로봇은 어떻게 컴퓨터 비전을 사용하여 환경을 인식합니까?

로봇 공급 업체로서 저는 로봇이 주변 세계와 상호 작용할 수 있도록 컴퓨터 비전의 변형력을 직접 목격했습니다. Computer Vision은 로봇에 산업 자동화에서 서비스 및 탐사 작업에 이르기까지 광범위한 응용 프로그램에 중요한 환경을 "보고"환경을 이해하는 기능을 갖습니다. 이 블로그에서는 로봇이 컴퓨터 비전을 사용하여 환경을 인식 하고이 기술이 우리의 오퍼링에 가져 오는 이점을 강조하는 방법을 탐구합니다.

컴퓨터 비전이 로봇에서 작동하는 방식

핵심적으로 로봇에 대한 컴퓨터 비전은 어느 정도 인간 비전을 흉내내는 것에 관한 것이지만 기계가 제공 할 수있는 정밀성과 반복성이 있습니다. 프로세스에는 일반적으로 이미지 획득, 사전 처리, 기능 추출 및 객체 인식의 몇 가지 주요 단계가 포함됩니다.

이미지 획득

로봇은 다양한 유형의 센서를 사용하여 주변의 이미지를 캡처합니다. 카메라는 컬러 이미지를 캡처하는 RGB (빨간색, 녹색, 파란색) 카메라와 시간 - 비행 (TOF) 카메라 또는 스테레오 카메라와 같은 깊이 카메라를 포함하여 가장 일반적입니다. TOF 카메라는 빛이 물체와 뒤로 이동하는 데 걸리는 시간을 측정하여 로봇이 환경의 3D 맵을 만들 수 있습니다. 반면에 스테레오 카메라는 인간의 눈처럼 작동하여 두 렌즈를 사용하여 동일한 장면의 약간 다른 뷰를 캡처하여 깊이 정보를 계산할 수 있습니다.

사전 - 처리

이미지가 캡처되면 품질을 향상시키고 분석하기 쉽도록 종종 사전 처리해야합니다. 여기에는 노이즈 감소, 이미지 향상 및 크기 조정과 같은 작업이 포함될 수 있습니다. 가우스 필터링과 같은 노이즈 감소 알고리즘은 이미지에서 임의의 노이즈를 제거 할 수 있으며, 이는 센서 제한 또는 환경 요인으로 인해 발생할 수 있습니다. 히스토그램 이퀄라이제이션과 같은 이미지 향상 기술은 이미지의 대비를 향상시켜 객체를 더욱 구별 할 수 있습니다.

기능 추출

기능 추출은 로봇이 이미지에서 중요한 요소를 식별하는 중요한 단계입니다. 이러한 기능은 가장자리, 모서리 또는 얼룩일 수 있습니다. 예를 들어, Harris Corner Detector는 이미지에서 코너를 감지하기위한 인기있는 알고리즘입니다. 이러한 기능을 찾아서 로봇은 환경에서 물체의 구조를 이해하기 시작할 수 있습니다. 보다 진보 된 시나리오에서는 CNN (Convolutional Neural Networks)과 같은 딥 러닝 - 기반 기능 추출 방법이 사용됩니다. CNN은 대량의 교육 데이터에서 복잡한 기능을 자동으로 학습 할 수있어 다양한 객체와 장면을 처리하는 데 매우 효과적입니다.

객체 인식

기능 추출 후 로봇은 추출 된 기능을 사용하여 이미지에서 객체를 인식합니다. 이것은 로봇이 추출 된 기능을 알려진 객체의 사전 정의 된 템플릿 세트와 비교하는 템플릿 매칭을 통해 수행 할 수 있습니다. 보다 일반적으로 딥 러닝 모델은 객체 인식에 사용됩니다. 이 모델은 다른 객체의 수천 또는 수백만 이미지를 포함하는 대형 데이터 세트에 대해 교육을받습니다. 일단 훈련되면, 다른 방향, 조명 조건 및 부분 폐색에서도 새로운 이미지에서 물체를 정확하게 분류 할 수 있습니다.

로봇의 컴퓨터 비전 응용

우리 회사는 다양한 로봇을 제공하며, 각각은 특정 작업을 수행 할 수있는 고유 한 방법으로 컴퓨터 비전을 활용합니다.

