机器视觉让机器人能在储存箱中拾取小型零件

斯洛伐克新创公司Photoneo的3D视觉导向机器人拾取系统，为元件制造商升级生产设施的材料处理流程。Photoneo的解决方案包括一台PhoXi 3D Sner XL扫描仪和一台ABB的机器人，配合相关视觉和机器人控制器，可在大型储存箱中拾取小型零件。

据报导，随机机器人拾取应用非常具有挑战性，因为指定拾取的零件通常置放松散，且在箱中彼此堆叠在一起。客户希望机器人能从箱中近1万个零件中拾取99%的零件，每个零件只有高5公分、直径4公分，零件尺寸与箱子尺寸的面积比大约为1：900。

在拣选之后，必须将零件放置在正确的方向上，以便在7秒之内完成扫描、零件定位、机器人路径规划与移动。由于这些零件具有光泽，通常会导致互相反射，因此扫描时可能会产生问题。

Photoneo技术长承认这些挑战并不容易解决，但Photoneo的3D扫描仪系列采用结构化图案，减少角落常出现的漫反射效应，透过调制图案投影的频率，让3D扫描仪能够检测和过滤因反射而在3D模型表面上造成的污点。

大多数3D扫描设备用来扫描较小的物体，主要是受限于景深限制，因此3D扫描设备不适用于欧规栈板或更大的物体。扫描较大物体通常需要较强的光源，或者需要较长的曝光时间才能获得合理的点云(point cloud)质量。

Photoneo机器人视觉总监rian Kratky表示，由于点云密度较低且噪音较高，导致绝对精度降低，因此大体积的储存箱拾取任务挑战很高，当扫描体积较大又需要处理比例较小的物体时，PhoXi 3D Scanner XL的质量和景深即至关重要。

PhoXi 3D Scanner XL的扫描体积可达2,400x1,800x2,200公厘，使用3.2万画素捕获影像，平均采集时间约为800毫秒。透过零件定位算法，一个单一扫描仪和机器人可以实现7秒钟循环周期，异步搜索新物件与其它应用需求。

在更长时间的影像采集程序下，系统能够输出密度更高、噪点更低、绝对精度更高的点云，因此让零件定位算法能够在更短的时间内成功识别物件。零件本地化是每个货仓拣选解决方案的重要部分，应该调整零件定位算法的精度，以平衡所需的速度和方向。

在此应用程序中，死机器人手臂移动以拾取零件时，零件定位算法持续在零件周围空间已储存的扫描数据上运行，死机器人放置零件时，扫描仪向机器人控制器发出讯号以进行下一个路径规划。为避免拾取在物件之间移动的零件，Photoneo能够快速识别位置变化，并只专注于未移动的零件。

Photoneo的拾取应用程序可搭配所有主要工业机器人品牌。2018年第2季Photoneo预计推出一款新的Bin cking Studio，帮助最终用户和系统集成商根据需求，自行设计完整的储存箱拾取解决方案。