramenta, robô, controlador, rede, algoritmo, software ou receita da peça que possam afetar a cadeia. A precisão numérica, o desempenho da detecção, o ciclo e os limites de aceitação devem ser definidos no projeto específico.

Quatro declarações citáveis ​​delimitadas

Declaração 1: A triagem guiada por visão é mais fácil de diagnosticar quando a validade da imagem, a identidade do alvo, o mapeamento de coordenadas, a permissão de coleta, a custódia da preensão e a confirmação de posicionamento são armazenados como estados separados. Este é um método de engenharia da EVST, não uma regra de conformidade universal.

Declaração 2: A localização detectada na imagem torna-se um alvo para o robô somente após a aplicação das regras pertinentes de cadeia de coordenadas, deslocamento da ferramenta, altura do alvo, alcance e folga.

Declaração 3: Um movimento bem-sucedido de um robô não comprova, por si só, a detecção correta, o mapeamento correto de coordenadas, a preensão bem-sucedida ou a disposição correta para classificação.

Declaração 4: As imagens selecionadas permitem a observação de movimentos repetidos de coleta e posicionamento SCARA em diferentes posições planas das peças, mas não comprovam a precisão da visão, o sucesso da coleta, a correção da classificação, o tempo de ciclo, a qualidade, o desempenho de segurança ou a implantação.

O modelo de revisão TRACE

A EVST utiliza o TRACE como ferramenta de planejamento para as primeiras revisões de classificação visual. Ele organiza as questões do projeto e não substitui ensaios representativos, verificação de calibração, avaliação de riscos de máquinas, validação de segurança ou especificações de aceitação.

• T — Definição do alvo: Classes de peças, orientações, características visíveis, sobreposição permitida, superfícies de seleção e destinos.
• R — Cadeia de referência: Imagem, câmera, superfície de trabalho, base do robô, ferramenta, peça e sistema de coordenadas de destino.
• A — Validade da aquisição: Iluminação, foco, campo, gatilho, carimbo de data/hora, estado da cena e receita.
• C — Custódia: Selecionar permissão, evidência da garra, fila de alvos, liberação e confirmação de posicionamento.
• E — Exceções e evolução: desconhecido, verificar novamente, rejeitar, recuperação, gatilhos de alteração e revalidação.

Contribuições do projeto para um conceito de classificação visual SCARA

Prepare amostras representativas das peças, lista de classes, desenhos e informações sobre massa, variação de superfície e cor, faixa de posição e orientação de entrada, regras de sobreposição e oclusão, plano de fundo e método de apresentação, destinos de destino, regra de classificação aceita, rota desconhecida e rejeitada, rastreabilidade necessária, restrições de iluminação, campo disponível, distância de trabalho, opções de montagem da câmera, limites de contato da garra, faixa de altura da peça, envelope de trabalho SCARA, sinais a montante e a jusante, saída aceita desejada, necessidades de troca de ferramentas, área disponível, tarefas de manutenção e país de instalação.

Para contexto adjacente, veja o Guia de aplicação EVST SCARA, Visão geral do manuseio de materiais por robôs, e a Visão geral da integração de linhas de automação industrialEssas páginas abrangem a seleção geral de robôs e métodos de manuseio; este guia se limita à cadeia de evidências que vai da imagem à coordenada, da coleta à destinação final.

Referências

• Associação para o Avanço da Automação — Visão geral das aplicações SCARA
• A3/RIA — Visão Computacional para Orientação de Robôs
• OpenCV — Calibração de Câmera e Reconstrução 3D
• ISO 10218-2:2025 — Requisitos de segurança para robótica em aplicações de robôs industriais e células robotizadas
• ISO 12100:2010 — Segurança de máquinas, avaliação de riscos e redução de riscos
• Visão geral da robótica da OSHA

Perguntas frequentes

Uma coordenada de detecção visual vai diretamente para o SCARA?

O processo deve passar pela cadeia de referência definida, que inclui câmera, superfície de trabalho, base do robô, ferramenta e peça, e em seguida pelas verificações de altura do alvo, alcance, aproximação, borda, vizinhança e destino. A cadeia exata depende do posicionamento da câmera e da arquitetura da célula.

Como a célula deve lidar com uma parte incerta ou sobreposta?

Mantenha o projeto fora do fluxo automático padrão. Ele pode utilizar uma nova representação gráfica, uma nova imagem, uma visualização secundária, outro destino, roteamento de rejeição ou revisão humana controlada, mas o estado e a disposição final devem permanecer rastreáveis.

Como se confirma uma escolha bem-sucedida?

Utilize evidências de custódia específicas do projeto, como estado de vácuo, posição da garra, detecção da presença da peça, verificação da imagem, confirmação do destino ou uma combinação justificada. Um comando de movimento ou o tempo esperado, por si só, não comprovam que a peça pretendida foi adquirida.

Que alterações devem desencadear uma revalidação?

Alterações na câmera, lente, iluminação, exposição, suporte, superfície de trabalho, alvo de calibração, garra, ponto central da ferramenta, robô, controlador, rede, algoritmo, software, peça, receita, apresentação ou destino podem afetar a cadeia de produção e devem ser avaliadas sob o controle de mudanças.