팔레팅 로봇

팔레 타이징 로봇은 창고 및 제조 플랜트에 사용하여 제품을 팔레트에 쌓아 놓습니다. 컴퓨터 비전은이 과정에서 중요한 역할을합니다. 로봇은 비전 시스템을 사용하여 컨베이어 벨트의 제품의 위치와 방향을 식별합니다. 그런 다음 제품을 집어 올리는 가장 좋은 방법을 계산하여 조직화 된 방식으로 팔레트에 배치 할 수 있습니다. 비전 시스템은 또한 로봇이 다양한 제품 크기와 모양에 적응하여 정확하고 효율적인 팔레트 화를 보장하는 데 도움이됩니다.

로봇 선택

픽킹 로봇은 창고에서 선반이나 쓰레기통에서 품목을 선택하도록 설계되었습니다. 컴퓨터 비전을 통해이 로봇은 대상 항목을 빠르고 정확하게 식별 할 수 있습니다. 비전 시스템은 항목의 위치, 크기 및 모양을 감지하여 로봇이 선택을위한 최상의 접근 방식을 계획 할 수 있습니다. 이는 E- Commerce Fulfillment Centers에서 특히 중요합니다. 여기서 다양한 제품을 짧은 시간 안에 선택하고 포장해야합니다.

캔틸레버 로봇

캔틸레버 로봇은 종종 넓은 작업장을 덮어야하는 응용 분야에서 사용됩니다. 컴퓨터 비전을 통해이 로봇은 환경을 안전하게 탐색 할 수 있습니다. 로봇은 비전 시스템을 사용하여 다른 장비 나 작업자와 같은 장애물을 감지하고 충돌 - 자유 경로를 계획 할 수 있습니다. 또한 검사와 같은 작업에서 비전 시스템은 로봇이 작업중인 물체 표면의 결함 또는 불규칙성을 식별하는 데 도움이 될 수 있습니다.

컴퓨터 비전의 이점 - 활성화 된 로봇

컴퓨터 비전을 로봇에 통합하면 몇 가지 중요한 이점이 있습니다.

효율성 증가

컴퓨터 비전을 통해 로봇은 작업을보다 빠르고 정확하게 수행 할 수 있습니다. 예를 들어, 로봇을 팔레 화 및 선택하는 경우, 물체를 정확하게 식별하는 능력은 검색 및 처리에 소요되는 시간을 줄여 창고 및 제조 시설의 처리량이 높아집니다.

유연성

컴퓨터 비전이있는 로봇은 다양한 환경과 작업에 적응할 수 있습니다. 광범위한 재 프로그래밍이 필요없이 다양한 객체를 처리 할 수 ​​있습니다. 이로 인해 빠르게 변화하는 제품 라인 또는 요구 사항이있는 산업에 적합합니다.

안전

산업 환경에서 안전이 가장 중요합니다. 컴퓨터 비전은 로봇이 인간 및 기타 물체와의 충돌을 감지하고 피하는 데 도움이됩니다. 이것은 사고의 위험을 줄이고 더 안전한 작업 환경을 보장합니다.

구매 상담을 위해 저희에게 연락하십시오

컴퓨터 - 비전 - 활성화 로봇으로 운영을 향상시키는 데 관심이 있다면 귀하의 의견을 듣고 싶습니다. 우리의 전문가 팀은팔레팅 로봇,,,로봇 선택, 그리고캔틸레버 로봇. 또한 창고의 효율성을 향상 시키거나 제조 공정의 품질 관리를 향상시키는 지 여부에 관계없이 특정 요구에 가장 적합한 솔루션을 결정하는 데 도움을 줄 수 있습니다. 자세한 상담을 위해 저희에게 연락하여 비즈니스를 다음 단계로 끌어 올리십시오.

참조

Ballard, DH, & Brown, CM (1982). 컴퓨터 비전. 프렌 티스 - 홀.
Goodfellow, IJ, Bengio, Y., & Courville, A. (2016). 딥 러닝. MIT 프레스.
Szeliski, R. (2010). 컴퓨터 비전 : 알고리즘 및 응용 프로그램. 뛰는 것.