Con la mejora de la relación coste-rendimiento de los equipos de imagen y la velocidad del procesamiento informático de la información, junto con el perfeccionamiento de las teorías relacionadas, la servotecnología de visión ha cumplido las condiciones técnicas para su aplicación práctica, y las cuestiones técnicas relacionadas se han convertido en el punto caliente de la investigación actual. Definición de servovisión La mayor parte de la información que el ser humano adquiere [...]
Con la mejora de la relación coste-rendimiento de los equipos de imagen y la velocidad del procesamiento informático de la información, junto con el perfeccionamiento de las teorías relacionadas, la servotecnología de visión ha cumplido las condiciones técnicas para su aplicación práctica, y las cuestiones técnicas relacionadas se han convertido en el actual punto caliente de la investigación.
La mayor parte de la información que el ser humano adquiere del mundo exterior se obtiene a través de los ojos. Desde hace siglos, la humanidad sueña con crear máquinas inteligentes cuya primera función sea imitar al ojo humano, permitiendo reconocer y comprender el mundo exterior.
Numerosas estructuras del cerebro humano participan en el procesamiento de la información visual, lo que permite abordar sin esfuerzo muchos problemas relacionados con la visión. Sin embargo, como proceso, nuestra comprensión de la cognición visual sigue siendo limitada, lo que dificulta la realización del sueño de máquinas inteligentes.
Con el desarrollo de la tecnología de las cámaras y la aparición de la tecnología informática, las máquinas inteligentes con funciones visuales empezaron a ser fabricadas por humanos, formando gradualmente la disciplina y la industria de la visión artificial.
La visión artificial, tal y como la definen la División de Visión Artificial de la Sociedad de Ingenieros de Fabricación (SME) y la Asociación de Imágenes Automatizadas de la Asociación de Industrias Robóticas (RIA), es "la recepción y el procesamiento automáticos de una imagen de un objeto real mediante dispositivos ópticos y sensores sin contacto para obtener la información necesaria o controlar los movimientos de un robot".
Como sistema biomimético similar al ojo humano, la visión artificial abarca ampliamente la adquisición de información de objetos reales a través de dispositivos ópticos, y el procesamiento y ejecución de la información relacionada. Esto incluye la visión visible y no visible, e incluso la adquisición y el procesamiento de información dentro de objetos que la visión humana no puede observar directamente.
En los años sesenta, gracias a los avances de la robótica y la informática, se empezó a investigar sobre robots con capacidades visuales. Sin embargo, en estos estudios, la visión y el movimiento del robot eran, en sentido estricto, de bucle abierto.
El sistema visual del robot procesa la imagen para determinar la posición y orientación del objetivo, calcula en función de ello la postura del movimiento del robot y proporciona esta información en una sola instancia, sin más intervención.
En 1973 se introdujo el concepto de retroalimentación visual cuando alguien aplicó un sistema visual al control de robots.
No fue hasta 1979 cuando Hill y Park propusieron el concepto de "servoaccionamiento visual". A diferencia de la retroalimentación visual, que sólo extrae señales de la información visual, la servovisión visual abarca todo el proceso, desde el procesamiento de la señal visual hasta el control del robot, ofreciendo un reflejo más completo de la investigación pertinente sobre visión y control de robots.
Desde la década de 1980, con el avance de la tecnología informática y los equipos de cámaras, las cuestiones técnicas de los sistemas de servovisión visual robótica han atraído la atención de muchos investigadores. En los últimos años, se han logrado avances significativos tanto en la teoría como en la aplicación de la servovisión visual robótica.
Esta tecnología suele ser un tema especial en muchas conferencias académicas y se ha convertido gradualmente en una tecnología independiente que abarca los campos de la robótica, el control automático y el procesamiento de imágenes.
Actualmente, la visión robótica servocontrol pueden clasificarse de las siguientes maneras:
● En función del número de cámaras, pueden dividirse en servosistemas de visión monocular, servosistemas de visión binocular y servosistemas de visión multiojo.
Los sistemas de visión monocular sólo pueden obtener imágenes bidimensionales y no pueden obtener directamente la información de profundidad del objetivo.
Los servosistemas de visión multiojo pueden captar imágenes del objetivo desde múltiples direcciones, lo que proporciona una gran cantidad de información. Sin embargo, requieren grandes cantidades de procesamiento de datos de imagen y cuantas más cámaras intervienen, más difícil es mantener la estabilidad del sistema. En la actualidad, la visión binocular se utiliza principalmente en los servosistemas de visión.
● En función de la colocación de la cámara, los sistemas pueden clasificarse en sistemas ojo en mano y sistemas de cámara fija (ojo en mano o autónomos).
En teoría, los sistemas ojo en mano pueden lograr un control preciso, pero son sensibles a los errores de calibración y de movimiento del robot.
Los sistemas de cámara fija no son sensibles a los errores cinemáticos del robot, pero en las mismas condiciones, la precisión de la información sobre la pose del objetivo obtenida no es tan buena como la del sistema ojo en mano, lo que se traduce en una precisión de control relativamente menor.
● En función de la posición espacial del robot o de las características de la imagen, los servosistemas de visión se dividen en servosistemas de visión basados en la posición y servosistemas de visión basados en la imagen.
En los servosistemas de visión basados en la posiciónUna vez procesada la imagen, se calcula la postura del objetivo con respecto a la cámara y al robot.
