2020年8月5日 机器视觉与计算机视觉技术

发那科机器人iRvision视觉系统在涂装生产线上的应用

发那科机器人iRvision视觉系统在涂装生产线上的应用

张  旭

(上汽大通汽车有限公司,江苏 无锡)

0  引言

随着时代科技的不断发展,人工智能已逐步取代人工,走进人们的生活与工作中。智能识别已不再陌生,在我国,以往现金支付的传统消费方式已逐步被手机支付所取代,只需打开手机扫一下二维码即可轻松支付。而对于汽车制造业来说也是如此,不同的车型不同的结构,不再需要通过人工来识别从而进行工作,工业机器人的普及取代了人工的繁杂沉重的工作,机器人的智能视觉系统则相当于机器人的眼睛,来规范机器人的动作,因而对于机器人视觉系统的应用普及已广泛被汽车制造业所重视。

上汽大通汽车有限公司无锡分公司涂装车间2016年UBC底板胶自动段投入使用,成功地引进了发那科机器人iRvision视觉系统,用于补偿机器人的轨迹偏差,偏差值定位精准,确保机器人高品质完成喷胶作业,系统运行平稳,已处于国内外高水准行列。本文将以上汽大通汽车公司底板胶喷涂自动段工位为背景,结合涂装现场新车型的模型输入、视觉调试,分析发那科机器人iRvision视觉系统的组成和工作原理。

1  机器人引入视觉系统的目的

UBC底板胶喷涂是车身在涂装生产线工艺链中比较重要的工艺,它直接决定了一个成品车底板的防腐性能,此前UBC工位由操作工使用PVC喷枪进行手工喷涂。伴随上汽大通引进全新车型平台,且车型众多底板愈来愈复杂,手工喷涂已经难以保证节拍和喷涂质量,因而涂装车间于2016年新车间建立时引入发那科UBC机器人来喷涂底板胶。由于车身上底涂抱具后相对位置不一,而底涂机器人位置固定,需要纠正机器人喷涂轨迹来修正车身不同位置带来的偏差量。因而需要安装发那科iRvision视觉系统来充当机器人的眼睛,补偿喷涂轨迹偏差。

2  iRvision视觉系统的基本原理

iRvision视觉系统由如下设备组成:相机、镜头、相机电缆、照明装置以及机器人控制装置。其基本工作原理是由若干台相机在不同位置抓取工件的不同点位以获得工件的相对位置从而来修正机器人的路径偏差。因而iRvision视觉系统最主要的作用就是机器人偏差补正。

利用传感器补正机器人的方法有两种:绝对位置补正和相对位置补正。所谓绝对位置补正,就是传感器识别工件的绝对位置后通知机器人,机器人移动传感器所通知的位置。而所谓相对位置补正,就是由传感器识别工件从对机器人的程序进行示教的时刻起偏离多少的偏差量(相对位置)后通知机器人,机器人加入了传感器所通知的偏差量而移动到程序中所示教的位置。iRvision系统就是用相对位置补正的方式进行补偿差量。

工件的偏差量是为进行机器人位置的补正而被使用的,所以将其叫做“补正量”或者“补偿数据”。补偿数据根据进行机器人的程序示教时工件位置和现在的工件位置而计算出。我们将进行机器人程序示教时的工件位置叫做基准位置,将现在的工件位置叫做实测位置。基准位置与实测位置之差就是补偿数据。基准位置在进行机器人程序示教时由iRvision进行测量,并存储在iRvision的内部。我们将基准为止给iRvision的操作叫做基准位置设定。

三维补正包括两大类即位置补正和抓取偏差补正。位置补正是用相机观察放置在工作台上的工件,测量工件偏离多少而被放置,以能够对偏离放置的工件正确进行作业的方式补正机器人的动作。而抓取偏差补正则是利用相机观察在机器人偏离的状态下抓取的工件,测量偏离多少而抓取。在实际调试中,我们采用位置补正方式,利用相机拍照获得车身位置的偏差从而进行机器人动作补偿。

现场采用3台相机测量车身的3个孔位,计算车身的3维位置进行机器人补正,检测时,各相机测量自相机向检测对象的3根视线,将事先已知形状的三角形应用到此3根视线,确定各检测对象位于视线上的哪个位置,求出工件的3维位置和姿势。如图1所示。

3 iRvision视觉系统的安装与标定

3.1 iRvision视觉系统的安装

将四台CCD相机固定设置在架座上,架座分布在底涂机器人段室体的四个角落,四台补光灯分别安装在四台相机旁边,相机三用一备,根据车体情况选择其中三个相机进行拍照测量。当车身到达机器人工位时,相机外壳通过汽缸收缩打开,补光灯打开,相机开始捕捉拍照,相机始终从相同距离观察相同部位,可以与机器人进行其他作业期间并行地进行视觉的测量,因而具有缩短总体周期时间的优点。相机通过网线连接到底涂机器人控制系统里。当然还有一种固定相机的方式即将其固定于机器人上的手腕部,通过移动机器人利用一台相机对不同场所进行测量。此方法因未在涂装生产线上运用就不做过多阐述。

