Con il miglioramento del rapporto costo-prestazioni delle apparecchiature di imaging e della velocità di elaborazione delle informazioni al computer, insieme al perfezionamento delle relative teorie, la tecnologia di visione servoassistita ha raggiunto le condizioni tecniche per l'applicazione pratica e le relative questioni tecniche sono diventate l'attuale punto caldo della ricerca. Definizione di servovisione La maggior parte delle informazioni che l'uomo acquisisce dalla [...]
Con il miglioramento del rapporto costo-prestazioni delle apparecchiature di imaging e della velocità di elaborazione delle informazioni da parte dei computer, insieme al perfezionamento delle relative teorie, la servotecnica della visione ha raggiunto le condizioni tecniche per l'applicazione pratica e le relative questioni tecniche sono diventate l'attuale punto caldo della ricerca.
La maggior parte delle informazioni che gli esseri umani acquisiscono dal mondo esterno è ottenuta attraverso gli occhi. Per secoli l'umanità ha sognato di creare macchine intelligenti la cui prima funzione fosse quella di imitare l'occhio umano, consentendo il riconoscimento e la comprensione del mondo esterno.
Numerose strutture del cervello umano partecipano all'elaborazione delle informazioni visive, consentendo così di affrontare senza sforzo molti problemi legati alla visione. Tuttavia, la nostra comprensione della cognizione visiva rimane limitata, rendendo il sogno di macchine intelligenti difficile da realizzare.
Con lo sviluppo della tecnologia delle telecamere e l'emergere della tecnologia informatica, le macchine intelligenti con funzioni visive hanno iniziato a essere prodotte dall'uomo, formando gradualmente la disciplina e l'industria della visione artificiale.
La visione artificiale, secondo la definizione della Machine Vision Division della Society of Manufacturing Engineers (SME) e della Automated Imaging Association della Robotic Industries Association (RIA), è "la ricezione e l'elaborazione automatica di un'immagine di un oggetto reale attraverso dispositivi ottici e sensori senza contatto per ottenere le informazioni richieste o per controllare i movimenti di un robot".
In quanto sistema biomimetico simile all'occhio umano, la visione artificiale comprende in senso lato l'acquisizione di informazioni su oggetti reali attraverso dispositivi ottici, nonché l'elaborazione e l'esecuzione delle relative informazioni. Ciò include la visione visibile e non visibile, e anche l'acquisizione e l'elaborazione di informazioni all'interno di oggetti che la visione umana non può osservare direttamente.
Negli anni '60, grazie al progresso della robotica e della tecnologia informatica, si è iniziato a studiare robot con capacità visive. Tuttavia, in questi studi, la visione e il movimento del robot erano, in senso stretto, ad anello aperto.
Il sistema visivo del robot elabora l'immagine per determinare la posizione e l'orientamento del bersaglio, calcola la postura del movimento del robot in base a ciò e fornisce queste informazioni in un'unica istanza, senza ulteriori interventi.
Il concetto di feedback visivo è stato introdotto nel 1973, quando qualcuno ha applicato un sistema visivo al controllo dei robot.
Solo nel 1979 Hill e Park hanno proposto il concetto di "servoassistenza visiva". A differenza del feedback visivo, che si limita a estrarre i segnali dalle informazioni visive, il servoassistenza visiva comprende l'intero processo dall'elaborazione dei segnali visivi al controllo del robot, offrendo una riflessione più completa della ricerca sulla visione e sul controllo dei robot.
Dagli anni '80, con il progresso della tecnologia informatica e delle apparecchiature di ripresa, i problemi tecnici dei sistemi di asservimento visivo robotico hanno attirato l'attenzione di molti ricercatori. Negli ultimi anni sono stati compiuti progressi significativi sia nella teoria che nell'applicazione del servocomando visivo robotico.
