视觉工程配置

在使用本教程前,你已经在机器人通信配置章节中使用案例工程“单品类拆垛”创建了方案。

在本教程中,你将先了解工程思路,然后通过调节步骤参数完成工程的部署,从而识别纸箱的位姿并输出视觉结果。

工程思路介绍

在本教程中,你需要使用Mech-Vision软件和Mech-Viz软件进行视觉工程配置。视觉工程配置的流程如下图所示。

project workflow

视觉工程配置流程各个阶段说明如下。

阶段 使用软件 说明

连接相机并采集图像

Mech-Vision

通过Mech-Vision软件的“从相机获取图像”步骤连接相机,以实现图像采集目的。

点云预处理及获取最高层彩色图

Mech-Vision

通过Mech-Vision软件的“点云预处理及获取最高层彩色图”自定义步骤组合,对图像数据进行点云预处理并获取最高层彩色图。

深度学习推理

Mech-Vision

通过Mech-Vision软件的“深度学习模型包推理”步骤对最高层彩色图进行实例分割。

计算纸箱位姿和尺寸

Mech-Vision

通过Mech-Vision软件的“计算纸箱位姿和尺寸”自定义步骤组合计算处最高层纸箱的位姿。

调整位姿

Mech-Vision

通过Mech-Vision软件的“调整位姿V2”步骤对“3D工件识别”步骤输出的位姿进行坐标系转换、方向调整、排序或过滤等调整。

规划机器人路径

Mech-Vision & Mech-Viz

通过Mech-Vision软件的“输出”步骤,将视觉结果(物体几何中心位姿、彩色场景点云、预处理后的点云及纸箱上表面尺寸等信息)发送给Mech-Viz。

Mech-Viz工程将基于视觉结果,动态规划出无碰撞的机器人移动路径。

输出规划路径

Mech-Viz

当接收到机器人(本教程使用)或PLC发送的标准接口指令,Mech-Viz返回规划的无碰撞的机器人移动路径。

在完成机器人通信配置以及Mech-Vision工程和Mech-Viz工程的配置后,Mech-Viz在每次运行后即可以输出规划的路径。

你需要机器人侧编写机器人程序,实现发送触发Mech-Viz工程运行以及获取Mech-Viz输出的规划路径的标准接口指令。具体请参考“实现抓放”章节中的说明。

步骤参数调节

在本节,你将通过调节各个步骤的参数来完成工程的部署。

本节中操作的工程为“单品类拆垛”方案中的“Vis-Single-Case Depalletizing”工程。

从相机获取图像

步骤名称

从相机获取图像

所属阶段

连接相机并采集图像

图示

acquire images from camera

说明

需要连接真实相机,并配置相关参数,确保相机可以正常采集图像。

  1. 在Mech-Vision工程编辑区,选中从相机获取图像步骤,在界面右下角步骤参数选项卡中单击选择相机按钮。

    select camera
  2. 在弹出的选择相机及其标定参数组窗口中单击相机编号右侧的 image 图标。当该图标将变为 image 图标时,表明相机连接成功。

    connect camera

    连接相机后,单击选择参数组按钮,选择标定好的、带有ETH/EIH和日期的标定参数组。

    select calibration parameter group
    此处选择的标定参数组为完成手眼标定后生成的标定参数组。
  3. 连接相机并设置标定参数组后,相机标定参数组、IP地址和端口等参数将自动获取。请确认配置参数组已设置为“纸箱”。

    camera other parameters
    • 单击从相机获取图像步骤的单步运行按钮触发图像采集,双击步骤的“相机深度图”和“相机彩色图”数据流连线,并在调试输出窗口查看是否成功从相机获取到图像。

      double click data flow line

如果在调试输出窗口可以看到正常的深度图和彩色图,则表明Mech-Vision软件已成功连接真实相机,并可以正常采集图像。

confirm image acquire

点云预处理及获取最高层彩色图

步骤名称

点云预处理及获取最高层彩色图

所属阶段

点云预处理及获取最高层彩色图

图示

point cloud preprocessing

说明

需要设置有效的识别区(3D ROI)将干扰因素屏蔽在区域外,设置“层高”避免提取最高层彩色图出错。

  1. 设置有效的识别区(3D ROI),将干扰因素屏蔽在区域外,以提升识别效率。设置的3D ROI范围应包含纸箱,并适当外扩50毫米左右,以兼容来料偏差。

    set roi for processing
  2. 设置获取最高层点云的“层高”。设置的参数值应小于纸箱高度,并大于同层纸箱的最大高度差。

    set carton height

深度学习模型包推理

步骤名称

深度学习模型包推理

所属阶段

深度学习推理

图示

dl inference

说明

导入并加载方案内置的深度学习模型包,设置2D ROI以提升深度学习推理效果。

  1. 使用模型包管理工具导入深度学习模型包,并选择导入的模型包。

    import select dl package
  2. 为深度学习设置2D ROI以提升深度学习推理效果。设置的2D ROI应覆盖最上层纸箱,并适当留出1/3余量,以兼容物料位置波动。

    set dl 2d roi

计算纸箱位姿和尺寸

步骤名称

计算纸箱位姿和尺寸(自定义步骤组合)

所属阶段

计算纸箱位姿和尺寸

图示

calculate carton poses

说明

该步骤不需要修改参数设置。

调整位姿V2

步骤名称

调整位姿V2

所属阶段

调整位姿

图示

adjust poses

说明

需要配置参数实现位姿变换、位姿调整、位姿排序以及位姿过滤。

得到工件位姿后,需要对位姿进行调整,处理流程如下。

adjust poses process

Mech-Vision内置位姿调整工具,你可使用该工具轻松实现物体位姿的调整及抓取顺序的优化。你可以通过以下任一方法打开位姿调整工具界面,开始参数调节。

  • 在工程编辑区单击步骤上的配置向导按钮。

  • 步骤参数选项卡中单击配置向导按钮。

请按照如下步骤调节参数:

  1. 位姿变换:在位姿调整选项卡中,将位姿从相机坐标系转换至机器人坐标系。

    adjust reference frame
  2. 位姿调整:在位姿调整选项卡中,选择“自动对齐”策略,并选择“纸箱拆码垛”应用场景。

    adjust pose direction
  3. 位姿排序:在位姿规则选项卡中,选择“‘Z’形平面排序”,然后设置“参考位姿”方向。

    sort poses
  4. 角度过滤:在位姿规则选项卡中,根据位姿Z轴方向过滤明显不可抓取的位姿或者存在识别错误的位姿,减少Mech-Viz软件路径规划的耗时。

    filter poses

输出

步骤名称

输出

所属阶段

规划机器人路径(前提条件)

图示

procedure out

说明

需要确认路径规划和碰撞检测需要的信息都能够输出。

根据路径规划和碰撞检测的要求,需要将下列信息输出给Mech-Viz软件:

  • 物体几何中心位姿

  • 彩色场景点云

  • 纸箱上表面尺寸

请确保上述端口都有数据流连接,然后单击运行按钮,确认工程可以成功运行,并输出视觉结果。你可以在Mech-Vision软件日志栏的视觉选项下查看是否有含视觉结果的日志。

check output result

路径规划

本案例使用Mech-Viz获取规划路径。使用标准接口通信方式时,需要Mech-Viz工程和机器人侧配合实现3D视觉引导机器人抓取和放置流程。

关于如何配置Mech-Viz工程实现路径规划,请参考“实现抓放”章节。

至此,你已完成视觉工程配置。

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。