전문 용어
- Mech-Mind Robotics 비전 시스템
-
Mech-Mind Robotics 비전 시스템은 Mech-Mind Robotics에서 제공한 포괄적인 3D 비전 가이드 솔루션이며 Mech-Eye산업용 3D 카메라, IPC와 Mech-Mind Robotics 소프트웨어로 구성됩니다. Mech-Mind Robotics 비전 시스템을 로봇 시스템에 통합하면 로봇이 지능형 작업을 수행하도록 가이드하는 완전한 비전 기반 로봇 애플리케이션을 구축할 수 있습니다.
비전 처리: Mech-Vision
소프트웨어 기능 구조
- 솔루션
-
솔루션은 비전 응용을 실현하는 데 필요한 로봇과 통신, 비전 처리 및 경로 계획 등 기능 구성과 데이터의 모음입니다.
- Mech-Vision 프로젝트
-
프로젝트는 Mech-Vision 프로젝트를 말하며 하나 및 이상의 솔루션으로 구성되었습니다. 프로젝트는 단독으로 사용할 수 없으며 솔루션에 속해야 합니다.
- 스텝
-
스텝은 프로젝트 구성의 기초이며, 하나의 스텝은 한 알고리즘 처리 단위이며 서로 다른 스텝을 결합하여 서로 다른 알고리즘 처리 프로세스를 구성합니다.
- 프로시저
-
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 레시피
-
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.
처리 전
- 시나리오
-
배경, 빈, 물체 등 카메라가 캡처한 모든 것을 포함합니다.
- 대상 물체
-
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.
- 배경
-
대상 물체가 없는 시나리오를 가리킵니다.
- ROI
-
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.
- 캘리브레이션 포즈
-
캘리브레이션에 사용되는 로봇의 포즈를 가리킵니다. 필요에 따라 TCP, 플랜지 포즈 또는 관절 각도 형태가 있습니다.
- 캘리브레이션 원
-
캘리브레이션 보드에 있는 원을 가리킵니다.
처리 중
- 3D 매칭
-
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.
- 모델
-
3D 매칭에 사용되는 대상 물체의 포인트 클라우드 모델입니다. “대상 물체 편집기”에서 대상 물체 포인트 클라우드 또는 STL 모델을 통해 생성됩니다.
- 면 모델
-
이 모델은 표면 특징을 기준으로 대상 물체를 매치하는 데 사용됩니다. 표면 모델은 물체의 표면 특징 부분을 포함하고 다른 불필요한 부분을 제외합니다.
- 표면 매칭
-
대상 물체의 표면에 기복 모양 특징(예: 크랭크 축, 회전자, 강철 막대 등)이 많은 경우 면 모델을 사용하는 것이 좋습니다.
- 가장자리 모델
-
이 모델은 가장자리 특징을 기준으로 대상 물체를 매치하는 데 사용됩니다. 가장자리 모델은 물체의 가장자리 특징만 포함하고 다른 불필요한 부분을 제외합니다.
- 가장자리 매칭
-
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.
- 2D 매칭
-
물체 모양과 특징을 반영하는 2D 템플릿을 맞추고 정의된 물체 포즈를 시나리오의 물체 이미지에 적용하여 시나리오 내에서 물체의 포즈를 계산하는 프로세스입니다.
- 2D 템플릿
-
2D 매칭에 사용되는 물체 모양과 특징을 반영하는 2D 모양입니다.
- 딥 러닝
-
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.
- 추론
-
훈련된 딥 러닝 모델을 사용하여 실제 비전 데이터에 대한 예측을 통해 포즈, 분류 레이블 등의 정보를 얻습니다.
처리 후
- 비전 결과
-
비전 결과는 한 Mech-Vision 프로젝트를 한 번에 실행하여 얻은 출력 결과입니다. 하나의 비전 결과에 여러 비전 포인트와 다른 데이터가 포함될 수 있습니다.
- 비전 포인트
-
비전 포인트는 다음과 같이 계산된 포즈와 관련 데이터를 나타냅니다.
- 물체 포즈(비전 포즈)
-
Mech-Vision 프로젝트가 계산한 물체 포즈입니다. 포즈에는 위치 정보(X,Y,Z 좌표) 및 방향 정보(오일러 각 또는 사원수)가 포함됩니다.
- 레이블
-
각 포즈에 부착된 문자열 레이블입니다. 일반적으로 대상 물체의 종류를 나타내는 데 사용됩니다.
- 물체 치수
-
(길이, 너비, 높이) 또는 (반경, 높이) 또는 기타의 형태로 표시되는 물체 포즈의 해당 물체 치수입니다.
