비전 솔루션 설계

현재 버전 (2.0.0)에 대한 매뉴얼을 보고 계십니다. 다른 버전에 액세스하려면 페이지 오른쪽 상단 모서리에 있는 '버전 전환' 버튼을 클릭하세요.

■ 최신 버전의 소프트웨어를 사용하려면 Mech-Mind 다운로드 센터를 방문하여 다운로드하세요.

■ 현재 사용하고 있는 제품의 버전이 확실하지 않은 경우에는 언제든지 당사 기술 지원팀에 문의하시기 바랍니다.

실제 배포에 앞서 비전 솔루션을 설계하고 프로젝트의 실제 요구 사항에 따라 카메라 모델, IPC 모델, 카메라 설치 방식, 로봇 통신 방법을 선택해야 합니다. 좋은 설계는 3D 비전 가이드 애플리케이션의 배포를 신속하게 완료하는 데 도움이 됩니다.

3D 비전 가이드 애플리케이션 설계 단계에서는 다음 내용을 완료해야 합니다.

피킹 정확도에 대한 요구 사항이 높으면 프로젝트를 배포할 때 주제: 피킹 정확도 향상 내용을 참조하여 요구 사항을 충족할 수 있도록 피킹 정확도를 향상시켜야 합니다.

카메라 모델 선택

Mech-Eye 산업용 3D 카메라는 Mech-Mind Robotics에서 자체 연구 개발한 고성능 카메라입니다. 고정확도, 고속도, 환경광 내성, 고품질 이미징이 특징이며 다양한 물체에 대한 고품질 3D 포인트 클라우드 데이터를 생성할 수 있습니다. Mech-Mind Robotics는 환경광 내성, 고정확도, 넓은 시야, 고속도 및 다양한 거리에서의 작은 크기 요구 사항을 충족하는 다양한 카메라 모델 옵션을 제공합니다.

카메라를 선택할 때 실제 프로젝트의 작업 거리, 시야 및 카메라 정밀도 요구 사항에 따라 적절한 모델을 선택하십시오.

적절한 카메라 모델을 선택하려면 다음 단계를 따르십시오.

  • 카메라 제품 선택 도구를 사용하여 대상 물체의 크기에 따라 적합한 카메라 모델(V4 시리즈 카메라만 지원됨)을 선택합니다.

  • 카메라 FOV 계산기를 사용하여 작업 거리와 시야각에 따라 적합한 카메라 모델을 선택합니다.

  • 요구 사항을 충족할 수 있는 카메라가 여러 개가 있는 경우, 특징과 응용 시나리오 매뉴얼 내용을 참조하여 가장 적합한 카메라 모델을 선택하십시오. 도움이 필요하다면 Mech-Mind Robotics 사전 판매 엔지니어 또는 영업 사원에게 문의하십시오.

캘리브레이션 보드 모델 선택

캘리브레이션 보드는 일반적으로 내부 파라미터 검사와 외부 파라미터 캘리브레이션에 사용되며 캘리브레이션의 정밀도와 안정성에 영향을 미칩니다. Mech-Mind Robotics에서는 세 가지 캘리브레이션 보드 모델을 제공하며 상세한 설명은 캘리브레이션 보드 내용을 참조하십시오.

실제 프로젝트에서 다음 표를 참조하여 카메라 모델과 실제 작업 거리에 따라 적합한 캘리브레이션 보드를 선택하십시오.

V4 카메라

모델 추천 작업 거리 범위(mm) 추천된 모델

UHP

300±20

OCB-005

NANO

300~600

CGB-020

PRO S

500~800

CGB-020

PRO M

1000~1500

CGB-035

1500~2000

CGB-050

LSR S

500~1000

CGB-035

1000~1500

CGB-050

LSR L

1200~3000

CGB-050

DEEP

1200~3500

CGB-050

PRO XS

300~600

CGB-020

Log S

500~800

CGB-020

800~1000

CGB-035

Log M

1000~1500

CGB-035

1500~2000

CGB-050

Laser L Enhanced

1500~3000

CGB-050

카메라 설치 방식 선택

로봇에 대한 카메라의 상대적 위치와 전체 사이클 타임의 필요성에 따라 카메라 설치 방식을 결정할 수 있습니다. 다음 표에는 두 가지 일반적인 카메라 설치 방식이 나와 있습니다.

설치 방식

Eye to hand(ETH)

Eye in hand(EIH)

설명

카메라는 로봇과 별도의 스탠드에 고정되어 있습니다.

카메라는 로봇 말단에 설치되어 로봇과 함께 움직입니다.

개략도

eth

eih

특징

  • 이 설치 방식을 사용하면 카메라가 고정된 위치와 각도에서 이미지를 캡처하여 더 넓은 시야를 확보할 수 있습니다.

  • 로봇은 작업을 수행하는 동안 카메라가 이미지를 캡처할 때까지 기다릴 필요가 없으므로 생산성이 향상되고 사이클 타임이 단축됩니다.

  • 이 설치 방식을 사용하면 다양한 위치와 각도에서 이미지를 캡처할 수 있습니다. 카메라는 로봇의 마지막 관절에 장착되어 로봇과 함께 정확하게 움직이고 위치를 지정하므로 카메라가 여러 파렛트의 이미지를 캡처하는 데 적응할 수 있습니다. 로봇은 카메라를 올려서 쌓인 높이가 다른 들어오는 자재에 적응할 수 있습니다.