Questa tecnologia è spesso un argomento speciale in molte conferenze accademiche e si è gradualmente sviluppata in una tecnologia indipendente che abbraccia i campi della robotica, del controllo automatico e dell'elaborazione delle immagini.
Attualmente, la visione robotica servocomando I sistemi possono essere classificati nei seguenti modi:
In base al numero di telecamere, possono essere suddivisi in servosistemi di visione monoculare, servosistemi di visione binoculare e servosistemi di visione multi-occhio.
I sistemi di visione monoculare possono ottenere solo immagini bidimensionali e non possono ottenere direttamente le informazioni sulla profondità del bersaglio.
I sistemi di visione multi-occhio possono catturare immagini da più direzioni del bersaglio, fornendo una grande quantità di informazioni. Tuttavia, richiedono grandi quantità di elaborazione dei dati delle immagini e più telecamere sono coinvolte, più è difficile mantenere la stabilità del sistema. Attualmente, la visione binoculare è utilizzata principalmente nei servosistemi di visione.
A seconda del posizionamento della telecamera, i sistemi possono essere classificati come sistemi eye-in-hand e sistemi a telecamera fissa (eye-to-hand o standalone).
In teoria, i sistemi eye-in-hand possono ottenere un controllo preciso, ma sono sensibili agli errori di calibrazione e di movimento del robot.
I sistemi a telecamera fissa non sono sensibili agli errori cinematici del robot, ma nelle stesse condizioni l'accuratezza delle informazioni sulla posa del bersaglio ottenute non è pari a quella del sistema eye-in-hand, con una conseguente precisione di controllo relativamente inferiore.
In base alla posizione spaziale del robot o alle caratteristiche dell'immagine, i servosistemi di visione si dividono in servosistemi di visione basati sulla posizione e servosistemi di visione basati sull'immagine.
Nei servosistemi di visione basati sulla posizioneDopo l'elaborazione dell'immagine, viene calcolata la posa del bersaglio rispetto alla telecamera e al robot.
Ciò richiede la calibrazione dei modelli della telecamera, del target e del robot e l'accuratezza della calibrazione influisce sull'accuratezza del controllo, il che rappresenta la difficoltà di questo metodo. Durante il controllo, la variazione di posa richiesta viene convertita nell'angolo di rotazione dei giunti del robot, che viene controllato dal controller dei giunti.
Nei servosistemi di visione basati sulle immagini, Le informazioni sull'errore di controllo provengono dalla differenza tra le caratteristiche dell'immagine target e le caratteristiche dell'immagine desiderata.
Per questo metodo di controllo, il problema principale è come stabilire la matrice jacobiana dell'immagine che riflette la relazione tra le variazioni della differenza dell'immagine e le variazioni della velocità di posa della mano robotica; un altro problema è che l'immagine è bidimensionale e il calcolo della matrice jacobiana dell'immagine richiede la stima della profondità del bersaglio (informazioni tridimensionali), che è sempre stata una sfida nella computer vision.
I metodi per calcolare la matrice jacobiana includono la derivazione della formula, la calibrazione, la stima e i metodi di apprendimento, ecc. I primi possono essere derivati o calibrati sulla base del modello, mentre i secondi possono essere stimati online. I metodi di apprendimento utilizzano principalmente metodi di rete neurale.
Per i robot che utilizzano controllori di giunto ad anello chiuso, i servosistemi di visione si dividono in sistemi dinamici di osservazione e movimento e servosistemi di visione diretta.
Il primo utilizza il feedback dei giunti del robot per stabilizzare il braccio robotico e il modulo di elaborazione delle immagini calcola l'incremento di velocità o di posizione che la telecamera deve avere, che viene poi inviato al controllore dei giunti del robot. Il secondo prevede che il modulo di elaborazione delle immagini calcoli direttamente la quantità di controllo del movimento dei giunti del braccio robotico.
