Met de verbetering van de kosten-prestatieverhouding van beeldvormingsapparatuur en de snelheid van computerinformatieverwerking, naast de perfectionering van verwante theorieën, heeft de vision servotechnologie de technische voorwaarden voor praktische toepassing vervuld en zijn verwante technische kwesties de huidige hotspot voor onderzoek geworden. Definitie van vision servo De meeste informatie die mensen verkrijgen uit [...]
Met de verbetering van de kosten-prestatieverhouding van beeldvormingsapparatuur en de snelheid van computerinformatieverwerking, naast de perfectionering van verwante theorieën, heeft de vision-servotechnologie de technische voorwaarden voor praktische toepassing vervuld en zijn verwante technische kwesties de huidige hotspot voor onderzoek geworden.
De meeste informatie die mensen van de buitenwereld krijgen, wordt verkregen via hun ogen. Eeuwenlang heeft de mensheid ervan gedroomd om intelligente machines te maken, waarvan de eerste functie is om het menselijk oog te imiteren, zodat ze de buitenwereld kunnen herkennen en begrijpen.
Talrijke structuren in het menselijk brein nemen deel aan de verwerking van visuele informatie, waardoor veel problemen die met het gezichtsvermogen te maken hebben moeiteloos worden opgelost. Als proces blijft ons begrip van visuele cognitie echter beperkt, waardoor de droom van intelligente machines een uitdaging is om te realiseren.
Met de ontwikkeling van cameratechnologie en de opkomst van computertechnologie begonnen intelligente machines met visuele functies door mensen te worden gemaakt, waardoor geleidelijk de discipline en industrie van machine vision ontstond.
Machine vision, zoals gedefinieerd door de Machine Vision Division van de Society of Manufacturing Engineers (SME) en de Automated Imaging Association van de Robotic Industries Association (RIA), is "de automatische ontvangst en verwerking van een beeld van een echt object via optische apparaten en contactloze sensoren om de vereiste informatie te verkrijgen of om de bewegingen van een robot te besturen".
Als biomimetisch systeem dat vergelijkbaar is met het menselijk oog, omvat machine vision in grote lijnen het verwerven van informatie over echte objecten via optische apparaten en het verwerken en uitvoeren van gerelateerde informatie. Dit omvat zichtbare en niet-zichtbare visie, en zelfs de verwerving en verwerking van informatie in objecten die het menselijk zicht niet direct kan waarnemen.
In de jaren '60 van de vorige eeuw begon men, dankzij de vooruitgang in robotica en computertechnologie, onderzoek te doen naar robots met visuele mogelijkheden. In deze onderzoeken waren het zicht en de beweging van de robot echter, strikt genomen, open-loop.
Het visuele systeem van de robot verwerkt het beeld om de positie en oriëntatie van het doel te bepalen, berekent op basis hiervan de bewegingshouding van de robot en levert deze informatie in één keer, zonder verdere tussenkomst.
In 1973 werd het concept van visuele feedback geïntroduceerd toen iemand een visueel systeem toepaste op robotbesturing.
Pas in 1979 stelden Hill en Park het concept van "visual servoing" voor. In tegenstelling tot visuele terugkoppeling, waarbij alleen signalen uit visuele informatie worden gehaald, omvat visuele servoing het hele proces van visuele signaalverwerking tot robotbesturing en biedt het een uitgebreidere weergave van relevant onderzoek naar robotvisie en -besturing.
Sinds de jaren 1980, met de vooruitgang van computertechnologie en camera-apparatuur, hebben technische kwesties van robotachtige visuele servosystemen de aandacht getrokken van veel onderzoekers. In de afgelopen jaren is er aanzienlijke vooruitgang geboekt in zowel de theorie als de toepassing van robotachtige visuele servoing.
Deze technologie is vaak een speciaal onderwerp op veel academische conferenties en heeft zich geleidelijk ontwikkeld tot een onafhankelijke technologie die zich uitstrekt over robotica, automatische besturing en beeldverwerking.
