このページは機械翻訳であり、まだ人による確認が行われていません。

申請要件

ピースピッキングでは、箱やトートバッグから個々のアイテムを正確に取り出して配置します。 SKU と呼ばれる何百万もの異なるアイテムは、形状、サイズ、素材が異なります。ビジョン システムは、これらすべての SKU に高品質の点群データを提供できなければなりません。同時に、ロボット システムは短いサイクル タイムと高いスループット レートを保証する必要があります。データ品質が満足のいくものであり、ソリューションの時間効率が高い境界線を見つけることは、アプリケーションを成功させるために不可欠です。

オブジェクトを正しくピッキングするための主な目的は、ロボットの正確なピッキング ポーズを計算することです。 2D データと 3D データの両方がピッキング ポーズを見つけるのに役立ちます。 2D では、オブジェクトのセグメント化または認識は通常、テンプレート マッチングや機械学習ネットワークなどを使用して行われます。 2D データを活用する場合、デフォーカス、ブルーミング、飽和を最小限に抑えることが特に重要です。 3D では、オブジェクトのセグメンテーション、検出、姿勢推定は通常、CAD モデル マッチング、機械学習ネットワーク、ジオメトリ マッチングなどを使用して行われます。 3D データを活用するには、誤点や欠落を最小限に抑えることが重要です。より包括的に理解できるように、アプリケーション要件を次のセクションに分類しました。

サイクルタイム

ピースピッキングでは、ロボットのサイクルは通常 3 ~ 4 秒の範囲で、ロボットあたり 1 時間あたり 1000 個を超えるアイテムのピッキング率に達します。ロボットがアイテムを配置している間、ビジョン システムはロボットが戻る前に次のピッキング ポーズをキャプチャ、処理、計算する必要があります。そのため、時間の予算が厳しくなります。カメラの時間バジェットは通常、350 ミリ秒から 700 ミリ秒の範囲です。

オブジェクトの形状と表面

現在、ピースピッキングは物流業界のさまざまなユースケースに適用されています。そのため、取り扱う商品の種類も多岐にわたります。ここで、これらのオブジェクトとシーンのいくつかに焦点を当てます。提示されたシーンのカテゴリは、それぞれが個別の種類の課題を構成するため、厳選されています。したがって、各シーンで保持することが特に重要なオブジェクトの特徴をリストします。ピースピッキングで発生する典型的な困難なシーンは次のとおりです。

テクスチャーのあるシーン

特徴:

  • ギャップ

  • 深さの違い

  • トランジション

  • 形

これらのシーンでは、2D および 3D エッジを保持することが最も重要です。シャープなエッジにより、たとえば、密に積み重ねられたオブジェクト間の隙間や、重なり合った薄いオブジェクトの深さの違いを明確に見ることができます。これは、あるオブジェクトがどこで終わり、別のオブジェクトがどこから始まるのかを簡単に確認できることを意味します。これは、2D と 3D の両方の検出アルゴリズムとセグメンテーション アルゴリズムにとって重要です。 3D 形状は、たとえば 3D データを使用した検出および姿勢推定アルゴリズムのための平面フィッティングを実行できるように維持することも重要です。 2D 検出の場合、テクスチャも保存する必要があります。つまり、彩度、ブルーミング、ハレーションを最小限に抑える必要があります。

隙間がほとんどない、密に積み重ねられた物体 隙間がほとんどない、密に積み重ねられた物体
奥行きの差が小さい、薄く重なり合った物体 奥行きの差が小さい、薄く重なり合った物体
しわくちゃで変形しやすく、暗い物体 しわくちゃで変形しやすく、暗い物体
複雑な形状の微小な物体 複雑な形状の微小な物体

隙間、奥行きの違い、変化、形状を示すピースピッキングシーン

回想シーン

特徴:

  • 形

  • 表面被覆率

これらのシーンでは、オブジェクトの 3D 形状を維持することが重要です。表面被覆率も可能な限り連続的である必要があります。これは、3D 検出アルゴリズムにとって特に重要です。 2D 検出とオブジェクトのセグメンテーションでは、エッジがシャープで視認できる必要があります。さらに、2D でのオブジェクト検出を確実に行うには、テクスチャも保存する必要があります。つまり、彩度、ブルーミング、ハレーションを最小限に抑える必要があります。

表面を覆う必要のあるポリ袋 表面を覆う必要のあるポリ袋
表面を覆い、形状を維持する必要のある反射物体 表面を覆い、形状を維持する必要のある反射物体
表面を覆う必要のある透明な包装材 表面を覆う必要のある透明な包装材
表面を覆う必要があるプチプチ 表面を覆う必要があるプチプチ

表面の被覆と形状の維持が求められる、ピース選択シーン。

透明なシーン

特徴:

  • 表面被覆率

  • 形

透明および半透明のオブジェクトは、ピースピッキング アプリケーションで識別するのが最も難しいオブジェクトの 1 つです。これらのオブジェクトには明確に定義されたエッジや表面の特徴がないことが多く、データにノイズが多く斑点が生じる可能性があります。このため、多くの物体検出アルゴリズムや姿勢推定アルゴリズムでは、それらの真の形状を表現することが困難になり、それらを正しく識別することが困難になります。これらのオブジェクトを適切に検出して選択するには、表面を良好にカバーすることが重要です。照明条件、背景、撮影角度なども、ピックを成功させるために考慮すべき要素です。

グリッパーのコンプライアンス

多くの場合、点群の品質が、使用するグリッパーの種類を決定する要因となります。たとえば、点群データの精度が高い場合は、許容誤差が狭い機械式グリッパーを利用できます。それ以外の場合は、より追従性の高い吸盤が必要になる場合があります。ピースピッキング用途では対象物、形状、サイズ、材質が多種多様であるため、吸盤が一般的に使用されます。この追加のコンプライアンスにより、物体に到達できなかったり、物体に衝突して物体やグリッパーを破壊したりする可能性が最小限に抑えられます。寸法の正確さ、点の精度、平面性も、グリッパーに必要なコンプライアンスのレベルを決定する要因です。

動作計画と衝突回避

ピースピッキングで考慮すべき追加の要素は、動作計画と衝突回避です。動作計画を使用してピッキング中のロボットの軌道を最適化し、サイクル タイムを節約します。多くの場合、ゴミ箱の壁、現在ピッキングされていない物体、その他の環境制限などの障害物への衝突を回避するために、衝突回避と組み合わせられます。視覚システムによって認識された障害物は、ロボットによって回避されます。理想的な世界では、視覚システムは環境をそのまま正確に重複して表現します。ただし、アーティファクトは発生します。これらのアーティファクトは、現実世界と一致しない誤ったデータまたは欠落したデータで構成されます。たとえば、偽のデータは、現実には存在しない幽霊面や浮遊塊として見られますが、欠落したデータは点群の穴として見られます。後者は不完全なサーフェス カバレッジの結果であり、点群に存在するはずのデータで構成されています。アーティファクトにより、衝突回避によりロボットが目的地に到達することが妨げられる可能性があります。したがって、動作計画では、どの障害物が無視しても安全で、どの障害物が無視できないかを定義する必要があります。カメラからの 3D データの品質が向上することで、グリッパーのコンプライアンスと衝突回避を伴う動作計画の複雑さを軽減できます。

このセクションでは ピースピッキングの要件を確認しました。次のステップは、シーンボリュームに基づいて適切な Zivid カメラを することです。