Esto requiere la calibración de los modelos de cámara, objetivo y robot, y la precisión de la calibración afecta a la precisión del control, lo que constituye la dificultad de este método. Durante el control, el cambio de pose requerido se convierte en el ángulo de rotación de las articulaciones del robot, que es controlado por el controlador de articulaciones.
En servosistemas de visión basados en imágenes, La información sobre el error de control procede de la diferencia entre las características de la imagen objetivo y las características de la imagen deseada.
Para este método de control, la cuestión clave es cómo establecer la matriz jacobiana de la imagen que refleja la relación entre los cambios de diferencia de la imagen y los cambios de velocidad de pose de la mano robótica; otra cuestión es que la imagen es bidimensional, y calcular la matriz jacobiana de la imagen requiere estimar la profundidad del objetivo (información tridimensional), lo que siempre ha sido un reto en visión por ordenador.
Los métodos para calcular la matriz jacobiana incluyen la derivación de fórmulas, la calibración, la estimación y los métodos de aprendizaje, etc. Los primeros pueden derivarse o calibrarse a partir del modelo, y los segundos pueden estimarse en línea. Los métodos de aprendizaje utilizan principalmente métodos de redes neuronales.
● Para los robots que utilizan controladores de articulaciones de bucle cerrado, los servosistemas de visión se dividen en sistemas dinámicos de observación-movimiento y servos de visión directa.
El primero utiliza la retroalimentación de la articulación del robot para estabilizar el brazo robótico, y el módulo de procesamiento de imágenes calcula el incremento de velocidad o posición que debe tener la cámara, que se devuelve al controlador de la articulación del robot. En el segundo, el módulo de procesamiento de imágenes calcula directamente la cantidad de control del movimiento de las articulaciones del brazo robótico.
La investigación sobre servomotores visuales se ha extendido a lo largo de casi dos décadas. Sin embargo, dado su carácter multidisciplinar, su evolución depende en gran medida de los avances en estos diversos campos. Aún quedan muchos problemas por resolver en la investigación de la servoaspiración visual.
Entre las principales líneas de investigación futura en servoaccionamiento visual figuran:
- La captura rápida y robusta de las características de la imagen en entornos reales es una cuestión crítica para los sistemas de servoaccionamiento visual.
Dada la gran cantidad de información que contiene el tratamiento de imágenes y el desarrollo de la tecnología de dispositivos programables, la implementación de algoritmos generales basados en hardware para acelerar el tratamiento de la información puede suponer un avance en esta materia.
- Establecimiento de teorías y programas informáticos adecuados para los sistemas de visión robótica.
Muchos de los métodos actuales de procesamiento de imágenes en sistemas servo de visión robótica no están adaptados a estos sistemas. Si se dispusiera de plataformas de software especializadas, se podría reducir la carga de trabajo e incluso mejorar el rendimiento del sistema mediante el procesamiento de información de visualización por hardware.
- Aplicación de diversos métodos de inteligencia artificial a los sistemas servo de visión robótica.
Aunque ya se han implantado redes neuronales en la servovisión robótica, aún quedan muchos métodos inteligentes por utilizar plenamente.
La excesiva dependencia de los modelos matemáticos y los cálculos puede dar lugar a demandas de cálculo excesivas durante el funcionamiento que las velocidades de procesamiento informático actuales pueden tener dificultades para satisfacer.
Sin embargo, los humanos no consiguen funciones afines mediante cálculos exhaustivos, lo que sugiere que los métodos de inteligencia artificial podrían reducir los cálculos matemáticos y cumplir los requisitos de velocidad del sistema.
- Aplicación de técnicas de visión activa en sistemas de servovisión robótica.
La visión activa, un tema candente en la investigación actual sobre informática y visión artificial, permite a los sistemas de visión percibir activamente su entorno y extraer las características necesarias de la imagen basándose en reglas establecidas. Este enfoque puede resolver problemas que suelen ser difíciles de abordar.
- Integración de sensores visuales con otros sensores externos.
Para que los robots puedan percibir mejor su entorno, sobre todo para complementar la información de los sistemas de visión robótica, podrían añadirse varios sensores a los sistemas de visión robótica.
Esto podría resolver algunas de las dificultades de los sistemas de visión robótica, pero la introducción de múltiples sensores exigiría resolver problemas de fusión de información y redundancia en los sistemas de visión robótica.
En los últimos años se han realizado importantes avances en la tecnología de servovisión robótica, con un aumento de las aplicaciones prácticas tanto en el ámbito nacional como en el internacional. Se espera superar muchos retos técnicos en la investigación a corto plazo.
En los próximos años, los sistemas servo de visión robótica ocuparán un lugar destacado en tecnología robóticay sus aplicaciones industriales seguirán ampliándose.
Como fundador de MachineMFG, he dedicado más de una década de mi carrera a la industria metalúrgica. Mi amplia experiencia me ha permitido convertirme en un experto en los campos de la fabricación de chapa metálica, mecanizado, ingeniería mecánica y máquinas herramienta para metales. Estoy constantemente pensando, leyendo y escribiendo sobre estos temas, esforzándome constantemente por mantenerme a la vanguardia de mi campo. Deje que mis conocimientos y experiencia sean un activo para su empresa.
ES 
EN 
AR 
DE 
FR 
IT 
JA 
NL 
PT 
PT_BR 
RU 
KO