사이클 타임 및 경로 최적화¶
- 사이클 타임
사이클 타임은 부품의 지정된 처리 내용을 완료하는 데 필요한 시간, 즉 로봇 워크 스테이션의 작업 효율성에 대해 사용자가 지정한 연간 생산량을 나타냅니다.
현재 대부분의 프로젝트는 사이클 타임에 대한 요구가 있으며 일부 프로젝트는 사이클 타임에 대한 요구가 매우 높습니다(4초 또는 5초 이내). 생산 사이클 타임에 대해 요구가 비교적 높은 프로젝트의 경우 워크스테이션이 전체 작업 프로세스를 완료한 후 Mech-Mind 소프트웨어 시스템이 비전 알고리즘 최적화 및 로봇 경로 최적화를 통해 사이클 타임이 크게 개선됩니다. 사이클 타임은 주로 카메라 캡처 타임,Mech-Vision 처리 타임,Mech-Viz 계획 타임, 그리고 로봇 처리 완료 때 까지의 시간을 모두 포함하므로 전체 사이클 타임과 경로 최적화에 대해 주로 위의 세 부분으로 나뉩니다. 그림1과 같습니다.
그림1 경로 및 사이클 타임 최적화의 전반적인 아이디어¶
Mech-Eye Viewer¶
투영 시간¶
2D/3D 노출 파라미터¶
Mech-Eye Viewer 를 사용할 때 복잡한 금속 부품 인식,디테일이 많은 물체 인식 등과 같은 일부 시나리오에서 더 많은 정보를 얻기 위해 2D 노출 모드를 전환하고 서로 다른 3D 노출 시간을 2~3세트 사용하여 투영 및 이미지 캡처를 진행합니다. 동시에 종이 상자, 평평한 부품등과 같은 더 많은 시나리오에서 노출 횟수를 줄여 시간을 절약할 수 있다는 점에 유의해야 합니다. 아래 그림과 같습니다.
2D/3D 노출 파라미터 조절에 관한 상세한 내용은 Mech-Eye Viewer - 파라미터 조절 내용을 참조하세요.
업데이트¶
최신 버전의 Mech-Eye Viewer 소프트웨어를 사용하고 카메라 펌웨어 버전을 동시에 업데이트하면 뎁스맵과 포인트 클라우드의 생성 속도를 높이고 카메라의 캡처 속도를 어느 정도 향상시킬 수 있습니다.
카메라 변경¶
Deep 시리즈 카메라와 같은 Mech-Mind의 카메라 제품은 시야가 넓기 때문에 두 대의 광학 기계를 사용하여 별도로 투영한 다음 얻은 포인트 클라우드를 합성해야 합니다. 따라서 일반적인 상황에서는 투영 시간이 Pro M 및 Pro S 시리즈 카메라의 2배가 됩니다. 시니리오의 작업 범위를 결정한 후 적절한 카메라를 사용하면 이미지 캡처 속도를 높일 수 있습니다.
뎁스 ROI¶
뎁스맵 ROI는 카메라 시야의 영역을 분할하여 카메라가 처리해야 하는 데이터량을 줄이는 것입니다. 뎁스맵 ROI는 XY 방향의 ROI와 뎁스 제한을 별도로 설정할 수 있으며 포인트 클라우드의 수량을 전체적으로 줄일 수 있습니다.
XY 방향의 ROI 설정은 그림2와 같으며, 인터페이스로 들어간 후 ROI 범위는 프레임으로 표시될 수 있습니다.
그림2 뎁스 ROI설정 (XY)¶
Z 방향의 제한은 카메라 파라미터에서 설정해야 하며 최소 및 최대 깊이를 각각 설정해야 포인트 클라우드의 수량을 효과적으로 줄일 수 있습니다. 그림의 숫자 단위는 밀리미터입니다.
그림3 뎁스 ROI 설정(Z)¶
Mech-Vision¶
Step 가속¶
카메라에서 이미지를 캡처하기¶
그림4 카메라에서 이미지를 캡처하기¶
카메라에서 이미지를 캡처하기 의 스텝은 Mech-Vision 프로젝트에서 가장 중요한 스텝이며 대부분 프로젝트에서 약 40% 시간이 걸립니다. 카메라에서 이미지를 캡처하기 소요되는 시간은 주로 위의 방법으로 해결될 수 있습니다. 동시에 카메라가 RGB 이미지와 뎁스맵을 캡처하고 합성하여 포인트 클라우드 이미지를 생성하기 때문에 카메라에서 이미지를 캡처하기 의 기능을 분할할 수도 있습니다. 일부 프로젝트에서는 포인트 클라우드와 RGB 이미지를 별도로 처리해야 하며, 딥 러닝 프로젝트가 필요한 경우 별도로 처리할 수 있습니다. 그림5와 같이 프로젝트를 병행으로 계산하기 때문에 더 많은 시간을 절약할 수 있습니다.
