方案使用入门

本节将从入门角度介绍如何轻松实现金属锭上料,总体流程如下图所示。

metal ingots deep learning getting started overall

方案获取

  1. 打开Mech-Vision软件。

  2. 在Mech-Vision欢迎页中单击从案例库新建,打开案例库。

    metal ingots deep learning getting started click creat from lib
  3. 进入案例库中的工件上料分类,然后单击底部获取更多资源,并在弹出的窗口中单击

    metal ingots deep learning getting started get resource
  4. 获取案例资源后,选择金属锭(深度学习),然后在下方填写方案名称和路径,最后单击创建,开始下载金属锭(深度学习)方案。

    metal ingots deep learning getting started create solution

    下载完成后,该方案会在Mech-Vision中自动打开。

通信配置

在应用梅卡曼德视觉方案时,需要完成梅卡曼德视觉系统与机器人侧(机器人、PLC 或上位机)的通信对接。

金属锭(深度学习)方案使用标准接口通信,具体操作可参考 标准接口通信配置

手眼标定

手眼标定是指建立相机坐标系与机器人坐标系对应关系的过程,将视觉系统确定的物体位姿转换为机器人坐标系下的位姿,从而引导机器人精准完成抓取任务。

可参考 机器人手眼标定操作指南 完成手眼标定。

每次安装相机后,或标定后相机与机器人的相对位置发生变化时,都需要重新进行手眼标定。

金属锭识别

完成通信配置和手眼标定后,即可使用Mech-Vision进行金属锭识别。金属锭识别的流程如下图所示。

metal ingots deep learning getting started vision overall

连接相机并采集图像

  1. 连接相机。

    打开Mech-Eye Viewer,找到待连接的相机,单击连接

    metal ingots deep learning getting started vision click connect camera
  2. 设置参数组。

    单击右侧参数组处的下拉箭头,选择金属锭上料典型参数组

    metal ingots deep learning getting started vision set param group

    Mech-Eye Viewer软件除了会显示默认的参数组,还会显示推荐使用的典型方案相关的参数组。

  3. 采集图像。

    相机连接成功且设置参数组后,即可开始采集金属锭图像。单击界面上方的 metal ingots deep learning getting started vision click capture icon 按钮,进行单次图像采集,此时即可查看采集到的金属锭 2D 图像和点云,确保 2D 图像清晰,并确保金属锭点云无缺失、边缘清晰。合格的金属锭 2D 图像和点云分别如下图中左图、右图所示。

    metal ingots deep learning getting started vision image and cloud
  4. 在Mech-Vision中添加相机。

    单击从相机获取图像步骤,在界面右下角步骤参数中关闭虚拟模式,然后单击选择相机

    metal ingots deep learning getting started vision select camera

    在弹出的窗口中单击某相机编号右侧的 metal ingots deep learning getting started vision connect camera before icon 按钮,该按钮变为 metal ingots deep learning getting started vision connect camera after icon 后,代表相机连接成功。

    metal ingots deep learning getting started vision connect camera

    相机连接成功后,单击选择参数组,选择对应的标定参数组,如下图所示。

    metal ingots deep learning getting started vision select param group

    以上设置完成后即可连接真实相机,其他参数保持默认即可,单击“从相机获取图像”步骤右侧的 metal ingots deep learning getting started vision run step camera icon 按钮运行该步骤,如无报错即表示相机连接成功,并可正确采集图像。

    metal ingots deep learning getting started vision run step camera

点云预处理

设置 3D 感兴趣区域(ROI)

  1. 选中点云预处理步骤组合,在步骤参数中,单击打开编辑器,打开设置 3D ROI窗口。

    metal ingots deep learning getting started vision click set 3d roi
  2. 设置 3D ROI窗口中点云显示区域拖动默认生成的 3D ROI 到合适的位置,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,如下图所示。

    metal ingots deep learning getting started vision set 3d roi result

分割单个金属锭

为了获取单个金属锭点云,需要使用深度学习分割出单个金属锭的掩膜。

  1. 选中深度学习步骤组合,在步骤参数的ROI 设置处单击打开编辑器,打开设置目标区域窗口。

    metal ingots deep learning getting started vision set dl roi
  2. 设置目标区域中设置 2D ROI,2D ROI 需覆盖最上层金属锭,可适当留有三分之一余量,如下图所示。

    metal ingots deep learning getting started vision set dl roi result

识别金属锭

设置金属锭尺寸

为了判断深度学习获得的金属锭点云尺寸是否正常,需设置金属锭尺寸。

选中计算工件位姿步骤组合,根据实际情况,在步骤参数中设置金属锭长度金属锭宽度

metal ingots deep learning getting started vision set size

调整金属锭位姿

该步骤组合用于将金属锭位姿从相机坐标系转换至机器人坐标系,位姿朝向调整、位姿排序,以及过滤不合格的位姿。无需对该步骤组合进行参数设置。

输出金属锭位姿

输出步骤用于输出金属锭和料筐的位姿等,单击数据流即可查看相关数据。

metal ingots deep learning getting started vision output pose

至此,即完成了入门阶段的金属锭识别。

路径规划

金属锭(深度学习)方案使用路径规划步骤中的路径规划工具进行路径规划,单击路径规划步骤参数中的打开编辑器即可进入路径规划工具。

路径规划的流程如下图所示。

metal ingots deep learning getting started viz overall

金属锭(深度学习)方案使用标准接口通信方式进行路径规划,如需了解主控通信方式下的路径规划,请下载 Viz_Shaft_Picking.zip

配置场景物体

设置场景物体的目的是还原真实现场场景,以此来辅助用户规划机器人运动路径。具体操作方法可参考 配置场景物体

配置末端工具

配置末端工具的目的是在三维仿真空间中能够显示末端工具的模型,并用于碰撞检测。具体操作方法可参考 配置末端工具

调整工作流程

工作流程指的是在Mech-Viz中以流程图形式搭建的机器人运动控制程序。场景物体和末端工具配置完成后,即可对工作流程进行调整。

在入门阶段,只需对工作流程中的筐上方固定点1步骤进行调整,无需对其他步骤进行参数设置。

在工作流程中选中筐上方固定点1步骤,然后根据实际情况输入机器人到达料筐上方固定点时的关节角。

metal ingots deep learning getting started viz set bin up

仿真与运行

  1. 单击工具栏中的仿真按钮,即可对搭建完成的Mech-Viz工程进行仿真。

    metal ingots deep learning getting started viz simulation
  2. 如果仿真运行效果满足预期,可使用标准接口程序运行真实机器人。

    机器人端的程序编写可参考 标准接口通信 章节的抓取样例程序和接口程序指令说明。

建议低速运行机器人,且需密切关注机器人移动轨迹,紧急情况及时按下急停键。

至此,即完成了入门阶段的路径规划。

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。