方案常见问题

问题一:纸箱漏识别,导致Mech-Vision工程无输出

问题现象

现场存在未抓取的纸箱,纸箱漏识别,导致Mech-Vision工程无输出。

single case cartons common problem 1 problem effect

可能原因

  • 3D ROI 设置错误,纸箱不在 3D ROI 内,导致Mech-Vision工程无输出或漏识别。

    single case cartons common problem 1 reason effect 1
  • 点云预处理并获取最高层掩膜步骤组合参数处输入的纸箱尺寸与识别到的纸箱尺寸差异大,无法进行尺寸校验,导致漏识别。

    single case cartons common problem 1 reason effect 2
  • 深度学习未正确分割单个纸箱掩膜,在后续处理过程中无法进行尺寸校验,导致漏识别。

    single case cartons common problem 1 reason effect 3

解决方法

  • 根据工作站布局和垛型尺寸重新设置 3D ROI,使纸箱不超出 ROI。

    single case cartons common problem 1 solve effect 1
  • 测量纸箱尺寸,并与输入的尺寸进行对比。若尺寸差异过大,可在点云预处理并获取最高层掩膜步骤组合的读取物体尺寸参数处重新设置纸箱尺寸。若尺寸差异较小,可适当调大计算纸箱位姿步骤组合的箱子尺寸误差范围参数。

    single case cartons common problem 1 solve effect 2
  • 双击进入使用深度学习分割单个纸箱掩膜步骤组合,查看深度学习模型包推理步骤的可视化输出结果,确保可视化输出结果正常(如下图所示)。若可视化输出结果异常,可参考 问题三

    single case cartons common problem 1 solve effect 3

问题二:纸箱点云质量较差

问题现象

获得的纸箱点云质量较差。如下图所示,左图为相机采集到的纸箱彩色图,右图为质量较差的纸箱点云。

single case cartons common problem 2 problem effect

可能原因

  • 现场环境光线过强。

  • 相机 3D 曝光参数设置不合理。

解决方法

  • 当环境中的光线过强时,推荐使用较长的曝光时间,提高图像质量。当环境光线过强且增加曝光时间无效时,可以考虑对工位进行遮光处理,使工位的环境光线强度保持恒定。

  • 白色纸箱容易导致采集到的图像过亮,推荐使用较短的曝光时间;黑色纸箱容易导致采集到的图像过暗,推荐使用较长的曝光时间。

  • 当纸箱颜色多样时,推荐使用较短曝光时间与较长曝光时间相结合的方式来采集图像。

问题三:深度学习识别效果较差

问题现象

深度学习识别效果较差,导致“使用深度学习分割单个箱子掩膜”步骤组合无输出。

single case cartons common problem 3 problem effect

可能原因

  • 采集 2D 图时,相机曝光时间、白平衡设置不合理。如下图所示,左图为相机曝光时间正常时采集到的图像,右图为相机曝光时间异常时采集到的图像。

    single case cartons common problem 3 reason effect 1
  • 未设置深度学习识别区与(2D ROI)。

  • 使用深度学习获得的单个箱子掩膜异常,需迭代深度学习模型。

    single case cartons common problem 3 reason effect 2

解决方法

  • 首先需确认 2D 图是否存在过曝、过暗、有阴影、白平衡异常等问题,如果存在以上问题,需调节相机曝光时间和白平衡,确保采集到的 2D 图正常。确保 2D 图正常后,若依然识别效果较差,可参考下一条。

  • 重新设置 2D ROI。

  • 采集纸箱图像数据,对深度学习模型进行迭代。

问题四:路径规划时存在管线包缠绕、旋转过多问题

问题现象

使用Mech-Viz进行路径规划时,机器人存在管线包缠绕、旋转过多的问题。

single case cartons common problem 4 problem effect

可能原因

Mech-Vision工程输出的纸箱位姿朝向不合理。

解决方法

  • 将Mech-Vision工程中的纸箱位姿 Z 轴调整为统一朝向。

    在位姿调整工具的自定义模式下添加翻转位姿,使翻转轴与目标方向夹角最小调整项,使位姿的 X 或 Y 轴翻转至目标方向,从而控制夹具旋转角度在 0~90°。

    single case cartons common problem 4 solve effect 1
  • 设置软限位。

    在Mech-Viz的机器人功能看板中单击设置软限位

    single case cartons common problem 4 solve effect 2

    手动转动真实机器人的第六轴,测试第六轴在正负方向上的极限旋转角度,然后参考第六轴的极限旋转角度设置合适的软限位。

    single case cartons common problem 4 solve effect 3

上述操作完成后,机器人抓取路径如下图所示。

single case cartons common problem 4 solve effect 4

问题五:Mech-Viz中点云噪点较多,或存在与抓取无关的场景点云

问题现象

使用Mech-Viz进行路径规划时,Mech-Viz三维仿真空间中点云噪点较多,或存在与抓取无关的场景点云。

single case cartons common problem 5 problem effect

可能原因

发送到Mech-Viz的点云未进行点云预处理。

解决方法

将Cloud (XYZ-Normal) 转换为Cloud (XYZ-RGB)步骤第一输入端口输入的是预处理后的点云,在该步骤后连接发送点云到外部服务步骤,将预处理后的点云发送到Mech-Viz。

single case cartons common problem 5 add step

点云预处理后,Mech-Viz三维仿真空间中的点云如下图所示,去除了与抓取无关的场景点云。

single case cartons common problem 5 solve effect

问题六:路径点异常,路径规划失败

问题现象

使用Mech-Viz进行路径规划时,路径点(纸箱位姿)异常,路径规划失败。

以下图为例,位姿序号颜色为深红色,代表路径点异常,路径规划失败。

single case cartons common problem 6 problem effect

可能原因

可能由于碰撞、机器人不可达等导致。

若所有位姿同时变为红色,很可能是由于点云碰撞导致。

解决方法

  • 视觉移动步骤的移除目标工件点云参数分组中,确保勾选了移除目标工件点云功能。

    single case cartons common problem 5 solve effect 1
  • 检查视觉移动步骤的移除目标工件点云参数分组中,XY 平面点云移除范围扩展Z 向点云移除范围扩展参数值是否过小,如果参数值过小,可适当增大参数值。

    single case cartons common problem 5 solve effect 2

问题七:无法规划机器人抓取路径

问题现象

使用Mech-Viz进行路径规划时,无法规划机器人抓取路径。

以下图为例,纸箱位姿序号颜色为灰色,代表尚未进行抓取路径规划。

single case cartons common problem 7 problem effect

可能原因

可能由于视觉移动步骤参数设置不正确导致。如箱子覆盖率下限参数设置有误,即吸盘面积小于纸箱被抓面的表面积,不能覆盖纸箱被抓表面。

解决方法

根据现场吸盘与箱子表面积的比例,调整视觉移动步骤中的箱子覆盖率下限参数。

single case cartons common problem 7 solve effect

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。