方案常见问题

您正在查看旧版本的文档。点击页面右上角可切换到最新版本的文档。

本节介绍圆环(深度学习)方案的常见问题、可能的原因及解决方法。

问题一:无圆环位姿,路径规划失败

问题现象

Mech-Vision未输出圆环位姿,导致路径规划失败。

rings deep learning common problem 1 problem effect

可能原因

  • 最高层圆环或整垛圆环上料完成,最高层无圆环。

  • 点云预处理步骤组合中的 3D ROI 设置不正确,待识别圆环不在 ROI 内。

    rings deep learning common problem 1 reason effect
  • 3D匹配步骤组合中的模板设置不正确。例如,实际生产使用的圆环型号 1,但3D匹配步骤组合中设置的是圆环型号 2 的点云模板。

解决方法

  • 若最高层圆环或整垛圆环上料完成,最高层无圆环,则无需进行处理。

  • 根据实际情况,重新设置 3D ROI。需保证绿色方框包含整个料筐并留有一定的余量,且框内不包含其他干扰点云。

    rings deep learning common problem 1 solve effect
  • 检查3D匹配步骤组合中的模板设置,确保选择的圆环点云模板与实际生产使用的圆环型号是对应的。

问题二:圆环漏识别和误识别

问题现象

圆环点云存在明显缺失,经过点云预处理后和3D匹配后,存在漏识别和误识别的情况。

如下图所示,左图为漏识别的情况,右图为误识别的情况。

rings deep learning common problem 2 problem effect

可能原因

圆环点云存在明显缺失,超出了点云预处理、3D匹配的适用范围。

rings deep learning common problem 2 reason effect

解决方法

  • 优化圆环点云质量。可以通过对工位采取遮光处理、对料筐壁做不反光处理,以及优化相机曝光参数,提升圆环点云质量。

  • 如果现场条件允许,建议将 PRO M 或者 PRO S 相机固定安装在机器人上,来提升点云质量。

优化圆环点云质量后,圆环识别效果如下图所示。

rings deep learning common problem 2 solve effect

如果优化圆环点云质量后,圆环点云质量明显提升,几乎无点云缺失,依然可以使用“点云预处理+3D匹配”的识别方案。

如果优化圆环点云质量后,点云依然存在少量缺失,但是点云完整度在 70% 以上,可以选择“深度学习+3D匹配”的识别方案。

问题三:深度学习识别效果较差,存在漏识别和误识别

问题现象

使用“深度学习+3D匹配”的识别方案时,深度学习识别效果较差,存在误识别或漏识别的情况。

如下图所示,左图为漏识别的情况,右图为误识别的情况。

rings deep learning common problem 3 problem effect

可能原因

  • 深度学习识别区域(2D ROI)设置不正确。

    rings deep learning common problem 3 reason effect 1
  • 曝光时间设置不合理,导致图像过亮或过暗。

    rings deep learning common problem 3 reason effect 2
  • 无法使用该深度学习模型稳定识别当前型号的圆环。

解决方法

  • 重新设置 2D ROI。需保证设置的 2D ROI 包含料筐上表面,同时 ROI 内尽量不包含其它干扰点云。

    rings deep learning common problem 3 solve effect 1
  • 调整相机曝光时间,确保采集到的图像曝光正常。

    rings deep learning common problem 3 solve effect 2
  • 采集圆环图像数据,对深度学习模型进行迭代。深度学习识别正常时如下图所示。

    rings deep learning common problem 3 solve effect 3

我们重视您的隐私

我们使用 cookie 为您在我们的网站上提供最佳体验。继续使用该网站即表示您同意使用 cookie。如果您拒绝,将使用一个单独的 cookie 来确保您在访问本网站时不会被跟踪或记住。