金属锭

本节提供金属锭工程的使用指导,该工程概览如下。

工件

有序码放的金属锭

工作距离

1200~3000mm

技术指标

识别定位精度:±5mm

识别成功率:大于 99%

视觉系统耗时:4~5s

工程介绍

下文将从适用场景、技术指标方面介绍该工程。

适用场景

本节将从工件、载具方面介绍该工程的适用场景。

工件

该工程对金属锭的适用情况如下表所示。

工件特征

适用/不适用情况

图示

工件类型

适用于整齐排列的类长方体金属工件,抓取点为工件中心

icon_1

不适用于形状不规则、无对称性的工件。当抓取点不为工件中心时,有特殊抓取要求

形状尺寸

适用于类长方体,如矩形锭、华夫锭、四棱台等

icon_2

不适用于异形件

工件材质

镁、锌、铝等金属

反光性/点云质量

适用于低反光、点云完整的工件

icon_3

icon_4

不适用于高反光、点云缺失严重的工件

码放方式

适用于有序码放的工件

icon_5

不适用于无序堆叠的工件

icon_6

层叠方式

工件多层码放

icon_7

载具

该工程对载具的适用情况如下表所示。

载具特征

适用/不适用情况

图示

载具类别

推荐使用塑料或木制托盘,且无隔板

icon_8

不推荐将金属锭单独装配于载具中,如限位槽等。限位槽(右图 1 处)将遮挡部分工件(右图 2 处),使工件图像不完整,引起识别误差

icon_9

技术指标

金属锭工程的技术指标如下:

  • 识别定位精度:±5mm

  • 识别成功率:大于 99%

  • 视觉系统耗时:4~5s

注解

视觉系统耗时指从相机采集图像至输出物体位姿所用的时间。

项目方案

项目布局

工作站布局

工作站布局如下图所示。机器人位于工作站中央,机器人左右两侧为工件上料位和输送线,工件上料位上方为相机支架。

../../../_images/workstation_layout1.png

该工作站内的工作流程如下:

  1. 金属锭由机器人或人工叉车运送至上料位置,并告知上位系统上料完成。

  2. 上位系统将金属锭来料信息发送至机器人。

  3. 机器人向视觉系统发送拍照指令,触发相机拍照。

  4. 视觉系统拍照后,将金属锭的位置信息发送至机器人。

  5. 机器人根据视觉系统发送的位置信息抓取金属锭,并放置在后续工位。

  6. 重复上述流程,直至整垛金属锭抓取完成。

视觉系统硬件组成

推荐型号

说明

相机

LSR L

推荐安装方式:Eye-to-Hand;工作距离:1200~3000mm

工控机

标准机型,无 GPU

处理器:CPU Intel i5-12400

内存:16G

硬盘:SSD 256G

系统:Windows 10 系统 x64

WIFI 模块

网口:4 个千兆网口

视频接口:默认为 HDMI 或 DP

机器人夹具

金属锭工程的夹具通常为真空吸盘或夹爪。

真空吸盘

真空吸盘夹具如下图所示。

../../../_images/clamps_12.png

夹具说明:

该夹具可通过吸盘吸附工件上表面进行抓取。

夹具优点:

  • 可适应不同形状的工件,且不会对工件表面产生划伤。

  • 机械结构简单。

夹具缺点:

  • 夹具载重有限,难以抓取较重的工件。

  • 吸盘抓取工件时存在定位误差,不适用于较高精度定位的场景。

夹爪

夹爪夹具如下图所示。

../../../_images/clamps_22.png

夹具说明:

该夹具可通过夹爪夹紧工件两端抓取工件。

夹具优点:

夹爪可稳定夹取工件,定位精度较高,可用于定位精度要求较高的场景。

夹具缺点:

  • 兼容性较低,工件形状差异较大时需更换夹具。

  • 夹爪可能对工件表面造成划伤。

夹具推荐

  • 工件重量较小,后续工位定位精度要求不高时,建议采用真空吸盘。

  • 工件重量较大,后续工位定位精度要求较高时,建议采用夹爪。

视觉方案

通信方式

推荐使用标准接口通信方式。

一、切换 Mech-Vision 配方

机器人 -> 工控机

请求指令

Mech-Vision 工程编号

配方编号

103

Mech-Vision 工程列表中工程名左侧的数字

1~99

示例

103, 1, 2

工控机 -> 机器人

返回指令

状态码

103

1107:配方切换成功 1012:Mech-Vision 配方编号不存在

示例

103, 1107

二、启动 Mech-Viz 工程

机器人 -> 工控机

请求指令

位姿类型

机器人位姿

201

0:不发送位姿 1:传入 Mech-Viz 的位姿为关节角及法兰位姿形式 2:机器人端自定义的关节角

机器人当前关节角及法兰位姿(若“位姿类型”为 1)

示例

201, 1, 0, -20.632, -107.812, 0, -92.818, 0.003

工控机 -> 机器人

返回指令

状态码

201

2103:执行正常 2008:工程运行错误 ……

示例

201, 2103

三、选择 Mech-Viz 分支

机器人 -> 工控机

请求指令

分支步骤编号

出口号

203

该参数应为正整数,用于指定分支选择将在哪个步骤上进行

该参数为正整数,该参数用于指定工程将沿消息分支步骤的哪个出口运行。

示例

203, 1, 1

工控机 -> 机器人

返回指令

状态码

203

2105:执行正常 2018:无效的分支出口号 ……

示例

203, 2105

四、获取规划路径(推荐)