Momenteel is robotzicht servobesturing systemen kunnen op de volgende manieren worden gecategoriseerd:
Op basis van het aantal camera's kunnen ze worden onderverdeeld in monoculaire vision-servosystemen, binoculaire vision-servosystemen en vision-servosystemen met meerdere ogen.
Monoculaire visionsystemen kunnen alleen tweedimensionale beelden verkrijgen en kunnen de diepte-informatie van het doelwit niet rechtstreeks verkrijgen.
Visionservosystemen met meerdere ogen kunnen beelden uit meerdere richtingen van het doel vastleggen, wat rijke informatie oplevert. Ze vereisen echter grote hoeveelheden beeldgegevensverwerking en hoe meer camera's erbij betrokken zijn, hoe moeilijker het is om de stabiliteit van het systeem te handhaven. Momenteel wordt binoculaire vision voornamelijk gebruikt in vision-servosystemen.
Afhankelijk van de plaatsing van de camera kunnen systemen worden geclassificeerd als systemen met het oog in de hand en systemen met een vaste camera (oog in de hand of standalone).
In theorie kunnen oog-in-handsystemen een nauwkeurige besturing bereiken, maar ze zijn gevoelig voor kalibratiefouten en bewegingsfouten van de robot.
Vaste camerasystemen zijn niet gevoelig voor kinematische fouten van de robot, maar onder dezelfde omstandigheden is de nauwkeurigheid van de verkregen informatie over de doelpositie niet zo goed als die van het oog-in-hand systeem, wat resulteert in een relatief lagere besturingsnauwkeurigheid.
Gebaseerd op de ruimtelijke positie of beeldkenmerken van de robot, worden vision-servosystemen onderverdeeld in positiegebaseerde vision-servosystemen en beeldgebaseerde vision-servosystemen.
In positiegebaseerde vision-servosystemenNa verwerking van het beeld wordt de positie van het doel ten opzichte van de camera en robot berekend.
Dit vereist kalibratie van de camera, het doel en de robotmodellen, en de kalibratienauwkeurigheid beïnvloedt de besturingsnauwkeurigheid, wat de moeilijkheid van deze methode is. Tijdens de besturing wordt de vereiste poseverandering omgezet in de rotatiehoek van robotgewrichten, die wordt bestuurd door de gewrichtscontroller.
In beeldgebaseerde vision-servosystemen, De stuurfoutinformatie komt van het verschil tussen de doelbeeldkenmerken en de gewenste beeldkenmerken.
Een ander probleem is dat het beeld tweedimensionaal is en dat voor het berekenen van de Jacobiaanse matrix de diepte van het doel moet worden ingeschat (driedimensionale informatie), wat altijd een uitdaging is geweest in computer vision.
Methoden om de Jacobiaanse matrix te berekenen zijn onder andere formuleafleiding, kalibratie, schatting en leermethoden. De eerste kan worden afgeleid of gekalibreerd op basis van het model, en de laatste kan online worden geschat. Leermethoden maken voornamelijk gebruik van neurale netwerkmethoden.
Voor robots die gebruik maken van gesloten-lus gewrichtscontrollers zijn vision-servosystemen onderverdeeld in dynamische observatie-bewegingssystemen en directe vision-servosystemen.
De eerste gebruikt terugkoppeling van robotgewrichten om de robotarm te stabiliseren en de beeldverwerkingsmodule berekent de snelheid of positiestoename die de camera zou moeten hebben, die vervolgens wordt teruggekoppeld naar de robotgewrichtscontroller. Bij de laatste berekent de beeldverwerkingsmodule rechtstreeks de mate van controle van de gewrichtsbeweging van de robotarm.
