Thiết kế và ứng dụng Robot chung do Vision hướng dẫn trong ngành siêu thị

  • Post Author:
  • Post Category:Post

Robot liên doanh có đặc tính linh hoạt cao, định vị chính xác, hoạt động ổn định nên được sử dụng rộng rãi trong lĩnh vực hậu cần tự động. Sự ra đời của các robot chung đã thúc đẩy rất nhiều sự phát triển của tự động hóa hậu cần, cải thiện hiệu quả hậu cần và giảm chi phí lao động. Ứng dụng của robot khớp trong ngành hậu cần bao gồm dỡ hàng, phân loại, xếp dỡ, … Có hai giải pháp để robot khớp có thể nắm bắt chính xác đơn vị hàng hóa. Một là cài đặt khởi tạo nhân tạo, sử dụng đồ gá và các công cụ phụ trợ khác để làm cho phôi đạt đến vị trí được chỉ định mọi lúc. Chiếc còn lại được trang bị hệ thống tầm nhìn, thông qua việc định vị tầm nhìn chính xác, để đạt được khả năng nắm bắt chính xác bằng bàn tay robot. Với sự phát triển của khoa học công nghệ và sự phức tạp của môi trường sản xuất, đòi hỏi người máy phải hoàn thành các công việc với độ chính xác cao hơn và môi trường phức tạp hơn. Có rất nhiều loại đơn vị hàng hóa trong ngành siêu thị, và hình thức và hình thức của đơn vị hàng hóa cũng khá khác nhau. Các thiết bị hậu cần hiện có không thể đạt được vị trí chính xác cho các hình dạng chồng xếp khác nhau, các đơn vị hàng hóa khác nhau, v.v., dẫn đến các thiết bị tự động hóa hiện có không thể hoạt động. Hiện nay, giới học thuật và công nghiệp đang khai thác mạnh mẽ việc ứng dụng công nghệ trí tuệ nhân tạo vào các lĩnh vực khác nhau, và công nghệ thị giác cũng là một điểm nóng trong nghiên cứu trong và ngoài nước. Trong những năm gần đây, trong các hội nghị và tạp chí về thị giác máy tính hàng đầu của nước ngoài như ECCV và CVPR, các mô hình mạng “học sâu” mới liên tục được đề xuất. Dự án này xây dựng một mạng lưới học tập sâu dựa trên các ý tưởng hồi quy và hiện thực hóa việc phân đoạn hình ảnh của các đơn vị vận chuyển hàng hóa siêu thị. Đồng thời, hệ thống thị giác hai mắt được kết hợp để nhận ra vị trí chính xác của tọa độ không gian của đơn vị hàng hóa.

1. Lợi thế của hệ thống tầm nhìn trong ngành logistics

Giải pháp hệ thống thị giác là một dự án toàn diện, bao gồm xử lý hình ảnh, hình ảnh quang học, công nghệ cảm biến, phần mềm máy tính và công nghệ phần cứng, v.v. Một hệ thống ứng dụng thị giác điển hình bao gồm chụp ảnh, hệ thống nguồn sáng, mô-đun thuật toán hình ảnh, phán đoán và quyết định thông minh- mô-đun chế tạo và mô-đun thực thi điều khiển cơ khí. Hệ thống thị giác của dự án này kết hợp công nghệ thị giác hai mắt và công nghệ học sâu, giúp cải thiện đáng kể tính phổ quát, độ chính xác và tính ổn định của hệ thống thị giác.

1.1 Ứng dụng của thị giác hai mắt

Việc áp dụng công nghệ nhận dạng thị giác hai mắt có thể thu được thông tin khoảng cách của các đối tượng trong không gian ba chiều một cách thuận tiện hơn, đồng thời nâng cao hiệu quả và độ chính xác của việc thu nhận thông tin. Công nghệ thị giác hai mắt tránh sự phụ thuộc vào các nguồn sáng đặc biệt bên ngoài và có thể thu được thông tin khoảng cách của vật thể một cách chính xác. Ngoài ra, việc sử dụng công nghệ máy tính để phân tích và xử lý thông tin khoảng cách thu được của các đối tượng ba chiều có thể thu được thông tin ngữ nghĩa sâu hơn tốt hơn. Công nghệ thị giác truyền thống phải dựa vào các nguồn sáng đặc biệt bên ngoài khi thu nhận thông tin và đạt được mục đích hiểu ngữ nghĩa thông qua thông tin phản xạ ánh sáng. Do đó, công nghệ thị giác truyền thống không phổ biến và không thể hiểu chính xác những cảnh phức tạp. Đồng thời, công nghệ thị giác hai mắt có thể giải quyết vấn đề nhận dạng trong không gian ba chiều và mở rộng đáng kể phạm vi ứng dụng của công nghệ thị giác.