3.2 相机的标定

iRvision利用相机从所拍摄的图像检测出对象物进行机器人的补正,需要将iRvision检测出的图像上的位置数据变换为符合机器人动作基准的坐标系(用户坐标系或者工具坐标系)上的位置数据。要进行如此的数据变换,需要有相机观察哪个机器人的坐标系,如何进行观察的信息,设定该信息的作业叫做相机的标定。要进行机器人的补正需要先标定相机。

相机采用点阵板标定,首先设定要使用的点阵板夹具的格子间距,选择1个标定面进行标定。投影方法选择透视投影,焦点距离设为自动计算,进行点阵板的检测时自动计算焦点距离。将点阵板固定好后,按下设定按钮。根据所指定的用户坐标系的数据,iRvision计算将点阵板夹具放置在用户坐标系的何处,如何放置,并将结果记录下来。此时按下F3拍照,摄入点阵板夹具的图像。按下标定面1的检测按钮,用所显示的紫红色的长方形窗口指定点的范围。按下F4确定,当检测成功时,各个格子的中央会显示+,如图2所示,此时4个大格子中显示有淡蓝色的+,小格子中显示有绿色的+,小格子即使有1~2个无法检测出也不碍事。至此标定结束。

4 iRvision新程序的建立

4.1 车身的初始化测量

在对新车型进行iRvision示教之前,需要对车身底部进行选孔并标注三个孔彼此的相对位置。在选取定位孔时应尽量选择易识别的孔位较正的圆孔,所选的孔周围不能有干扰项,否则拍照时会因识别不了是哪个孔而报错。选孔只需选择三个即可,三个孔分布在车底板的三个角落,方便相机识别。在选择好定位孔后利用CAD等绘图软件对三维建模进行测距,得出三个定位孔德相对坐标。如图3所示。此坐标值用于后面程序的示教。

4.2 视觉系统模型的示教

我们将iRvision的示教数据叫做视觉数据,对iRvision进行示教就是创建视觉数据后进行示教。视觉数据与机器人的程序以及I/O的设定一样,被存储在机器人控制装置内的FROM中。因此能够存储视觉数据的容量,随用户使用的控制装置的FROM的可用容量而不同。制定的选项软件越多,FROM的可用容量就越小。用户使用的控制装置的FROM的可用容量可通过示教器的[STATUS]状态你的[记忆体]进行确认。

模型示教时首先将示教样车停在底涂机器人自动段,手动打开相机盖板,打开补光灯,在上位机上进行拍照,观察所选取的三个孔是否在相机观察范围中心。在确定三个孔位置合格后接下来进行孔的示教,分别选择每个孔,并用卷尺测量出孔与相机的直线位置(不需要非常精准),并输入在视觉程序里的基准位置上,然后将建模时测出的孔的相对位置输入在孔德图形位置里。然后拍照检出并放大孔的形状,对孔进行模型示教,设置孔的检索范围以及中心原点,并对孔周围的干扰项进行遮蔽。然后设置孔的角度、大小和扁平率。以上工作结束后对此孔进行对此拍照检出,观察检出得分情况,并此前修改的参数以及对曝光时间进行修改直至检出合格。在所有工作结束后将此模型保存在iRvision程序里。

5  iRvision视觉系统的其他应用

发那科机器人的iRvision视觉系统除了上述论文讲述的用于补偿机器人喷涂的偏差之外还有一个重要的功能即车型识别。每当一个车型通过底涂室体机器人喷涂段时,可通过视觉拍照识别车型,从而避免了机器人因喷涂车型错误而发生碰撞的风险,此功能多应用于车型众多且复杂的商用车企业。

6  结语

在如今科技快速发展的时代,人工智能取代人工已是社会主流趋势,涂装生产线机器人的开发与运用将逐步解放人工,减少了油漆、防腐胶等物质所形成的有毒环境对工人的影响,而发那科机器人的iRvision视觉拍照技术的引进,则成功地修正了机器人的喷涂轨迹,弥补了由于车身上底涂抱具后相对位置不一以及车身本身所带来的偏差量。此系统偏差值定位精准,系统运行稳定,能够帮助机器人高品质完成喷胶作业。与此同时,该视觉系统经过调整改进也可用于其他工控领域。

(参考文献略,详情见《现代涂料与涂装》2019-1)

