加入高工机器人专业行业群(高工机器人CEO圈,高工机器人产业4群,移动机器人产业链群),加微信:13590381326,出示名片,仅限机器人及智能制造产业链上的核心零部件供应商、本体厂家、系统集成商、终端用户。
在机器视觉领域中,3D视觉最接近人眼,除了看到物体之外,还可以得到物体的深度信息,并且能够多维度实现定位识别,因此备受欢迎。目前3D机器视觉技术整合人工智能正成为主流趋势,让工业机器人可以具备人脑思维,以执行更高精度、更复杂的工作。
根据高工机器人产业研究所(GGII)数据显示,2019年中国机器视觉市场规模65.50亿元(该数据未包含计算机视觉市场规模),同比增长21.77%。2014-2019年复合增长率为28.36%。
7月18日,“机器人应用+生态伙伴大会”——2020高工机器人行业渠道开拓系列活动走进了青岛。在本次大会上,青岛海之晨工业装备有限公司(以下简称:海之晨)总经理陈栋立足3D机器视觉应用现状,同时结合AI技术分析了3D机器视觉未来市场的无限可能性。
3D机器视觉更多的应用探索
随着精密制造的推进,传统2D视觉由于能检测的信息有限,应用场合受到限制。2D视觉由于只能识别出二维信息,无法获得物体的空间坐标信息,所以不支持与形状相关的测量,诸如物体平面度、表面角度、体积或者区分相同颜色的物体之类的特征。此外,2D机器视觉无法区分堆叠的物体,获取相应位置信息。
为解决以上应用痛点,3D视觉应运而生,并逐渐从概念走向了落地,受到了市场的广泛关注。
据陈栋介绍,海之晨成立于2011年,多年来一直专注于机器视觉技术的研发和应用,主要产品为机器视觉系统、3D机器视觉+机器人。公司客户包括海尔、海信、华为、富士康、中国重汽等企业,目前海之晨已在西安、成都、上海分别建立了办事处,同时海之晨越南办事处及欧洲研发中心正在筹建中。
目前,海之晨3D机器视觉无序抓取系统广泛应用于物流、制造(汽车零部件、汽车整车、家电、医药等)等行业的拆垛、码垛、上料、搬运、拣选、分类等应用场景。可适配多种不同机器人(四轴、六轴、桁架、并联机器人)。海之晨3D机器视觉无序抓取系统具有高柔性度和性价比,帮助用户提升效率降低成本。
在以上应用场景中,海之晨3D机器视觉无序抓取系统均有成功应用案例。其中以无序抓取——汽车零部件的抓取搬运为例,在某汽车零部件工厂,因为工厂有窗外太阳光和室内灯光的各种干扰,且产品本身有金属反光和黑色产品等,需要机器人快速准确从料框里抓取产品并放置于指定位置。
海之晨3D机器视觉无序抓取系统采用全球领先的3D相机,欧洲的Photoneo品牌,高性价比、高精度、大视野、抗光线干扰,专为无序抓取、拆垛、码垛应用场景设计;基于人工智能算法和传统算法的完美结合,可以适用于各种产品类型,特别是金属零部件;同时能够应对各种光线干扰、高亮、高反光、黑色等复杂工况。据悉,目前海之晨已经实现了数百套的落地项目。
此外,在精密零部件检测领域,由于传统的接触式测量或激光测量进行校核,测量范围单一、效率低,无法实现在线全检,而采用国外进口软件价格高昂。
为此,海之晨开发了3D逆向校核软件,该软件与欧洲Photoneo的3D扫描传感器一起搭配机器人或者旋转工作台,搭建成三维检测系统。通过扫描得到的三维数据和CAD中的3D建模数据对比,便可以得出设计数据和实际加工数据之间的差距。可为用户设计定制化解决方案,对同类零件只需手动操作一次,其他相同零件只需一键操作就可实现全自动化检测。
海之晨3D逆向校核软件性能可对标Geomagic公司(已被3D打印巨头3D Systems 公司3.5亿元收购)的三维检测软件qualify,在汽车、航空等行业中具有较大的应用优势。
工业视觉为什么需要AI
2012年,AI在计算机视觉领域取得突破,这给机器视觉技术发展也带来了全新思路。AI可通过对大量实际数据进行学习,自行总结其中的规律和特征。这种方法可以在短时间内,完成传统算法需要多年才能突破的问题,有效弥补硬件能力的不足。
由于传统视觉应用存在以下不足:
- 复杂检测传统视觉难以解决或不可解决
- 传统视觉过检率很高
- 传统机器视觉项目周期长
- 传统视觉检测对集成商要求高,依赖大
- 传统视觉无法识别出未出现过的缺陷,算法补丁越来越大,难以维护
招募作者
高工机器人正在招募兼职内容创作者和专栏作家,请将简历和原创作品投至邮箱:my.pan@gaogong123.com
我们对职业、所在地等没有要求,欢迎有兴趣有能力的朋友加入!
往期推荐
▪ 6月机器人行业新品一览 ▪ 医疗器械提供商华科精准获数千万人民币战略投资 ▪ 阿里云联合机械工业九院,为车企打造“智能工厂”![856392e1d71e4109a9a3c15c77e8b847.gif](https://i-blog.csdnimg.cn/blog_migrate/9d8858ae7e4d80532666ee07e4ffecbd.gif)