Hệ thống nhận dạng thị lực bằng ống nhòm không yêu cầu thiết bị quy mô lớn và hệ thống nhận dạng chỉ bao gồm phần cứng đơn giản. Do đó, hệ thống thị giác hai mắt có tính linh hoạt cao và khả năng mở rộng mạnh mẽ. Đồng thời, những ưu điểm của công nghệ máy tính cũng có thể được áp dụng đầy đủ trong hệ thống, từ đó nâng cao độ tin cậy trong hoạt động của công nghệ nhận dạng thị lực hai mắt. Việc ứng dụng công nghệ nhận dạng thị giác hai mắt có thể giải quyết các vấn đề như khó lấy thông tin từ robot truyền thống, cải thiện phạm vi ứng dụng của robot, thúc đẩy sự phát triển thông minh của robot.

1.2 Ứng dụng công nghệ “học sâu”

“Học sâu” là một nhánh của học máy và là thuật ngữ chung cho một lớp các phương pháp nhận dạng mẫu. Cấu trúc học sâu bao gồm cấu trúc perceptron nhiều lớp với nhiều lớp ẩn. Bằng cách kết hợp các tính năng cấp thấp, một danh mục hoặc đặc điểm thuộc tính đại diện cấp cao trừu tượng hơn được hình thành để đạt được các chức năng nhận biết, phán đoán và phân tích. Hệ thống mạng nơron dựa trên hoạt động tích chập là một hướng quan trọng của nghiên cứu học sâu. Phương pháp nghiên cứu này đã thực hiện tốt các nghiên cứu trong các lĩnh vực phát hiện lỗ hổng, nhận dạng hình ảnh, nhận dạng văn bản (OCR), nhận dạng khuôn mặt, nhận dạng vân tay, chẩn đoán y tế,… Kết quả. Công nghệ học sâu cho phép hệ thống thị giác nhận ra các đặc điểm của đối tượng như não người, giúp cải thiện đáng kể tính phổ quát của hệ thống thị giác. Với sự trợ giúp của bộ công cụ thuật toán, công nghệ thị giác truyền thống có thể xử lý trước các tín hiệu hình ảnh và thu được thông tin về đặc điểm hình ảnh một cách nhanh chóng và thuận tiện. Do đó, sự ra đời của công nghệ học sâu có thể giải quyết hiệu quả các tình huống ứng dụng như các loại nhận dạng đa dạng và các tính năng phức tạp.

2. Kế hoạch hậu cần

2.1 Quy trình hậu cần tổng thể

Kho luân chuyển siêu thị có nhiều đơn vị hàng hóa đa dạng, sản lượng hàng hóa lớn, thời gian đáp ứng nhanh chóng.

Hình 1 là sơ đồ hậu cần từng phần của dự án. Chức năng của bộ phận này của dây chuyền hậu cần là xếp dỡ và vận chuyển các đơn vị hàng hóa được lưu trữ trong khu vực nhà kho đến khu vực xuất hàng được chỉ định. Quy trình vận hành như sau: hệ thống cấp trên đưa ra chỉ thị xuất hàng, AGV nhận chỉ thị và đến khu vực kho tạm để lấy hàng, sau đó AGV vận chuyển đơn vị hàng hóa từ A đến B, sau đó ra khỏi trạm làm việc; đơn vị hàng hóa ở vị trí B Sau khi kích hoạt hệ thống phá hủy, hệ thống thị giác bắt đầu xác định và định vị vật liệu đến, sau đó cánh tay robot có khớp nối sẽ nắm bắt và vận chuyển hàng hóa đến đường băng tải một cách chính xác; cuối cùng, đơn vị hàng hóa theo đường băng tải đến khu vực xuất hàng đã định. Toàn bộ quá trình vận hành không yêu cầu can thiệp thủ công và thực hiện hoạt động tự động hóa và thông tin hoàn toàn.

