전문 용어

솔루션은 비전 응용을 실현하는 데 필요한 로봇과 통신, 비전 처리 및 경로 계획 등 기능 구성과 데이터의 모음입니다.

프로젝트는 Mech-Vision 프로젝트를 말하며 하나 및 이상의 솔루션으로 구성되었습니다. 프로젝트는 단독으로 사용할 수 없으며 솔루션에 속해야 합니다.

스텝은 프로젝트 구성의 기초이며, 하나의 스텝은 한 알고리즘 처리 단위이며 서로 다른 스텝을 결합하여 서로 다른 알고리즘 처리 프로세스를 구성합니다.

여러 스텝의 조합을 프로시저라고 합니다. 서로 다른 프로젝트에는 종종 일관되거나 유사한 알고리즘 처리 프로세스가 있습니다. 이러한 고정된 알고리즘 처리 스텝을 캡슐화하고 결합하여 쉽게 재사용할 수 있습니다.

파라미터 레시피는 프로젝트가 다양한 상황에서 실행될 때 조정해야 하는 파라미터 설정 모음입니다. 다양한 상황에 대해 서로 다른 파라미터 레시피를 구성함으로써 반복적인 프로젝트 구축을 피하고 프로젝트 적응성이 향상됨으로써 생산 효율성이 향상됩니다.

배경, 빈, 물체 등 카메라가 캡처한 모든 것을 포함합니다.

대상 물체란 포즈를 계산해야 하는 시나리오 속의 대상물이며, 로봇이 이를 처리/피킹해야 합니다. 대상 물체는 구체적인 요구 사항에 따라 대상 물체, 파티션, 빈 등이 될 수 있습니다.

대상 물체가 없는 시나리오를 가리킵니다.

시나리오에서 비전 데이터 처리에 불필요한 주변 부분을 제외한 영역입니다. 배경 물체, 파렛트, 상자 가장자리 등이 포함될 수 있습니다. 포인트 클라우드에서 3D 영역을 선택하거나 뎁스 맵/이미지에서 2D 영역을 선택함으로써 ROI를 설정할 수 있습니다.

캘리브레이션에 사용되는 로봇의 포즈를 가리킵니다. 필요에 따라 TCP, 플랜지 포즈 또는 관절 각도 형태가 있습니다.

캘리브레이션 보드에 있는 원을 가리킵니다.

대상 물체의 포인트 클라우드 모델을 시나리오 포인트 클라우드로 피팅하여 시나리오 중 물체의 포즈를 계산하는 과정입니다. 물체 포인트 클라우드 모델은 물체 모양과 특징을 반영하고 정의된 물체 포즈를 포함합니다.

3D 매칭에 사용되는 대상 물체의 포인트 클라우드 모델입니다. “대상 물체 편집기”에서 대상 물체 포인트 클라우드 또는 STL 모델을 통해 생성됩니다.

이 모델은 표면 특징을 기준으로 대상 물체를 매치하는 데 사용됩니다. 표면 모델은 물체의 표면 특징 부분을 포함하고 다른 불필요한 부분을 제외합니다.

대상 물체의 표면에 기복 모양 특징(예: 크랭크 축, 회전자, 강철 막대 등)이 많은 경우 면 모델을 사용하는 것이 좋습니다.

이 모델은 가장자리 특징을 기준으로 대상 물체를 매치하는 데 사용됩니다. 가장자리 모델은 물체의 가장자리 특징만 포함하고 다른 불필요한 부분을 제외합니다.

대상 물체가 상대적으로 평평하고 카메라에 명확하고 고정된 에지 특징(예: 패널, 트랙슈, 커넥팅 로드, 브레이크 디스크 등)이 표시되는 경우 에지 매칭을 사용하는 것이 좋습니다. “매칭 모델 및 픽 포인트 편집기”를 사용하여 가장자리 모델을 생성할 수 있습니다.

물체 모양과 특징을 반영하는 2D 템플릿을 맞추고 정의된 물체 포즈를 시나리오의 물체 이미지에 적용하여 시나리오 내에서 물체의 포즈를 계산하는 프로세스입니다.

2D 매칭에 사용되는 물체 모양과 특징을 반영하는 2D 모양입니다.

Mech-Vision에 있어 딥 러닝은 일반적으로 물체 인식과 분류, 물체 포즈 계산에 사용됩니다. 훈련을 통해 얻은 딥 러닝 모델은 Mech-DLK에서 내보내게 되며 Mech-Vision의 딥 러닝 스텝에 사용됩니다.

훈련된 딥 러닝 모델을 사용하여 실제 비전 데이터에 대한 예측을 통해 포즈, 분류 레이블 등의 정보를 얻습니다.

비전 결과는 한 Mech-Vision 프로젝트를 한 번에 실행하여 얻은 출력 결과입니다. 하나의 비전 결과에 여러 비전 포인트와 다른 데이터가 포함될 수 있습니다.

비전 포인트는 다음과 같이 계산된 포즈와 관련 데이터를 나타냅니다.

Mech-Vision 프로젝트가 계산한 물체 포즈입니다. 포즈에는 위치 정보(X,Y,Z 좌표) 및 방향 정보(오일러 각 또는 사원수)가 포함됩니다.