  • 로봇은 작업을 수행하는 동안 카메라가 이미지를 캡처할 때까지 기다려야 하므로 전체 사이클 타임이 길어집니다.

또한, 카메라의 시야를 확장하고 중첩된 포인트 클라우드의 품질을 향상시키기 위해 프로젝트에는 하나의 스테이션에 두 대 이상의 카메라가 설치될 수 있는데, 이를 ETE(Eye to Eye)라고 합니다.

ete

장착 방식과 상관없이 카메라를 장착하려면 스탠드가 반드시 필요합니다. 카메라 장착 스탠드 관련 설계 설명은 카메라 장착 스탠드 설계 내용을 참조하십시오.

IPC 선택

Mech-Mind Robotics IPC는 Mech-Mind Robotics 소프트웨어에 필요한 표준 실행 환경을 제공하며 소프트웨어이 기능 및 성능을 최적화할 수 있습니다.

IPC의 적용 시나리오, 기술적 파라미터 및 성능 기술 사양에 따라 적절한 IPC 모델을 선택하십시오. IPC의 성능 기술 사양은 아래 표에 나와 있습니다.

기술 사양 응용 시나리오 Mech-Mind IPC STD Mech-Mind IPC ADV Mech-Mind IPC PRO

동시에 실행 가능한 Mech-Vision 프로젝트의 수량

표준 인터페이스/Adapter 통신 시나리오(“경로 계획” 스텝이 없음)

≤5

≤5

≤5

표준 인터페이스/Adapter 통신 시나리오(“경로 계획” 스텝이 있음)

≤5

≤5

≤5

마스터 컨트롤 통신 시나리오(Mech-Viz를 사용함)

≤5

≤5

≤5

3D 비전 솔루션이 인식을 위해 3D 매칭을 사용하는 시나리오

≤5

≤5

≤5

3D 비전 솔루션이 인식을 위해 3D 매칭과 2D 딥 러닝을 사용하는 시나리오

≤2

≤2

≤4

솔루션당 지원되는 카메라의 수량

≤2

≤2

≤2

솔루션당 로드할 수 있는 딥 러닝 모델의 수량

≤5(CPU)

≤5(GPU)

<8(GPU)

솔루션당 연결할 수 있는 로봇의 수량(마스터 컨트롤 통신)

1

1

1

솔루션당 지원되는 통신 모드의 수량

1

1

1

솔루션당 지원되는 클라이언트의 수량(표준 인터페이스/Adapter 통신)

≤4

≤4

≤4

사용자가 준비한 장치(PC 또는 노트북)를 IPC (이하 "비표준 IPC "라고 함)로 사용하는 경우 비표준 IPC 설정 내용을 참조하여 비표준 IPC가 시스템 구성 요구 사항을 충족하는지 확인하고 관련 설정을 완료하십시오.

로봇 모델 선택

로봇 모델을 선택할 때는 로봇 탑재량, 로봇 도달 가능성, 통신 모드와 같은 요소를 고려해야 합니다. 상세한 내용은 로봇 모델 선택 내용을 참조하세요.

로봇 통신 방식 선택

인터페이스 통신 모드는 일반적으로 생산 라인의 실제 애플리케이션에 적합하며 더 유연한 기능과 더 짧은 사이클 타임을 제공합니다. 마스터 컨트롤 통신 모드는 일반적으로 피킹 효과를 빠르게 확인하기 위해 프로젝트의 테스트 단계에서 적용됩니다.

통신 방식 선택에 관한 내용은 통신 방식 선택 부분을 참조하십시오. 더 많은 통신 방식에 대한 내용은 통신 개요 부분을 참조하십시오.

딥 러닝 사용 여부 결정

해당 비전 솔루션에 딥 러닝이 필요한지 확인하려면 딥 러닝 솔루션 선택 부분을 참조하십시오.

비전 인식 과정에서 3D 매칭 방법은 다음과 같은 문제를 잘 해결할 수 없는 경우, 딥 러닝을 사용할지 고려해야 합니다.

번호 전통적인 방법에 대한 도전 예시 그림

1

공작물 표면의 반사율이 높고 포인트 클라우드 퀄리티가 좋지 않습니다.

problems with traditional method 1

2

공작물 포인트 클라우드의 곡선은 명확하지 않으며 포인트 클라우드에는 특징점이 거의 없습니다.

problems with traditional method 2

3

공작물이 질서정연하게 배열되고 서로 밀접하게 배치될 때 포인트 클라우드 클러스터링 효과가 좋지 않습니다.

problems with traditional method 3

4

공작물 특징은 컬러 맵에서만 볼 수 있고 포인트 클라우드에서는 볼 수 없습니다.

problems with traditional method 4

5

이 프로젝트는 비전 사이클 타임에 대한 요구 사항이 높습니다. 예를 들어 공작물 수가 많은 경우 포인트 클라우드 템플릿 매칭에 오랜 시간이 걸립니다.

problems with traditional method 5

저희는 귀하의 개인 정보를 소중하게 생각합니다.

당사 웹사이트는 귀하에게 최상의 경험을 제공하기 위해 쿠키를 사용합니다. "모두 수락"을 클릭하시는 경우, 귀하는 사의 쿠키 사용에 동의하게 됩니다. "모두 거부"를 클릭하시는 경우, 귀하가 이 웹사이트를 방문할 때 추적되거나 기억되지 않도록 하기 위해 단일 쿠키가 사용됩니다.