机器人 -> 工控机

请求指令

路径点类型

205

1:路径点将以机器人关节角形式返回 2:路径点将以机器人工具位姿形式返回

示例

205, 1

工控机 -> 机器人

返回指令

状态码

是否发送完成

路径点数量

“视觉移动”位置

路径点

205

2100:执行正常 2007:路径规划失败 ……

0:未发送完路径中的全部路径点 1:已发送完路径中的全部路径点

默认范围:0~20 若路径中含有 20 个以上个路径点,请多次执行该指令。

“视觉移动”步骤路径点在整个路径中的位置

物体位姿 标签 速度

示例

205, 2100, 1, 2, 2, 8.307, 15.163, -142.177, -2.775, -31.440, -96.949, 0, 64

五、获取视觉目标点(无 Mech-Viz 时使用,不推荐)

机器人 -> 工控机

请求指令

Mech-Vision 工程编号

102

Mech-Vision 工程列表中工程名左侧的数字

示例

102, 1

工控机 -> 机器人

返回指令

状态码

是否发送完成

TCP 数量

保留字段

视觉目标点

102

1100:执行正常 1102:无视觉结果 ……

0:未完全发送 1:已完全发送

默认范围:0~20

该字段未使用,默认值为 0

物体位姿 标签 速度

示例

102, 1100, 1, 1, 0, 95.780, 644.567, 401.101, 91.120, -171.130, 180.0, 0, 0

关于标准接口通信的详细内容,可参考 标准接口通信

工程说明

../../../_images/project_overall_framework_0.png
  1. 采集图像: 用于获取金属锭的彩色图、深度图。

  2. 点云预处理: 用于对金属锭的原始点云进行预处理。

  3. 使用深度学习提取掩膜: 使用深度学习方法提取最高层金属锭的掩膜图像。

  4. 提取掩膜中对应的点云: 提取金属锭掩膜中对应的点云,并滤除不合格的点云。

  5. 3D 匹配: 利用金属锭点云的面模板进行面模板匹配,并生成抓取点。

  6. 调整位姿: 用于将金属锭的抓取点从物体坐标系变换至相机坐标系,并排序。

  7. 路径规划: 规划机器人的抓取路径。

  8. 输出结果: 将当前工程的结果发送给后台服务。

点云模板和抓取点设置方式

金属锭通常为铸件,一般使用相机拍照生成的工件点云来制作点云模板,然后将点云模板的几何中心点,作为工件抓取点。

../../../_images/matching_model_and_pick_point_edit1.png

提示

  • 当金属锭上下表面的形状尺寸不一致时,需分别获取上下表面的点云,然后生成点云模板。

  • 当金属锭上下表面的形状尺寸一致时,可直接根据点云生成点云模板。

抓取排序策略

从最高层金属锭开始,每层按照一定方向有序抓取,相机每拍照一次就抓取一个金属锭。排序相关参数需根据现场情况设置。

../../../_images/sort_method1.png

方案部署

参数调节建议

获取最上层图像

该步骤组合是为了提高深度学习的准确性和稳定性,尽量去除干扰,有利于深度学习识别工件图像。

../../../_images/invalidate_depth_pixels_outside_3d_roi2.png
  • 深度图分割 :需根据现场工件垛型尺寸,调整 2D ROI 的大小,确保已去除影响深度学习识别的干扰因素。

../../../_images/segment_depth_map.png

3D 匹配

需设置正确的点云模板,即选择和实际工件尺寸形状一致的模板,并且点云模板较为完整清晰。且将点云模板的几何中心点作为抓取点,保证机器人抓取工件中心。

../../../_images/3d_matching.png

位姿处理

该步骤组合可在金属锭上下表面形状、尺寸不同的情况下,调整位姿,将抓取点移动到工件表面。

  • 沿指定方向移动位姿 :当金属锭上下表面形状、尺寸不同时,需移动抓取点至工件表面,此时需根据实际工件尺寸设定 移动距离

提示

当方案中有多种不同型号的工件时,可通过添加配方的形式,切换不同工件的点云模板或相关参数。

路径规划

  1. 路径规划 步骤参数中单击 打开路径规划工具 ,进入路径规划工具。

  2. 路径规划流程为:Home 点 -> 料筐上方固定点 -> 工件接近点 -> 视觉目标 -> 工件接近点 -> 料筐上方固定点 -> Home 点。配置路径规划流程前,需先设置对应的机器人夹具,再根据现场实际场景设置机器人原点(Home 点),然后调整料筐上方固定点和工件接近点,并添加场景物体和碰撞检测设置。

  3. 路径规划 步骤参数 工作流程配置 处选择对应的工作流程。

常见问题及解决方法

深度学习识别效果不佳

深度学习模型暂时不能保证适用于所有的垛型与工件种类,当存在特殊形状的工件时,需要对深度学习模型进行迭代。

匹配存在误差

当匹配出现误差时,可通过优化匹配相关参数,来提高匹配的准确性。匹配相关步骤及其需要调节的重点参数如下表所示。

步骤

重点参数

3D 粗匹配 V2

采样后模型的期望点数

参考点采样步长

体素长度生成策略

体素长度下限

体素长度上限

3D 精匹配(易用版)

偏差矫正能力

运行方式