Comprendre l'application de la vision 3D dans le domaine AGV/AMR

Principaux points à retenir:

La vision 3D permet aux robots mobiles de voir, de comprendre et d'interagir avec leur environnement. Il s'agit d'une technologie multidisciplinaire combinant l'infographie, la vision par ordinateur et l'intelligence artificielle. La technologie de vision 3D capture les coordonnées tridimensionnelles de chaque point dans son champ de vision grâce à des caméras 3D, reconstruisant une image 3D à l'aide d'algorithmes. Par rapport à l'imagerie 2D, la vision 3D est plus stable, résiliente aux changements d'environnement et d'éclairage, et offre une meilleure expérience utilisateur et une plus grande sécurité.

Parcours technologiques de la vision 3D

Les capteurs 3D agissent comme les « yeux » de la vision 3D, en utilisant des combinaisons de plusieurs caméras et capteurs de profondeur pour recueillir des données sur la position et la taille tridimensionnelles des objets. Les principaux capteurs de vision 3D actuellement disponibles sont les caméras binoculaires, les caméras à lumière structurée et les caméras TOF (Time of Flight).

• Technologie de lumière structurée 3D:Cette méthode utilise une lumière infrarouge, qui est projetée sur un objet avec un certain codage. Lorsque la lumière se réfléchit, le motif se déforme en fonction de la distance de l'objet. Le capteur d'image capture le motif déformé et, à l'aide de la triangulation, la déformation de chaque pixel est calculée pour dériver la disparité correspondante et calculer ensuite la valeur de profondeur.

• Principe du TOF (Time of Flight):Cette technique utilise une source de lumière infrarouge pour émettre des impulsions lumineuses à haute fréquence sur un objet, puis reçoit les impulsions réfléchies et calcule la distance entre la caméra et l'objet en mesurant le temps de trajet des impulsions lumineuses. Actuellement, il existe deux solutions TOF courantes sur le marché : dTOF et iTOF. Les experts du secteur pensent que dTOF remplacera progressivement iTOF en raison de ses performances supérieures dans des aspects clés tels que la résolution, la précision, la consommation d'énergie ultra-faible, les fortes capacités anti-interférences et l'étalonnage simple. Cependant, dTOF présente des barrières techniques élevées, une intégration système élevée et des ressources de chaîne d'approvisionnement limitées.

• Technologie de vision stéréo binoculaire:Cette méthode simule la vision humaine en observant le même objet depuis deux points de vue, ce qui permet d'obtenir des images de l'objet sous des perspectives différentes. À l'aide de la triangulation, l'écart de position (disparité) entre les pixels des images est calculé pour obtenir une image 3D de l'objet. La structure matérielle de la vision stéréo binoculaire utilise généralement deux caméras comme dispositifs d'acquisition du signal visuel. Ces caméras se connectent à un ordinateur via une carte d'acquisition d'images à double canal d'entrée, et les signaux analogiques collectés par les caméras sont échantillonnés, filtrés, améliorés et convertis au format numérique, fournissant finalement des données d'image à l'ordinateur.

Applications de la vision 3D dans les robots mobiles

À mesure que la technologie de vision évolue de la 2D à la 3D, les capteurs de vision 3D deviennent essentiels dans les robots mobiles, offrant une perception de la profondeur et permettant une détection en temps réel dans des espaces tridimensionnels, une reconnaissance précise des objets, la détection et l'évitement de plusieurs obstacles, une prise de décision intelligente et un guidage automatisé. Ces capacités sont de plus en plus utilisées dans la logistique, le commerce électronique, l'automatisation, la fabrication, les robots industriels et de service, les environnements commerciaux, etc., avec des limites d'application de plus en plus larges.

En robotique mobile, la vision 3D est principalement utilisée pour la navigation, l'évitement d'obstacles, la reconnaissance et l'amarrage des matériaux finaux.

