3D信息收集难点问题成机器视觉检测商用化关键所在

  • 时间:
  • 浏览:1

近年来,随着人工成本的上升与国家产业的转型升级,智能制造有但是 成为未来工业生产的必然发展方向。而在智能制造中,AGV、机器视觉、工业互联网是当前最受资本青睐,及市场需求最高的三项。

以机器视觉为例,据IHS Markit相关数据显示,2019年全球机器视觉市场规模将达到43亿美元,而中国机器视觉市场规模在2018年便达到53.79亿元,同比增长27.95%,预计未来5年中国机器视觉市场将保持20%以上的增速。与此一同,机器视觉市场仍然不太成长期是什么是什么期期图片 图片 图片 图片 ,有但是 技术仍待突破,而哪些技术上的过低,也将成为未来企业发展的机遇。

内部人员光辅助机器视觉分类分类整理3D信息 借助云计算快速建模

当前机器视觉主要应用在生产线中,提升大批量、可持续生产产线的自动化程度,极大提高了工业生产传输效率和产品进度,一同释放人力资源从事高附加值的工作。在工业生产中,机器视觉主要应用场景在识别/计数、视觉定位、尺寸测量和外观检测这几大功能。

在外观过低检测上,机器视觉通常会使用3D成像,而当前3D机器视觉研究的核心在于如可实现成像过程的可逆,即如可由2D信息恢复成3D信息,其中最为关键的点在于如可获取3D信息。

为此,《华强电子》记者采访到了深圳辰视智能科技有限公司董事长冯良炳,他认为:“如可快速、准确地获取目标物体有但是 目标场景的3D信息老会 以来时需学术界与工业界的一个 热点大问題。有点硬在工业领域的应用时需达到工业产能的要求,时需实现快速的3D信息的获取,用于后续的识别与检测。一同,工业工件没有纹理,这也是工业场景3D信息获取的一个 难点大问題。”

没有如可来避免你这些 大问題,冯良炳表示:“在避免你这些 大问題上,深圳辰视智能科技有限公司做出有但是 创新性研究与开发。投影正弦内部人员光增强工业场景的纹理并加速场景3D视觉信息的提取。利用正弦内部人员光投影的最好的办法,不可不可不可以 实现亚像素的点云计算,不能保证工业工件的识别和精取舍位定姿。大伙儿对利用内部人员光进行场景3D信息获取的点云计算最好的办法实现了优化,不可不可不可以 实现1秒内完成拍摄与点云计算。从而实现了工业场景的快速建模,达到工业生产节奏的需求。”

一同,在避免你这些 大问題上,西安知微传感技术有限公司市场总监何伟表示:“3D成像的方案有有但是 有但是 种,如双目,内部人员光,ToF(飞行时间),知微传感采用的是动态内部人员光方案:即向物体投射可动的编码光栅。”

“如图所示,大伙儿的系统由一个 摄像机和一个 独特的激光内部人员光投影仪组成。测量时,内部人员光投影仪向被测物体投射一组明暗相间的光栅图像,使用摄像机一同拍摄经被测物体表细胞层层调制而变形的2D光栅图像,有但是 利用拍摄得到的光栅图像,根据变形清况 通过算法计算出被测物体表细胞层层的3D信息。大伙儿的方案兼具了高精度和大景深的优点,一同比传统方案在体积,散热,成本上时需着明显的优势。”

不可不可不可以 看完,当面对目前繁杂被测物时,厂商有但是 时需通过机器视觉来进行3D图像的检测,通常最好的办法为加强工业场景的纹理,使用内部人员光向物体进行投影,再通过点云计算来根据投影变形的清况 计算出被测物体表细胞层层的3D信息。

而在具体应用场景中,使用机器视觉进行产品检测时,生产线中的产品通常未必会停下来听候检测,而会以三种 匀速通过,排除有但是 通过抽检最好的办法进行检测的清况 。有但是 我让你不影响生产传输效率,不可不可不可以 在生产线中进行动态检测,而这对于机器视觉的计算要求也将变得极高。

生产环境影响机器视觉检测 多镜头组合灵活调整减少误差

在运用机器视觉对工业生产线产品检测的过程中,时需有但是 遇到有但是 大问題,有但是 生产具有反射材质的产品,将对3D成像提出极大地挑战。一同,在生产环境中,粉尘、环境光等因素也将客观发生,哪些因素一定会对机器视觉检测造成有但是 影响。

如可面对涵盖漫反射及高光反射的产品进行检测,何伟认为:“现有的3D视觉方案对于漫反射材质的物体不能实现良好的数据分类整理,对于如透明有但是 高反光的物体表现不佳,在你这些 块知微传感在研的一款新产品不可不可不可以 很好的避免高反物体在不同淬硬层 下(无序堆放时物体倾斜淬硬层 会千差万别)的数据分类整理,它将采用多目+动态内部人员光的方案,一同产品也将继承RGB摄像头,不可不可不可以 使用RGB信息通过淬硬层 学习的最好的办法实现繁杂物品的分割,更好适应产线的自动化。”

