Algemeen
Driedimensionale objectherkenning bij een gedeeltelijke afscherming en variabele lichtomstandigheden.
Driedimensionale objectherkenning en beeldbewerking bij een gedeeltelijke afscherming en variabele lichtomstandigheden.

Op de Automatica 2014 presenteert het Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA innovatieve technologieën voor de beeldverwerking en botsingsvrije manipulatie in dynamische omgevingen. De nieuwe technologieën zijn ontwikkeld voor 3D waarneming van de omgeving en voor objectherkenning.

Robots in een magazijn sorteren chaotisch aangeleverde onderdelen, robots voor assistentie in de huishouding kunnen onderscheid maken tussen tastbare voorwerpen en de woonruimte, de schoonmaakrobot herkent en verwijdert vuil: met de door het Fraunhofer IPA ontwikkelde systemen voor driedimensionale objectherkenning en waarneming van de omgeving zouden robots ook complexe opdrachten aankunnen.

Nauwkeurig, snel, flexibel en door de gebruiker gemakkelijk te bedienen: dat zijn de doorslaggevende criteria voor praktisch bruikbare 3D-beeldverwerkingsoplossingen voor robotsystemen. Het Fraunhofer IPA heeft een veelzijdige en flexibel toepasbare software bibliotheek voor het automatisch herkennen en aanleren van objecten en de waarneming van objecten in 3D ontwikkeld. Het Fraunhofer IPA toont op de Automatica 2014, hoe robotsystemen ook in dynamische omgevingen botsingsvrije bewegingen uitvoeren en betrouwbaar voorwerpen herkennen, classificeren en grijpen.

Identificeren en classificeren

Voor het betrouwbare afhandelen van objecten in een dynamische dagelijkse omgeving moet het robotsysteem in staat zijn om deze objecten te herkennen en te lokaliseren. De beeldverwerking zoekt gericht naar kenmerken, die kunnen worden samengesteld tot een model dat opgeslagen wordt. Op deze manier kunnen voorwerpen ook bij wisselende lichtomstandigheden en gedeeltelijke afdekking worden herkend. Het herkennen van driedimensionale objecten in het systeem kan ook nog meer: de combinatie van geometrische vormen kan ook de klasse of categorie van het object aanduiden. De robot “weet”, dat een tafel bestaat uit een horizontale plaat op vier verticale cilinders, dat de fles een lange cilinder is, het melkpak een vierkant met een bepaalde hoogte is en een schotel een halve kogelvorm heeft.

“Dankzij de combinatie van objecten en classificatie kan de robot zelfstandig specifieke objecten of algemene objectklassen aanleren of er intuïtief op worden getraind”, verklaart Jan Fischer, wetenschappelijk medewerker van de afdeling robot- en assistentiesystemen. “Ook in een wisselende omgeving kan hij voorwerpen zelfstandig weer herkennen en dat in minder dan een seconde”. De tentoonstelling op de Automatica 2014 toont het betrouwbare en snelle herkennen van willekeurige objecten onder niet gedefinieerde voorwaarden.

Waarneming van de omgeving

Voor het maken van een 3D-kaart neemt de robots zijn omgeving driedimensionaal waar met een combinatie van kleur en dieptecamera, die een wolk van punten creëert met nauwkeurig toegekende afstanden. De op verschillende tijdstippen opgenomen puntenwolken worden eerst in een gezamenlijk coördinatensysteem geregistreerd. Daarna komt de segmentering van de data van de punten in geometrische primitieve vormen zoals polygonen, dus veelhoeken. Daardoor kunnen de betroffen regio’s en objecten in real-time en veilig worden geïdentificeerd. Daarmee zijn de botsingsvrije navigatie en manipulatie mogelijk, evenals de afstandsbesturing door een mens, die de opgenomen data sneller kan begrijpen. “We hebben op dit gebied een aantal jaren ervaring en kunnen een veelzijdige technologie aanbieden, die voor verschillende eisen en toepassingen op maat kan worden aangepast”, zegt Georg Arbeiter, projectleider van de afdeling robot- en assistentiesystemen.

Met behulp van een dynamisch voorbeeld wordt op de tentoonstelling een botsingsvrije manipulatie in een dynamische omgeving getoond. Daarbij worden onderdelen afwisselend door twee robotarmen bewogen, waarbij telkens de andere arm een dynamische hindernis vormt. De door het Fraunhofer IPA ontwikkelde procedures creëren uit de cameradata een omgevingsmodel, dat wordt gebruikt als input voor de planning van de beweging van de robotarm. Er kunnen zowel bewegende hindernissen als grijpbare objecten worden geïdentificeerd. Daarom is het proces voor toepassingen geschikt, waarbij snel en flexibel op een veranderende omgeving moet worden gereageerd.

Toepassingen

Leren, gebaseerd op driedimensionale objecten en waarneming van de omgeving zijn bruikbaar in verschillende gebieden en kunnen met succes worden gebruikt door het Fraunhofer IPA:

  • in de industriële toepassing voor autonoom rijdende transportsystemen of voor de hantering, opslag- en sorteeropdrachten.
  • als belangrijke technologie voor de ontwikkeling van een geavanceerde assistent-robot, om een hogere levenskwaliteit mogelijk te maken voor mensen met een handicap.
  • Ter ondersteuning van de toenemende automatisering in de landbouw, zoals het herkennen van vruchten en groenten die geoogst moet worden of voor de melkrobot bij het lokaliseren van de spenen aan de uier van de koe.
  • Bij de reinigingsrobot voor automatische detectie van verontreiniging.
x
Mis niet langer het laatste nieuws

Schrijf u nu in voor onze nieuwsbrief.

Inschrijven