각 포즈에 부착된 문자열 레이블입니다. 일반적으로 대상 물체의 종류를 나타내는 데 사용됩니다.

(길이, 너비, 높이) 또는 (반경, 높이) 또는 기타의 형태로 표시되는 물체 포즈의 해당 물체 치수입니다.

로봇이 대상 물체 픽 포인트 위치에서 물체를 피킹할 수 있습니다. 어떤 경우에는 픽 포인트가 대상 물체의 포즈와 동일합니다. 픽 포인트와 로봇의 픽킹 포즈(TCP)는 일반적으로 일치하지만 Z축은 반대입니다.

시나리오에서 높이의 지정된 범위로 정의되는 부분으로, 일반적으로 시나리오의 맨 위에 위치하며, 처리/피킹에 가장 편리한 대상 물체의 포인트 클라우드를 포함합니다. 가장 높은 층의 포인트 클라우드 추출은 상자 팔레타이징 및 디팔레타이징 시나리오에 많이 사용됩니다.

카메라를 로봇 말단 플랜지에 고정하는 설치 방식을 가리킵니다.

카메라가 로봇과 분리되어 브라켓에 고정되는 방식을 가리킵니다.

카메라 고유한 내부 파라미터를 가리키며 오로지 카메라의 내부 속성과 관련됩니다.

카메라 좌표계와 세계 좌표계 간의 좌표 전환 관계를 가리킵니다.

측정 장치를 통해 획득하는 제품 외부 표면 에 있는 포인트의 데이터 모음을 포인트 클라우드라고 합니다.

선택한 이미지, 모양 또는 물체로 처리된 이미지(전체 또는 일부)를 가려 이미지 처리 영역 또는 프로세스를 제어합니다. 오버레이에 사용되는 특정 이미지 또는 물체를 마스크라고 합니다.

캡처해서 획득한 뎁스 맵과 컬러 이미지의 배경과 정보를 가리킵니다.

Mech-Vision에서 시각화될 수 있는 스텝의 출력 결과를 표시하는 것을 가리킵니다.

프로시저는 여러 가지 스텝이 결합되고 사용자가 자체 정의를 할 수 있는 특수한 스텝 모음입니다.

이미지를 픽셀 단위로 분류하고, 물체의 종류와 상관없이 물체에 다른 값을 부여함으로써 이미지를 분류하는 이미지 처리 방법입니다.

일정한 분류 규칙에 따라 종류가 다른 대상물을 구분하는 이미지 처리 방법입니다.

이미지에 대해 형태를 기반으로 하는 기본적인 변환입니다.

형태학 기본 운산의 하나로 이미지늬 하이라이트 구역에 대해서 침식을 하고 출력된 이미지가 원시 이미지보다 하이라이트 구역의 면적이 더 작도록 하는 것입니다.

형태학 기본 연산의 하나로 침식과 달리, 이미지의 하이라이트 구역에 대해 확장을 하고 출력된 이미지가 원시 이미지보다 하이라이트 구역의 면적이 더 크도록 하는 것입니다. 주의할 것은 침식과 팽창은 서로 역관계가 아닙니다.

파라미터의 수치 범위를 예측하는데에 쓰입니다.

신뢰구간의 안정성을 가리킵니다.

평면에 수직된 직선이 표시하는 벡터가 해당 평면의 법선 벡터입니다.

최소값이나 최대값을 가리킵니다.

부울이란 값이 True 또는 False 중 하나인 논리적 데이터 유형입니다.

해시 함수를 통해 긴 데이터를 매핑하고 짧은 데이터를 형성하는 것을 가리킵니다. 데이터의 ID로 이해하면 됩니다.

“프로젝트”란 Mech-Viz 소프트웨어에서 생성된 로봇 경로 계획 항목을 말합니다. Mech-Viz에서 프로젝트에 필요한 모든 구성을 완료하면 이 프로젝트를 통해 로봇의 경로를 계획하고 로봇의 이동을 컨트롤할 수 있습니다. 프로젝트의 모든 구성 사항은 프로젝트와 이름이 동일한 폴더에 저장됩니다.

프로젝트 리소스란 로봇, 말단장치, 대상 물체, 시나리오 물체 등 프로젝트에 있는 다양한 리소스를 가리킵니다.

작업 흐름이란 Mech-Viz에서 플로우 차트의 식으로 구축되는 로봇 이동 컨트롤 프로그램입니다.

스텝은 로봇 프로그래밍 기능 모듈입니다.

프로시저는 여러 개의 연결된 스텝으로 구성됩니다.

로봇, 작업 물체, 빈, 기타 물체 등 작업 흐름에 관련된 모든 콘텐츠가 들어 있는 공간입니다.

빈, 파렛트, 작업 플랫폼의 다른 부분 등을 포함할 수 있는 로봇 및 대상 물체 이외의 모든 물체를 나타냅니다.

공간에서 해당 물체를 시각화하기 위한 3D 시뮬레이션된 물체이며 충돌 감지에는 사용되지 않습니다.