그림5 딥 러닝과 포인트 클라우드 처리의 병행 계산¶
포인트 클라우드 처리¶
실제 프로젝트에서는 카메라에서 직접 얻은 포인트 클라우드가 직접 사용될 수 없는 경우가 많고 포인트 클라우드 클러스터링,합치기 등 보다 구체적인 처리가 필요합니다. 또한 디테일을 최적화하여 사이클 타임을 최적화할 수도 있습니다. 다음은 포인트 클라우드 처리, 사이클 타임에 큰 영향을 미치는 스텝과 사이클 타임 최적화 방법에 대해 나열하도록 하겠습니다.
ROI에서 포인트 클라우드를 추출하기¶
일반적으로 시나리오 포인트 클라우드에 대해 대상 부품을 포함한 영역만 ROI 영역입니다. 이런 경우에 어떤 영역을 집중하기 위해 ROI를 그려서 선택하고 사이클 타임을 크게 개선하도록 대부분 비작업 영역 포인트 클라우드를 제거하는 것이 필요합니다.
그림6 ROI에서 포인트 클라우드를 추출하기¶
포인트 클라우드 다운 샘플링¶
이 스텝은 포인트 클라우드를 샘플링하여 원시 포인트 클라우드의 크기를 줄이는 데 사용됩니다. 포인트 클라우드 밀도에 대한 요구가 높지 않은 대부분의 프로젝트(예: 가장자리 매칭만 필요한 경우, 가장 높은 층의 마스크를 획득하기 등)의 경우 이 스텝을 추가하면 사이클 타임이 크게 개선될 수 있습니다. 【샘플링 간격】은 샘플링 배율은 조정할 수 있고 사이클 타임 요구에 따라 설정할 수 있습니다.
그림7 포인트 클라우드 다운 샘플링¶
포인트 클라우드의 법선 벡터를 계산하고 필터링하기¶
뎁스 맵을 포인트 클라우드로 전환된 후 포인트 클라우드의 법선 벡터를 계산하고 필터링해야 합니다. 맞춤형 그래픽 카드(GPU)가 있는 IPC의 경우 GPU 가속 법선 계산 방법을 설정하면 사이클 타임이 크게 향상될 수 있습니다.
그림8 포인트 클라우드의 법선 벡터를 계산하고 필터링하기¶
3D 매칭¶
3D 매칭 은 3D 근사 매칭과 3D 상세 매칭으로 구성되며 모델의 개수에 따라 단일 모델과 다중 모델로 나눌 수 있습니다. 근사 매칭은 공간 포인트 클라우드에서 모델의 포인트 클라우드의 대략적인 위치를 계산하는 것이고 상세 매칭은 모델과 공간 포인트 클라우드를 매칭하는 것입니다. 이 스텝은 공간에서 모든 포인트의 상대적 위치를 계산해야 하므로 포인트가 많을수록 더 많은 시간이 걸리고 상세 매칭을 더 많이 반복하면 더 많은 시간이 걸립니다. 따라서 이 두 스텝을 조정할 때 처리될 포인트 클라우드(데이터 및 모델)의 수량을 줄이고 반복 횟수(상세 매칭)를 줄이는 것을 핵심으로 합니다.
팁
근사 매칭 경우에 [SurfaceMatching]을 선택한 경우[샘플링 설정]을 통해 포인트 클라우드 밀도를 조정하여 계산 시간을 단축합니다. 다운 샘플링된 포인트 클라우드의 밀도를 더 이상 낮출 수 없지만 사이클 타임을 개선해야 하는 경우[참고한/참고된 포인트의 샘플링 스텝 길이]크게 설정하세요.
초기에 클러스터링, ROI, 포인트 클라우드 필터링 등 일부 포인트 클라우드 사전 처리 작업을 통해 많은 필요없는 포인트 클라우드를 제거합니다.
많은 부품을 매칭하는 경우 동시에 매칭되는 부품의 수량을 적절하게 줄일 수 있습니다. 예를 들어 한번에 3개의 부품만 매칭하여 매칭 속도를 높이는 것입니다.
실제 부품의 특성에 의해 모델 파일을 간소화합니다.예를 들어 부품의 사이즈가 큰 경우에 가장자리 모델을 사용하여 매칭하거나 모델에 대해 다운 샘플링하여 포인트 클라우드의 수량을 더 작은 범위로 줄입니다.
포인트 방향의 계산 방법: 법선이 없는 모델의 경우 [StandardMode]를 사용하며 평면 물체 가장자리가 모델인 경우 [EdgeTangent]를 사용하고 인식된 물체가 잘 분할되었는지를 확인해야 합니다.
그림11 3D 근사 매칭¶
그림12 3D 상세 매칭¶
기타¶
프로젝트에는 카메라에서 이미지를 캡처하기 및 3D 매칭 외에도 많은 다른 스텝이 있습니다. 대부분 스텝의 실행 시간은 무시해도 되는데 조정이 필요하면 Mech-Vision :스텝 사용 가이드 에 따라 적절히 조정할 수 있습니다.
Mech-Viz、로봇¶
경로 최적화¶
로봇 경로 최적화는 주로 로봇이 움직이는 동안 불필요한 고정점과 동작을 줄이는 것을 의미합니다. 따라서 경로 최적화의 핵심은 고정점을 줄이고 우회로를 줄이는 것입니다.