La ricerca sulla servoassistenza visiva ha attraversato quasi due decenni. Tuttavia, data la sua natura multidisciplinare, la sua evoluzione dipende fortemente dai progressi in questi diversi campi. Nell'ambito della ricerca sulla servoassistenza visiva ci sono ancora molti problemi irrisolti.
Le principali direzioni di ricerca future nel campo della servoassistenza visiva includono:
- L'acquisizione rapida e robusta delle caratteristiche dell'immagine in ambienti reali è un aspetto critico per i sistemi di asservimento visivo.
Data la grande quantità di informazioni nell'elaborazione delle immagini e lo sviluppo della tecnologia dei dispositivi programmabili, l'implementazione di algoritmi generali basati sull'hardware per accelerare l'elaborazione delle informazioni può far progredire questo problema.
- Stabilire teorie e software adatti ai sistemi di visione robotica.
Molti degli attuali metodi di elaborazione delle immagini nei sistemi di visione robotica non sono adatti a questi sistemi. Se fossero disponibili piattaforme software specializzate, si potrebbe ridurre il carico di lavoro e persino migliorare le prestazioni del sistema attraverso l'elaborazione hardware delle informazioni di visualizzazione.
- Applicazione di vari metodi di intelligenza artificiale ai sistemi di asservimento della visione robotica.
Mentre le reti neurali sono già state implementate nel servocomando della visione robotica, molti metodi intelligenti devono ancora essere utilizzati appieno.
L'eccessiva dipendenza da modelli e calcoli matematici può portare a richieste di calcolo eccessive durante il funzionamento, che le attuali velocità di elaborazione dei computer possono faticare a soddisfare.
Tuttavia, gli esseri umani non raggiungono funzioni correlate attraverso calcoli approfonditi, suggerendo che i metodi di intelligenza artificiale potrebbero ridurre i calcoli matematici e soddisfare i requisiti di velocità del sistema.
- Implementazione di tecniche di visione attiva nei sistemi di asservimento della visione robotica.
La visione attiva, un tema di grande attualità nella ricerca informatica e sulla visione artificiale, consente ai sistemi di visione di percepire attivamente l'ambiente circostante ed estrarre le caratteristiche dell'immagine necessarie in base a regole prestabilite. Questo approccio può risolvere problemi tipicamente difficili da affrontare.
- Integrare i sensori visivi con altri sensori esterni.
Per consentire ai robot di percepire l'ambiente in modo più completo, soprattutto per integrare le informazioni dei sistemi di visione robotica, si potrebbero aggiungere vari sensori ai sistemi di visione robotica.
Questo potrebbe risolvere alcune delle difficoltà dei sistemi di visione robotica, ma l'introduzione di più sensori richiederebbe la risoluzione dei problemi di fusione delle informazioni e di ridondanza nei sistemi di visione robotica.
Negli ultimi anni sono stati compiuti progressi significativi nella tecnologia di asservimento della visione robotica, con un aumento delle applicazioni pratiche sia a livello nazionale che internazionale. Molte sfide tecniche dovrebbero essere superate nella ricerca a breve termine.
Nel prossimo periodo, i sistemi di visione robotizzata occuperanno una posizione di rilievo nel settore dei sistemi di visione. tecnologia roboticae le loro applicazioni industriali continueranno ad espandersi.
In qualità di fondatore di MachineMFG, ho dedicato oltre un decennio della mia carriera al settore della lavorazione dei metalli. La mia vasta esperienza mi ha permesso di diventare un esperto nei campi della fabbricazione di lamiere, della lavorazione, dell'ingegneria meccanica e delle macchine utensili per metalli. Penso, leggo e scrivo costantemente su questi argomenti, cercando di essere sempre all'avanguardia nel mio campo. Lasciate che le mie conoscenze e la mia esperienza siano una risorsa per la vostra azienda.
IT 
EN 
AR 
DE 
ES 
FR 
JA 
NL 
PT 
PT_BR 
RU 
KO