경로 계획 시 공간에서 해당 물체의 충돌을 감지하기 위한 3D 시뮬레이션된 물체입니다.

로봇이 가공/피킹해야 할 대상물입니다.

대상 물체의 대칭성은 대상 물체의 대칭축을 중심으로 일정 각도 회전 후 형상이 회전 전과 일치할 수 있는 특성을 나타내는 것입니다.

360°/N 각도로 회전한 후에는 작업 물체의 모양이 변경되지 않은 것으로 간주되는 속성입니다.

“N회 대칭”에서 설정된 N의 값입니다.

TCP(Tool Center Point)(공구중심점) 말단장치 끝쪽에 위치하는 점입니다. 대상 물체 피킹 등 작업을 수행하기 위해 로봇이 공간에 있는 어떤 포인트로 이동하라고 할 때 사실 TCP를 해당 포인트로 이동시키는 것입니다.

로봇이 대상 물체 픽 포인트 위치에서 물체를 피킹할 수 있습니다. 어떤 경우에는 픽 포인트가 작업 물체의 기준 좌표계와 동일합니다. 다른 경우에는, 특히 하나의 작업 물체에 여러 개의 픽 포인트가 있는 경우, 픽 포인트는 작업 물체 기준 좌표계를 옵셋하여 얻습니다. 픽 포인트와 로봇의 픽킹 포즈(TCP)는 일반적으로 일치하지만 Z축은 반대입니다.

다양한 각도에서 시도하여 피킹을 용이하게 하기 위해 작업 물체 기준 좌표계 주위로 말단장치를 회전할 수 있습니다.

여기서 주로 관절에 의해 연결된 강체로 구성된 시스템을 가리킵니다.

가공/피킹 작업을 수행하기 위해 로봇의 끝에 설치되는 장치를 말합니다.

직사각형 디팔레타이징 진공 그리퍼 공구로 다중 파티션을 지원합니다.

여러 개의 말단을 가지고 여러 개 말단이 동시에 작동할 수 있는 말단장치를 가리킵니다.

진공 그리퍼의 특정 가장자리나 코너를 식별하는 데 사용되는 숫자입니다.

로봇이 도달해야 할 일련의 웨이포인트를 가리킵니다.

로봇이 도달해야 할 경로 속의 포인트(JPs 또는 TCP 형식으로 표시된 로봇 포즈)입니다. 웨이포인트에는 레이블, 운동 유형(관절 운동/직선운동), 속도 및 가속도 등 다른 정보도 포함될 수 있습니다.

로봇이 작업을 시작하기 전이나 작업을 완료한 후에 돌아가야 하는 기본 로봇 포즈입니다.

로봇이 작업을 시작하기 전의 포즈입니다. 경로 계획에서는 초기 포즈를 기반으로 하고 사용해야 합니다.

경로는 로봇이 물리적으로 도달한 일련의 웨이포인트를 기록한 것으로 타임스탬프를 담고 있습니다.

TCP, JPs 또는 플랜지 포즈로 표시되는 로봇이 3D 공간에 있는 상태입니다.

로봇이 대상 물체를 처리하거나 피킹할 때의 웨이포인트입니다.

로봇이 대상 물체를 피킹해야 하는 웨이포인트입니다.

로봇이 대상 물체를 피킹할 때의 포즈입니다.

로봇이 대상 물체를 피킹해야 하는 웨이포인트입니다.

로봇이 대상 물체를 배치할 때의 포즈입니다.

로봇의 말단이 특정 위치와 각도에 도달하면 로봇의 관절 속도가 무한대(이론적으로 가능하지만 실제로는 불가능)가 되어 로봇의 자유도가 감소된다는 것을 가리킵니다.

로봇이 작동할 때의 최대 관절 각도 속도를 가리키고 Mech-Viz에서 싱귤래리티를 감지하는 데 사용됩니다.

로봇 싱귤래리티가 나타날 때 허용된는 최소 감속비를 가리킵니다.

말단장치가 두 웨이포인트 사이에서 임의의 운동을 가리키며 경로 또는 포즈 컨트롤을 하지 않습니다.

말단장치가 두 웨이포인트 사이에서 직선 운동을 하는 것을 가리킵니다.

3차원 공간에서 물체의 자세를 설명하는 방법으로써 피치(원뿔)각, 편주각(yaw angle) 및 롤각을 사용하여 3D 공간에서 물체의 회전을 표현합니다.

4개의 파라미터로 물체의 3D 회전을 나타내는 파라미터 그룹입니다. 오일러 각과 달라 오일러 각에 회전 시스템이 제한되어 오로지 수직된 축에만 회전될 수 있는 문제를 해결할 수 있습니다.

충돌 감지를 위한 포인트 클라우드 부피를 정의하기 위해 포인트 클라우드의 각 포인트 주위에서 큐브를 시뮬레이션했습니다.

포인트 클라우드 큐브 변의 길이입니다.

시뮬레이션 중에 충돌 감지에 관련된 한 쪽이 포인트 클라우드인 경우 충돌 부피는 다른 쪽의 충돌 모델과 겹치는 포인트 클라우드 포인트 수에 포인트 클라우드 큐브의 부피를 곱한 값입니다.