2.2 Quy trình hủy hủy trực quan

Dự án này sử dụng một camera ánh sáng có cấu trúc hai mắt để thu nhận hình ảnh. Máy ảnh được gắn trên giá đỡ máy ảnh và thiết bị nhận hàng không được vào trường nhìn của máy ảnh. Kích thước của hàng hóa pallet là 1000 × 1200 × 1600 (mm). Để đảm bảo trường nhìn thu thập hình ảnh, kích thước tối đa của camera từ hàng hóa pallet không nhỏ hơn 1140mm. Để đảm bảo tính ổn định và độ chính xác của hệ thống, việc lắp đặt camera phải chắc chắn và đáng tin cậy, và rung động do chuyển động của robot và thiết bị hậu cần không được ảnh hưởng đến camera. Ngoài ra, camera phải nằm ngoài bán kính chuyển động của robot để đảm bảo không có sự can thiệp giữa camera và robot. Sơ đồ lắp đặt camera được thể hiện trong Hình 2.

Luồng dữ liệu được thu thập bởi hệ thống thị giác hai mắt ánh sáng có cấu trúc được sử dụng trong dự án này bao gồm hình ảnh màu RGB và dữ liệu đám mây điểm. Độ chính xác của camera ống nhòm là 1mm @ 1m (ở độ cao 1 mét, độ chính xác là 1mm). Trong bối cảnh các hoạt động tháo ráp trong các trung tâm mua sắm và siêu thị, dữ liệu đám mây điểm do thiết bị hình ảnh thu thập bị nhiễu và rất khó đạt được mục đích loại bỏ nhiễu thông qua một thuật toán máy học duy nhất. Do đó, khi xử lý dữ liệu đám mây điểm ba chiều, cần kết hợp khai thác tính năng của hình ảnh hai chiều để đạt được biến tính dữ liệu đám mây điểm. Môi trường tác vụ yêu cầu tự động và chính xác chụp 1.000 loại hộp. Công nghệ thị giác truyền thống không thể đáp ứng các yêu cầu của các loại xử lý hình ảnh như vậy. Do đó, dự án đã thiết lập một mô hình mạng nơ-ron để phân đoạn hình ảnh dựa trên mô hình học sâu. Mô hình này có thể phân đoạn thùng carton trong hình ảnh để có được mặt nạ độc lập cho mỗi thùng. Ánh xạ mặt nạ thu được bởi phân đoạn cá thể tới dữ liệu đám mây điểm có thể loại bỏ các điểm nhiễu trong dữ liệu đám mây điểm. Sau khi thu được dữ liệu đám mây điểm biến dạng của mỗi thùng, tọa độ trung tâm của mỗi thùng có thể được tính toán thông qua thuật toán học máy và cuối cùng, vị trí tọa độ trung tâm được đưa trở lại PLC của rô bốt để đạt được vị trí chính xác.

Hệ thống thị giác hai mắt phối hợp với rô bốt để thực hiện quy trình hoạt động tự động tháo dỡ: khi hệ thống được đặt đúng vị trí, hệ thống phía trên sẽ gửi hướng dẫn đến hệ thống thị giác và hệ thống thị giác được kích hoạt để bắt đầu thu thập hình ảnh. Hệ thống thị giác hai mắt tự động nhận dạng hình dạng của ngăn xếp và tính toán thông tin vị trí không gian của mục tiêu, gửi đến robot. Robot nhặt thùng mục tiêu theo thông tin vị trí nhận được của mục tiêu, sau đó hệ thống thị giác hai mắt thực hiện thu thập hình ảnh và tính toán dữ liệu một lần nữa. Robot di chuyển phía trên đường băng tải và đặt thùng carton mục tiêu trên đường băng tải. Robot quay trở lại đầu ngăn xếp và nhặt thùng carton mục tiêu theo hướng dẫn của hệ thống thị giác. Hệ thống lặp liên tục các bước trên cho đến khi hoàn thành nhiệm vụ. Lưu đồ của hệ thống thị giác máy được thể hiện trong Hình 3.

3. Tóm tắt

Việc vận hành thành công hệ thống khử muối chung robot hướng dẫn bằng tầm nhìn đã thực hiện chức năng khử muối tự động của nhiều loại hàng hóa khác nhau trong ngành siêu thị, thúc đẩy sự phát triển của ngành hậu cần từ các ngành sử dụng nhiều lao động sang các ngành sử dụng nhiều công nghệ, và thúc đẩy phát triển thông minh của robot hậu cần. Hiệu quả công việc và chất lượng của robot hậu cần được cải thiện, đồng thời tiết kiệm đáng kể chi phí lao động. Ngoài ra, việc dự án hạ cánh thành công cũng mang đến một kịch bản ứng dụng tốt hơn cho các công nghệ trí tuệ nhân tạo tiên tiến như học sâu và mở rộng phạm vi ứng dụng của các công nghệ trí tuệ nhân tạo.