- 픽 포인트
-
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.
비전 포인트에 포함된 정보에는 픽 포인트에 있는 물체 포즈와 관련된 다른 사용자 정의 데이터 유형(예: 권장 로봇 속도, 포즈 옵셋 등)이 포함될 수 있습니다. Mech-Vision의 “출력” 스텝에서 데이터 유형을 정의할 수 있습니다. |
- 가장 높은 층
-
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.
- Eye in Hand(EIH)
-
카메라를 로봇 말단 플랜지에 고정하는 설치 방식을 가리킵니다.
- Eye to Hand(ETH)
-
카메라가 로봇과 분리되어 브라켓에 고정되는 방식을 가리킵니다.
- 내부 파라미터
-
카메라 고유한 내부 파라미터를 가리키며 오로지 카메라의 내부 속성과 관련됩니다.
- 외부 파라미터
-
카메라 좌표계와 세계 좌표계 간의 좌표 전환 관계를 가리킵니다.
- 포인트 클라우드
-
측정 장치를 통해 획득하는 제품 외부 표면 에 있는 포인트의 데이터 모음을 포인트 클라우드라고 합니다.
- 마스크
-
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.
- 고정 배경
-
캡처해서 획득한 뎁스 맵과 컬러 이미지의 배경과 정보를 가리킵니다.
- 시각화 출력
-
Mech-Vision에서 시각화될 수 있는 스텝의 출력 결과를 표시하는 것을 가리킵니다.
- 프로시저(Procedure)
-
프로시저는 여러 가지 스텝이 결합되고 사용자가 자체 정의를 할 수 있는 특수한 스텝 모음입니다.
- 인스턴스 세그먼테이션
-
이미지를 픽셀 단위로 분류하고, 물체의 종류와 상관없이 물체에 다른 값을 부여함으로써 이미지를 분류하는 이미지 처리 방법입니다.
- 이미지 분류
-
일정한 분류 규칙에 따라 종류가 다른 대상물을 구분하는 이미지 처리 방법입니다.
- 형태학적 변환
-
이미지에 대해 형태를 기반으로 하는 기본적인 변환입니다.
- 침식
-
형태학 기본 운산의 하나로 이미지늬 하이라이트 구역에 대해서 침식을 하고 출력된 이미지가 원시 이미지보다 하이라이트 구역의 면적이 더 작도록 하는 것입니다.
- 팽창
-
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.
- 신뢰구간
-
파라미터의 수치 범위를 예측하는데에 쓰입니다.
- 신뢰도
-
신뢰구간의 안정성을 가리킵니다.
- 법선 벡터
-
평면에 수직된 직선이 표시하는 벡터가 해당 평면의 법선 벡터입니다.
- 임계값
-
최소값이나 최대값을 가리킵니다.
- 부울 값
-
부울이란 값이 True 또는 False 중 하나인 논리적 데이터 유형입니다.
- 해시 값
-
해시 함수를 통해 긴 데이터를 매핑하고 짧은 데이터를 형성하는 것을 가리킵니다. 데이터의 ID로 이해하면 됩니다.
로봇 경로 계획: Mech-Viz
소프트웨어 기능 구조
- Mech-Viz 프로젝트
-
“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 리소스
-
프로젝트 리소스란 로봇, 말단장치, 대상 물체, 시나리오 물체 등 프로젝트에 있는 다양한 리소스를 가리킵니다.
- 작업 흐름
-
작업 흐름이란 Mech-Viz에서 플로우 차트의 식으로 구축되는 로봇 이동 컨트롤 프로그램입니다.
- 스텝
-
스텝은 로봇 프로그래밍 기능 모듈입니다.
- 프로시저
-
프로시저는 여러 개의 연결된 스텝으로 구성됩니다.
로봇&물체 설정
- 시뮬레이션 공간
-
로봇, 작업 물체, 빈, 기타 물체 등 작업 흐름에 관련된 모든 콘텐츠가 들어 있는 공간입니다.
- 시나리오 물체
-
빈, 파렛트, 작업 플랫폼의 다른 부분 등을 포함할 수 있는 로봇 및 대상 물체 이외의 모든 물체를 나타냅니다.
- 시각화 모델
-
공간에서 해당 물체를 시각화하기 위한 3D 시뮬레이션된 물체이며 충돌 감지에는 사용되지 않습니다.
- 충돌 모델
-
경로 계획 시 공간에서 해당 물체의 충돌을 감지하기 위한 3D 시뮬레이션된 물체입니다.
- 대상 물체
-
로봇이 가공/피킹해야 할 대상물입니다.