• Navigation: La détection précise de l'environnement est la tâche principale des robots mobiles. L'« environnement » comprend ici divers facteurs tels que les interférences dues aux différentes conditions d'éclairage à l'intérieur et à l'extérieur, les obstacles sur le chemin, si l'itinéraire est clair et plat, les types d'objets dans l'environnement, s'il y a des personnes qui peuvent provoquer le ralentissement ou l'arrêt du robot, si la palette devant est vide ou pleine, où se trouvent les fentes d'insertion d'une palette chargée et comment planifier l'itinéraire de ramassage. En termes simples, la logique est qu'un robot mobile basé sur la vision doit reconnaître avec précision son environnement, éviter les obstacles dynamiques et statiques, s'approcher de l'objet cible de manière dynamique (navigation) et interagir correctement avec l'objet cible (détection d'objet et reconnaissance de positionnement).

• Évitement des obstacles:Le marché propose une variété de capteurs d'évitement d'obstacles, tels que le LiDAR monofilaire, les ultrasons et les bandes de collision. Les bandes de collision sont généralement la dernière ligne de défense pour la prévention des collisions violentes ; l'évitement d'obstacles par ultrasons entraîne souvent des faux positifs ; le LiDAR monofilaire présente des angles morts importants (détection uniquement des obstacles dans un plan bidimensionnel, incapacité à détecter les obstacles en dessous ou au-dessus du laser, ce qui présente un risque pour la sécurité). Les capteurs de vision 3D peuvent compenser ces lacunes. La meilleure solution actuelle d'évitement d'obstacles pour les robots mobiles est une combinaison de capteurs de vision 3D et de LiDAR, les capteurs de vision 3D fournissant un évitement précis des obstacles à courte et moyenne portée et le LiDAR pour l'évitement des obstacles bidimensionnels à longue portée. Étant donné que les caméras TOF n'ont pratiquement aucun angle mort, elles sont actuellement les caméras de vision 3D les plus utilisées pour l'évitement des obstacles AGV.

• Reconnaissance et ancrage de fin:Dans certains entrepôts, le placement des marchandises est complexe et le placement manuel ou par véhicule des palettes est souvent inexact. Cette imprécision rend difficile pour un chariot élévateur sans pilote d'identifier avec précision la palette à l'aide de limites mécaniques traditionnelles ou de la reconnaissance par caméra monoculaire, ce qui entraîne de fréquentes erreurs de positionnement lors de l'arrimage des palettes et, par conséquent, une faible efficacité opérationnelle. En utilisant la vision 3D pour capturer des images de palettes, combinée à des algorithmes de traitement d'image appropriés, le chariot élévateur peut identifier la position et les coordonnées de posture de la palette, ajuster intelligemment la direction d'insertion et réaliser une manutention intelligente des palettes sans pilote, résolvant ainsi le problème de l'écart angulaire important lors de l'arrimage des palettes par chariot élévateur sans pilote. En outre, les algorithmes d'IA peuvent être utilisés pour renforcer et apprendre en profondeur les modèles de reconnaissance de palettes, améliorant encore la précision de la reconnaissance et du suivi des palettes.
•  

Orientations futures : résolution plus élevée, fréquences d'images plus rapides, meilleure adaptabilité environnementale

Les applications des robots mobiles se développent de plus en plus, ce qui accroît la demande de capacités de détection plus élevées, poussant le développement de la technologie de vision 3D dans cette direction. Cependant, l'application actuelle de la vision 3D dans les robots mobiles en est encore à ses débuts. À mesure que les robots mobiles continuent d'évoluer, avec des environnements d'application plus diversifiés, les exigences des systèmes de vision 3D deviendront plus strictes, entraînant de nouvelles mises à niveau de la technologie de vision 3D.

Veuillez cliquer sur le lien ci-dessous pour en savoir plus :

Présentation du châssis du robot Reeman Moon Knight

Présentation du robot de livraison de nourriture Flash

Présentation du robot d'accouchement Nurse Hospital