自定义算法用于解决机器人层形成和去托盘系统的挑战

应用制造技术公司(AMT)与Gojo Industries公司合作开发了机器人电池:一种去托盘和层成型系统。为了解决卸托盘系统的视觉问题，他们使用了3D快照，这是一种生成3D点云的方法。工程师们限制机器人的移动，以帮助提高其速度。在分层的一侧，工程师们在传送带上方安装了一个摄像头，这样任何盒子都可以通过。为了解决速度问题，传送带用它的轨道来对齐箱子，提高速度。

项目总结

机器人脱托盘系统被设置来接收产品托盘(单层，同质SKU)。数据库提供了关于每个托盘的信息，包括盒子的长度、宽度、高度、重量和预期方向，以及组成单个托盘的行数和列数。利用架空3D视觉系统和可编程逻辑控制器(PLC)来查找托盘上的所有箱子，并使用自定义算法来确定要拾取哪些箱子，机器人手臂移动到目标箱子，使用真空抓手拾取它们，然后移动到出料通道将它们放下。箱子离开机器时必须排成一列，长度沿着输送方向。

机器人分层系统从一个计量的进料传送带通道接收单个案例，以及一组描述每个盒子的数据。头顶上的2D摄像机在传送带上发现每个盒子。机器人使用一个测量传送带运动的编码器，在每个进入的盒子周围移动一个夹持工具，挤压以抓住它，并在传送带上移动，这样它就会与传送带上的其他盒子一起，在目的地形成一个网格图案。

处理输送机对准问题

在这个项目中出现的一些困难包括准备在传送带上排列不良的盒子，创建逻辑将盒子堆成可拾取的组，防止夹钳挤压得太紧而损坏盒子和低效的托盘图案。此外，该系统是在COVID-19大流行期间设计的，应对了COVID-19后的艰巨挑战，包括供应链短缺、设施准备工作繁重以及产品供应不足。

脱托盘机局限性

卸托盘机在试图识别和卸载箱子时遇到了视觉软件的限制。不管一开始的网格包装有多完美，振动、滑动、反弹和其他力都会使盒子移动——当它们到达机器人时，盒子不太可能保持完美的网格形式。由于无法找到盒子之间的边缘，3D点云(盒子角落的空间表示)将多个盒子解释为一个单一的斑点，当图片中发现太多边缘时，使用同一台摄像机的典型2D图像可能会故障。这个过程变得非常缓慢，经常会发现可以做出正确大小的盒子的边，即使那里没有盒子。

成层系统

虽然比脱托盘系统更简单，但层形成单元也有它的挑战。最紧迫的障碍是速度。所需的循环时间要求这台机器每1.1秒处理一个箱子。早期的模拟表明，让这种机器人模型移动得那么快是不可持续的。机器人可以达到这些速度，但不能维持下去;它将不得不把所有的马达都过载到一个不健康的水平，大大缩短了它的寿命

解决方案

对3D视觉系统的能力进行了深入的研究，并学习如何使用它来寻找矩形盒子。这个视觉系统使用一种现成的软件，叫做盒子定位工具。根据负载参数的类型，机器人的速度和加速度必须进行调整，以处理不同条件、方向、重量和高度的负载。

De-tray系统

为了应对视觉系统找不到箱子和满足速度要求的双重挑战，工程师们在确定策略之前尝试了各种选择。

为了解决视觉问题，我们使用了3D快照，这是一个生成3D点云的过程。过滤器也添加到这些数据中，例如删除所有低于特定Z高度的点。通过知道最小盒子高度是多少，以及其他障碍物低于这个高度，Z值就确定了，除了实际的盒子，所有东西都可以从这个点云中移除。为了避免出现多个盒子时出现一个大的斑点，我们使用2D图像来寻找一个盒子可能存在的所有可能的点，然后删除其中任何没有足够3D点的地方，使它们成为一个真正的盒子。通过这个过程，可以成功地找到托盘上的所有箱子，并为它们找到准确的位置和方向。

这个项目最耗时的任务是编写自定义软件逻辑，以使用视觉系统将箱子合并到可拾取的组中，用于卸托盘机。寻找最佳盒子的算法包括按Y方向对所有结果进行排序，以便列表上的第一个盒子离机器人最远。如果发现了任何阻挡物(当你试图捡起盒子1时，一个盒子挡住了你的路)，那就意味着盒子1不是最好的焦点，这个过程就会重复，把盒子2作为焦点。在找到要拿起的焦点盒后，问题变成了它能拿起其他盒子吗?

在选出一个百分比后，这些盒子需要重叠，以被认为是对齐的，可以挑在一起找到组，然后计算泡沫垫的位置。我们的目标是让泡沫的边缘恰好落在组的边缘上，这样它就只能得到它想要的盒子，而没有额外的盒子。当选择了组后，确定了真空垫所需的位置，并将机器人路径从盒子映射到出料。

采用了几种优化来加快循环时间。其中包括使用带有锐化滤镜的低分辨率图像，限制长度/宽度尺寸匹配的灵活性，降低搜索密度，改变曝光，等等。通过这些调整，视觉过程以所需的速度运行。为了加快机器人的速度，工程师们编写了程序，将机器人手臂的高度限制在间隙所需的最小值。进料和出料通道的接近，加上受限的机器人运动，意味着循环时间可以满足。该程序的最终定制基于盒子的表面积、高度和重量限制了允许的加速度，以防止易受影响的盒子失去真空。

成层系统

在分层系统中，一个架空的2D摄像机与PLC通信，当盒子进入传送带时，找到它，这样机器就可以处理没有对准基准的盒子。机器人还使用了一个编码器来测量传送带的运动。使用这些设备和带有编码器的直线跟踪来测量速度和运动，机器人移动一个7^th轴夹持器围绕每个传入的盒子，挤压保持它，然后沿着皮带滑动。机器人将每个盒子放在一个位置，在最后收集时形成网格图案。

完整的序列如下:

• 等待照片眼看到一个箱子到达。

• 存储当前编码器计数，以记住当箱子到达时皮带在哪里。

• 触发头顶摄像头拍照，并获得盒子的位置/旋转。

• 等待传送带移动到机器人够得着盒子的距离。

• 机器人遇到箱子，抓住它，并在匹配传送带速度的同时将它滑到最终位置。

一旦机器人完成了一层的盒子，它就会重置，重新开始下一层。数据还显示了一个盒子是否应该以其长度与输送机流对齐或旋转90度结束。利用这些数据，机器人可以在运行时计算出所有的动作。

为了解决速度问题，工程师们想出了一个巧妙的主意，利用输送机的进线导轨来发挥最大的优势。

轨道被作为基准位置，三排盒子被放置在适当的位置，以形成所需的图案。由于三分之一的箱子被正确地放置在传送带的轨道上，只有三分之二的箱子需要移动，节省了时间，满足了1.1秒的吞吐量要求，而不会使机器人超出其可持续能力。

结论

在设计卸托盘和分层机器人单元时，工程师们解决了几个高水平的技术挑战，包括为3D视觉系统编写新程序，创造性地解决机器人速度问题以满足周期时间要求。

迈克尔·豪他是CFE媒体和技术内容合作伙伴Applied Manufacturing Technologies的高级控制工程师。由Chris Vavra编辑，web内容经理，CFE媒体和技术，cvavra@cfemedia.com．

更多的答案

关键词:机器视觉，离散制造

考虑一下这个

3D如何希望改善您的生产运作?

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。