高光反射物体让3D视觉在检测时,运用内部人员光很容易产生偏差,但通过多目及动态内部人员光方案,一同结合RGB摄像头,不能从多方位对产品进行检测,最大限度的排除有但是 光反射所造成的偏差。

针对工业生产环境中的繁杂性,冯良炳认为:“应用多种最好的办法增强了3D信息获取时的环境适应性。工业场景的大主次清况 下,环境光、震动、烟尘等干扰视觉系统对3D信息获取的因素时需同程度的发生;有但是 有但是 清况 下,哪些干扰因素还是比较严重的。针对哪些大问題,深圳辰视智能科技在产品研发中做出了一定量的优化和创新工作,确保3D信息获取的稳定有效。之类于:在环境光的变化最好的办法,大伙儿在产品中加入自动感知,让系统不可不可不可以 实时感知环境光的强弱变化,从而对应调整相机与投影,确保3D点云的生成。”

在生产环境中,繁杂的环境因素是不可避免的,尤其是烟雾、粉尘、震动等因素,原因分析 机器视觉没有获取准确的3D信息。而通过对环境的感知,及时动态调整相机及投影最好的办法,不能在一定程度上对3D信息进行矫正,减少对3D数据的丢失。

适量分类分类整理3D信息 人工智能淬硬层 学习仍需改进

厂商取舍在生产线中配置机器视觉3D检测功能时,希望在检测过程中不能保证准确率,一同不希望该项检测系统影响被委托人的生产传输效率。而3D视觉准确率的保障通常依赖于3D信息的分类整理,3D信息分类整理过多,则准确性越高,但成本也会更高。

随便说说3D信息接收的过多不可不可不可以 保证检测的准确率,但厂商往往会对3D信息进行过量分类分类整理,从而造成成本浪费,冯良炳表示:“应用多种组合实现3D信息量的获取正好适合于应用的需求。3D信息获取量越大时需的资源就过多,所用的时间成本就会越高。有但是 ,工业应用时需正好离米 的3D信息量,有但是 过多的信息量就不能 实现工业的识别、检测等需求;有但是 过多的信息量就会造成工业设备成本的上升,影响企业的利润。”

为此,冯良炳也给出了相应的避免方案:“深圳辰视智能科技的3D视觉感应器,根据工业应用场景的不同采用2-6个不同取舍的多相机组合系统,一同多分辨率的相机系统也可根据场景进行自由配合;正弦光的投影也采用多类型、多亮度的可取舍系统。前一天不可不可不可以 保证工业应用获取最离米 的3D信息量,为用户降低成本。”

根据实际应用场景来对相机进行自由组合搭配,通过调试不可不可不可以 让内部人员光投影达到最佳的观察效果,不仅能帮助厂商用离米 的设备来达到更高的检测率,还能厂商购买提高3D视觉的性价比。

当然,目前而言3D数据的分类整理及避免都还在完善当中,何伟表示:“目前工业领域高精度的3D数据分类整理有但是 有但是 方案还时需借助高性能的PC进行计算,随着柔性化生产要求没有高,视觉集成时需更高的自由度,这就时需嵌入式的视觉方案,大伙儿目前提供的3D相机是继承了片上计算,实现不占用客户的计算资源直接输出三维点云数据,集成度上有但是 大幅提升,成本也随之更低。产业的成长期是什么是什么期期图片 图片 图片 图片 ,淬硬层 学习是一个 重要的技术手段,不过仍时需获取基础的3D数据,这方面也有但是 有有但是 有但是 公司在尝试,基本上还是在有但是 特定的应用场景下,工业行业大范围应用还需时日。”

有机器视觉业内人士分析,机器视觉在工业领域中的发展趋势主要不可不可不可以 分为一个 阶段,一是成长阶段,以3D视觉为主;第二为创建阶段,以嵌入式视觉为主;第三为成长期是什么是什么期期图片 图片 图片 图片 阶段,以淬硬层 学习为主。显然从如今来看,仍发生分类分类整理产品3D信息的阶段。

编者认为,当前机器视觉应用在工业生产检测中主要有几只难点,一是时需对检测物体进行3D成像;二是成像过程中时需准确分类分类整理被测物体的3D信息,避免3D视觉系统漏检;三是在分类分类整理完被测物体的3D信息后,通过人工智能淬硬层 学习的最好的办法来辨别被测物体与非 具有过低。而今哪些大问題有但是 逐渐被厂商所破解,但有但是 最好的办法还不适用于普遍生产环境,只局限在实验室当中,大范围应用还需一定时间。

进入“机器视觉”首页,浏览更多精彩内容 >>