- 대상 물체 대칭성
-
대상 물체의 대칭성은 대상 물체의 대칭축을 중심으로 일정 각도 회전 후 형상이 회전 전과 일치할 수 있는 특성을 나타내는 것입니다.
- N회 대칭
-
360°/N 각도로 회전한 후에는 작업 물체의 모양이 변경되지 않은 것으로 간주되는 속성입니다.
- 대칭 횟수
-
“N회 대칭”에서 설정된 N의 값입니다.
- 대칭 간격
-
“N회 대칭”에서 360°/N의 값입니다.
설명: 대칭 횟수 * 대칭 간격 = 360°
- TCP
-
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.
- 대상 물체의 픽 포인트
-
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.
- 피킹 허용 편차
-
다양한 각도에서 시도하여 피킹을 용이하게 하기 위해 작업 물체 기준 좌표계 주위로 말단장치를 회전할 수 있습니다.
- 로봇
-
여기서 주로 관절에 의해 연결된 강체로 구성된 시스템을 가리킵니다.
- 말단장치
-
가공/피킹 작업을 수행하기 위해 로봇의 끝에 설치되는 장치를 말합니다.
- 디팔레타이징 진공 그리퍼
-
직사각형 디팔레타이징 진공 그리퍼 공구로 다중 파티션을 지원합니다.
- 어레이 그리퍼
-
여러 개의 말단을 가지고 여러 개 말단이 동시에 작동할 수 있는 말단장치를 가리킵니다.
- 가장자리/코너 ID
-
진공 그리퍼의 특정 가장자리나 코너를 식별하는 데 사용되는 숫자입니다.
경로 계획
- 경로
-
로봇이 도달해야 할 일련의 웨이포인트를 가리킵니다.
- 웨이포인트
-
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.
- 원점 위치
-
로봇이 작업을 시작하기 전이나 작업을 완료한 후에 돌아가야 하는 기본 로봇 포즈입니다.
- 초기 포즈
-
로봇이 작업을 시작하기 전의 포즈입니다. 경로 계획에서는 초기 포즈를 기반으로 하고 사용해야 합니다.
- 경로
-
경로는 로봇이 물리적으로 도달한 일련의 웨이포인트를 기록한 것으로 타임스탬프를 담고 있습니다.
- 로봇 포즈
-
TCP, JPs 또는 플랜지 포즈로 표시되는 로봇이 3D 공간에 있는 상태입니다.
- 대상 물체의 웨이포인트
-
로봇이 대상 물체를 처리하거나 피킹할 때의 웨이포인트입니다.
- 피킹 웨이포인트
-
로봇이 대상 물체를 피킹해야 하는 웨이포인트입니다.
- 피킹 포즈
-
로봇이 대상 물체를 피킹할 때의 포즈입니다.
- 배치 웨이포인트
-
로봇이 대상 물체를 피킹해야 하는 웨이포인트입니다.
- 배치 포즈
-
로봇이 대상 물체를 배치할 때의 포즈입니다.
- 로봇 싱귤래리티
-
로봇의 말단이 특정 위치와 각도에 도달하면 로봇의 관절 속도가 무한대(이론적으로 가능하지만 실제로는 불가능)가 되어 로봇의 자유도가 감소된다는 것을 가리킵니다.
- 싱귤래리티 임계값
-
로봇이 작동할 때의 최대 관절 각도 속도를 가리키고 Mech-Viz에서 싱귤래리티를 감지하는 데 사용됩니다.
- 싱귤래리티 감속비
-
로봇 싱귤래리티가 나타날 때 허용된는 최소 감속비를 가리킵니다.
- 관절 운동
-
말단장치가 두 웨이포인트 사이에서 임의의 운동을 가리키며 경로 또는 포즈 컨트롤을 하지 않습니다.
- 직선 운동
-
말단장치가 두 웨이포인트 사이에서 직선 운동을 하는 것을 가리킵니다.
- 오일러 각
-
3차원 공간에서 물체의 자세를 설명하는 방법으로써 피치(원뿔)각, 편주각(yaw angle) 및 롤각을 사용하여 3D 공간에서 물체의 회전을 표현합니다.
- 사원수
-
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.
- 포인트 클라우드 큐브
-
충돌 감지를 위한 포인트 클라우드 부피를 정의하기 위해 포인트 클라우드의 각 포인트 주위에서 큐브를 시뮬레이션했습니다.
- 포인트 클라우드 큐브 변의 길이
-
포인트 클라우드 큐브 변의 길이입니다.
- 충돌 부피
-
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.