팁
주로 다음과 같은 작업을 포함합니다.
우회로를 감소하는 것입니다. 충돌이 없는 이동 과정에서 로봇의 원활한 작동을 위해 중복되는 중간 포인트를 줄이세요.
초기 단계에서 로봇의 움직임을 보장하기 위해 고정점을 줄입니다.
회전을 줄이는 것입니다. 로봇의 피킹 과정에서 클램프가 180° 이상 회전할 수 있으므로 비전 프로젝트의 제어와 대칭성 조정을 통해 이러한 상황의 발생을 줄일 수 있습니다. 상대적인 이동 을 통해 통해 과한 회전을 직접 피할 수 있습니다.
대부분의 이동 태스크에 기다리는 시간을 추가하지 않으면 로봇 이동의 유창성을 향상시키고 일시 중지를 줄일 수 있습니다.
로봇 이동 경로의 미끄러움을 제고하기 위해 회전 반경 기능을 적당하고 합리적으로 사용하여 로봇이 이동 중에 고정점을 피할 수도 있습니다. 동시에 더 많은 관절 운동을 사용하고 거리가 긴 직선 운동의 사용을 줄이며 로봇이 싱귤래리티로 이동할 가능성을 줄입니다.필요한 경우 장거리 직선 운동 대신 여러 개의 관절 운동을 사용하여 장거리에서 운동 상태를 제어할 수 없는 문제를 방지합니다.
싱귤래리티를 피하기 위해 Mech-Viz 소프트웨어의 설계에 따라 싱귤래리티를 건널 때 로봇이 오류를 알리는 것을 방지하기 위해 속도를 적당히 줄일 것입니다. 마찬가지로 부품을 피킹하는 과정에서 로봇 싱귤래리티로 인한 에러 정지나 저속도 운행 등 문제를 방지하기 위해 로봇이 싱귤래리티 근처로 이동하지 않도록 해야 합니다. 파라미터 조정은 실행 설정을 참고하세요.
로봇 속도¶
로봇의 작업 프로세스가 이미 정해지고 느린 속도로 안정적으로 실행되는 과정에서 로봇 속도를 가능한 최고 속도로 점차 높이면 로봇 속도 제고가 사이클 타임 개선에 큰 도움이 될 수 있습니다.
팁
로봇 각 동작의 속도는 Mech-Viz를 통해 직접 조정할 수 있습니다.
이동 모듈 속도¶
Mech-viz 가 이동 태스크를 실행하는 경우 기본적으로 가속도 50% 및 속도 100%로 설정됩니다. 경로 최적화가 완료된 후 각 모듈의 속도와 가속도를 개별적으로 조정할 수 있으며 다양한 조건에서 로봇의 속도와 가속도를 제어할 수 있습니다.
팁
로봇이 부품을 피킹하지 않을 때 속도와 가속도를 최대 허용 값까지 점차 늘릴 수 있습니다.
그림13 Mech-Viz에서 이동 속도 제어¶
캡처 프로세스 및 타이밍¶
Mech-Viz 소프트웨어에서 비전 인식 모듈을 사용하여 캡처을 트리거하고 Mech-Vision 소프트웨어를 통해 결과를 처리 및 출력하고 처리 결과를 얻고 비전 이동 모듈에서 결과를 얻어 로봇을 제어하여 지정된 위치로 이동시킵니다. 데이터 처리 프로세스는 백그라운드에서 실행할 수 있습니다. 즉 획득한 새로운 데이터는 로봇이 이동하는 동안 처리되고 다음 피킹을 위해 준비될 수 있습니다
팁
Eye to Hand 모드에서 로봇이 부품을 피킹하고 카메라의 시야 범위 밖으로 이동한 후 카메라를 통해 이미지를 캡처하고 백그라운드에서 처리합니다. 로봇이 하나의 부품을 처리한 후 바로 다음 부품을 피킹할 수 있습니다 .
Eye in Hand 모드에서 로봇이 부품을 피킹하고 사진 캡처 위치로 돌아가 카메라를 통해 이미지를 캡처하고 백그라운드에서 처리합니다. 로봇이 첫번째 부품을 배치한 후 바로 두번째 부품을 피킹할 수 있습니다.
힌트
일부 상자 디팔레타이징 프로젝트에서는 매번 피킹한 후에도 다른 상자에 변화가 없도록 할 때 한 사이클 멀티 피킹 방식을 사용할 수 있습니다. Mech-Vision 소프트웨어는 인식 과정마다 여러 물체를 한 번에 인식해 모든 포즈를 제공합니다. 따라서 한 번의 인식으로 로봇이 인식한 모든 상자를 피킹하고 피킹 후 사진을 다시 캡처할 수 있어 많은 카메라 시간을 절약할 수 있습니다.
또한 클램프가 충분히 크면 피킹 사이클 타임을 개선하기 위해 한 번에 여러 위치에 있는 상자를 피킹하도록 제어할 수도 있습니다.