Onderzoek naar visueel servoën beslaat al bijna twee decennia. Omdat het multidisciplinair is, is de evolutie ervan sterk afhankelijk van de vooruitgang in deze verschillende gebieden. Er zijn nog steeds veel onopgeloste problemen binnen het onderzoek naar visuele servoing.
Belangrijke toekomstige onderzoeksrichtingen in visuele servoing zijn onder andere:
- Het snel en robuust vastleggen van beeldkenmerken in echte omgevingen is van cruciaal belang voor visuele servosystemen.
Gezien de grote hoeveelheid informatie in beeldverwerking en de ontwikkeling van programmeerbare apparaattechnologie, kan op hardware gebaseerde algemene algoritme-implementatie om informatieverwerking te versnellen deze kwestie vooruit helpen.
- Relevante theorieën en software ontwikkelen die geschikt zijn voor robotzichtsystemen.
Veel van de huidige beeldverwerkingsmethoden in robot vision-servosystemen zijn niet op maat gemaakt voor deze systemen. Als er gespecialiseerde softwareplatforms beschikbaar zouden zijn, zou dit de werklast kunnen verminderen en zelfs de systeemprestaties kunnen verbeteren door hardware visualisatie-informatie te verwerken.
- Verschillende methoden van kunstmatige intelligentie toepassen op vision servoing-systemen voor robots.
Hoewel neurale netwerken al zijn geïmplementeerd in robot vision servoing, moeten veel intelligente methoden nog volledig worden toegepast.
Een te grote afhankelijkheid van wiskundige modellen en berekeningen kan tijdens het gebruik leiden tot buitensporige rekenvereisten waar de huidige verwerkingssnelheden van computers moeilijk aan kunnen voldoen.
Mensen bereiken verwante functies echter niet door uitgebreide berekeningen, wat suggereert dat kunstmatige intelligentiemethoden wiskundige berekeningen kunnen verminderen en aan de snelheidseisen van het systeem kunnen voldoen.
- Actieve vision-technieken implementeren in robot vision-servosystemen.
Actief zicht, een veelbesproken onderwerp in het huidige computer- en machinezichtonderzoek, stelt vision-systemen in staat om actief hun omgeving waar te nemen en benodigde beeldkenmerken te extraheren op basis van vaste regels. Deze benadering kan problemen oplossen die doorgaans moeilijk te behandelen zijn.
- Visuele sensoren integreren met andere externe sensoren.
Om robots in staat te stellen hun omgeving beter waar te nemen, vooral om informatie voor robotzichtsystemen aan te vullen, kunnen verschillende sensoren worden toegevoegd aan robotzichtsystemen.
Dit zou enkele van de problemen in robotvisiesystemen kunnen oplossen, maar de introductie van meerdere sensoren zou het oplossen van informatiefusie en redundantieproblemen in robotvisiesystemen noodzakelijk maken.
De afgelopen jaren is er aanzienlijke vooruitgang geboekt in de vision servotechnologie voor robots, met steeds meer praktische toepassingen in binnen- en buitenland. Veel technische uitdagingen zullen naar verwachting worden overwonnen in onderzoek op korte termijn.
In de komende periode zullen robot vision-servosystemen een prominente positie innemen in robottechnologieen hun industriële toepassingen zullen zich blijven uitbreiden.
Als oprichter van MachineMFG heb ik meer dan tien jaar van mijn carrière gewijd aan de metaalbewerkingsindustrie. Door mijn uitgebreide ervaring ben ik een expert geworden op het gebied van plaatbewerking, verspaning, werktuigbouwkunde en gereedschapsmachines voor metalen. Ik denk, lees en schrijf voortdurend over deze onderwerpen en streef er voortdurend naar om voorop te blijven lopen in mijn vakgebied. Laat mijn kennis en expertise een aanwinst zijn voor uw bedrijf.
NL 
EN 
AR 
DE 
ES 
FR 
ID 
IT 
JA 
PT 
PT_BR 
RU 
KO 
TR