Banner
Related Posts

结合机器人和机器视觉的全自动检测系统

2019年6月4日

2019年6月4日

IVS将人工智能机器视觉与尖端机器人自动化相结合,提供灵活的自动视觉检测单元。

基于机器视觉的工业机器人分拣系统

2019年10月17日

2019年10月17日

分拣机器人是一种应用范围非常广且技术附加值很高的数字控制装备。随着工业领域中自动化生产越来越普及,机器人被广泛地应用到各种各样的工业化流水线上,完成种类繁多的工作。图1 是分拣机器人在进行分拣作业。

Octopuz2.1自动化离线机器人编程的路径分析和解决功能

2019年3月9日

2019年3月9日

Octopuz 2.1通过提供简化的工具路径轨迹求解方法,重新定义了离线机器人编程的标准。新的octopuz探路工具套件自动识别并解决程序中的限制和错误。

神经般的“光学花边”可以为机器人提供更高的触觉能力

2019年9月17日

2019年9月17日

光学花边-分布在3D打印弹性体框架中的可拉伸光纤的花边-可用于创建一个类似于生物神经系统的连接感觉网络,使软机器人能够感知它们与环境的相互作用并调整其相应的动作。

机器人如何感知周围环境,可能比想象的要困难

2019年6月25日

2019年6月25日

对于机器人而言,能够感知和理解周围的世界对于简化集成至关重要。如何让机器人可以做出一杯像样的咖啡,诸如打开咖啡机、分发咖啡豆、寻找牛奶和糖等习惯性行为需要一定的感知能力,而这对许多机器来说仍是幻想。

机器视觉与AI的整合推动工业优化与自动化

2019年3月12日

2019年3月12日

NEXCOM 子公司 NexCOBOT 提供了一套将人工智能 (AI) 与机器视觉整合并采用全新 Intel 视觉加速器设计产品的弹性模块化机器人解决方案。这套解决方案集结了人工智能的判断力、机器人的行动力与机器视觉的洞察力,为制造和工业实作带来全新层次的精确化与优化。

纺织业以3D视觉导引机器人 可节省超过50%人力

2019年8月13日

2019年8月13日

工研院表示,未来引进这个技术,可避免机器视觉受打样金属模板反光影响,有效率实时定位布料位置与缝份路径,预估打样最快1个工作天即能完成,可节省超过50%人力。

Lonza的全自动平板机器人解决方案实现了简单、快速和可靠的内毒素检测

2019年4月26日

2019年4月26日

Lonza宣布推出全球首个用于内毒素检测的全自动和集成平板PyroTec™PRO机器人解决方案。结合机器人液体处理平台的速度和可重复性以及Lonza市场领先的WinKQCL™软件6.0版的强大功能,该系统简化并加速了肠外药物的内毒素检测,无论样品的复杂程度如何。

融合人工智能、机器人和机器视觉的自助冰沙售货系统

2019年8月14日

2019年8月14日

食品机器人公司Blendid首席执行官与我们讨论了食品机器人领域的融合趋势,如何将人工智能、机器人和视觉融合在一起,做出更好的奶昔

基于3D视觉导航的智能料箱搬运机器人在智能制造中的应用

2019年5月22日

2019年5月22日

本文根据目前搬运机器人在智能制造产线使用过程中碰到的一些问题,提出我们认为更柔性、性价比更好的解决方案供大家探讨,以便更好推动智能机器人在智能制造项目中的实际应用落地。

智能化钢厂应如何建设?

2019年3月11日

2019年3月11日

在当前智能制造的热潮之下,很多钢铁企业都在规划建设智能工厂。那么,智能钢厂的规划要考虑哪些核心要素?关注哪些维度?

新加坡初创公司推出具有人类般灵巧抓地力的机器人

2019年10月10日

2019年10月10日

来自新加坡南洋理工大学(NTU新加坡)的一家名为Eureka Robotics的机器人技术初创公司推出了一款新型机器人,该机器人可以像人的手一样细致而精确地拾取精密的光学镜片和反射镜。

3D机器视觉引导机器人系统实现物流电子化

2019年3月24日

2019年3月24日

在许多传统的电子商务履行仓库中,卸载、拣货和订单履行功能都是手工执行的。为了实现这一过程的自动化,同时节省时间和金钱,DHL在荷兰白令海峡的仓库位置上寻求了机器人机器视觉专家Robomotive的帮助实现这一目标。

协作机器人技术-历史和发展趋势

2020年1月9日

2020年1月9日

协作机器人(cobot,俗称cobot)已经发展得非常迅速和成功。仅仅在十年前,cobot这一新兴技术就遭到了质疑,如今cobot代表了工业机器人技术中增长最快的部分。协作机器人是机器人研究中的新趋势,并是该行业最有希望的未来发展。

工业自动化和机器视觉市场最新趋势

2019年6月25日

2019年6月25日

机器视觉还将其范围扩展到医学、安全和农业领域。这一增长主要是由于创新的图像传感设备的引进和包括通信在内的计算技术的发展。随着科技的进步,机器视觉不仅可以代替人类的视觉,还可以处理多维的无形信息。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注