Son illərdə robototexnika sahəsi müxtəlif mühitlərdə obyektlərin tutulması, manipulyasiyası və tanınması kimi mürəkkəb vəzifələri yerinə yetirməyə qadir olan intellektual maşınların yaradılmasında mühüm irəliləyiş əldə etmişdir. Çox diqqəti cəlb edən tədqiqat sahəsi 3D vizual nizamsız tutma sistemləridir. Bu sistemlər strukturlaşdırılmamış mühitdə müxtəlif formalı, ölçülü və fakturalı obyektləri necə götürməyi öyrənməyi hədəfləyir. Bu yazıda səmərəli 3D vizual nizamsız tutma sistemini inkişaf etdirmək üçün əsas konfiqurasiya nöqtələrini araşdıracağıq.
1. Dərinlik sensorları
a üçün ilk və ən kritik konfiqurasiya nöqtəsi3D vizual tutma sistemidərinlik sensorlarıdır. Dərinlik sensorları sensor ilə hiss edilən obyekt arasındakı məsafəni tutan, dəqiq və ətraflı məkan məlumatı verən cihazlardır. Bazarda LIDAR və stereo kameralar da daxil olmaqla müxtəlif növ dərinlik sensorları mövcuddur.
LIDAR, məsafələri ölçmək üçün lazer texnologiyasından istifadə edən başqa bir məşhur dərinlik sensorudur. O, lazer impulslarını göndərir və lazerin hiss olunan obyektdən geri qayıtması üçün lazım olan vaxtı ölçür. LIDAR obyektin yüksək keyfiyyətli 3D təsvirlərini təmin edə bilər ki, bu da onu xəritəçəkmə, naviqasiya və tutma kimi tətbiqlər üçün ideal edir.
Stereo kameralar bir-birinin yanında yerləşdirilmiş iki kameradan istifadə edərək 3D məlumatı çəkən başqa bir dərinlik sensorudur. Hər bir kameranın çəkdiyi şəkilləri müqayisə edərək sistem kameralar və hiss edilən obyekt arasındakı məsafəni hesablaya bilir. Stereo kameralar yüngül, sərfəli və istifadəsi asan olması onları mobil robotlar üçün məşhur seçim edir.
2. Obyektin tanınması alqoritmləri
3D vizual tutma sistemi üçün ikinci kritik konfiqurasiya nöqtəsi obyektin tanınması alqoritmləridir. Bu alqoritmlər sistemə müxtəlif obyektləri forma, ölçü və faktura əsasında müəyyən etməyə və təsnif etməyə imkan verir. Nöqtə buludunun işlənməsi, səth uyğunluğu, xüsusiyyət uyğunluğu və dərin öyrənmə daxil olmaqla bir neçə obyekt tanıma alqoritmləri mövcuddur.
Nöqtə buludunun işlənməsi, dərinlik sensoru tərəfindən alınan 3D məlumatı nöqtə buluduna çevirən məşhur obyekt tanıma alqoritmidir. Sistem daha sonra hiss olunan obyektin formasını və ölçüsünü müəyyən etmək üçün nöqtə buludunu təhlil edir. Səth uyğunluğu obyektin şəxsiyyətini müəyyən etmək üçün hiss edilən obyektin 3D modelini əvvəllər məlum olan obyektlərin kitabxanası ilə müqayisə edən başqa bir alqoritmdir.
Xüsusiyyət uyğunluğu hiss edilən obyektin künclər, kənarlar və əyrilər kimi əsas xüsusiyyətlərini müəyyən edən və onları əvvəllər məlum olan obyektlərin verilənlər bazasına uyğunlaşdıran başqa bir alqoritmdir. Nəhayət, dərin öyrənmə obyektləri öyrənmək və tanımaq üçün neyron şəbəkələrdən istifadə edən obyekt tanıma alqoritmlərində son inkişafdır. Dərin öyrənmə alqoritmləri obyektləri yüksək dəqiqlik və sürətlə tanıya bilər ki, bu da onları tutma kimi real vaxt tətbiqləri üçün ideal edir.
3. Alqoritmləri qavramaq
a üçün üçüncü kritik konfiqurasiya nöqtəsi3D vizual tutma sistemiqavrama alqoritmləridir. Tutma alqoritmləri robota hiss edilən obyekti götürməyə və manipulyasiya etməyə imkan verən proqramlardır. Planlaşdırma alqoritmlərini qavramaq, generasiya alqoritmlərini qavramaq və güc paylama alqoritmləri daxil olmaqla bir neçə növ tutma alqoritmləri mövcuddur.
Tutmağı planlaşdırma alqoritmləri hiss edilən obyektin formasına və ölçüsünə görə namizəd tutmaların siyahısını yaradır. Daha sonra sistem hər bir tutmanın dayanıqlığını qiymətləndirir və ən stabil olanı seçir. Qrasp nəsil alqoritmləri müxtəlif obyektləri necə qavramağı öyrənmək və aydın planlaşdırmaya ehtiyac olmadan tutuşlar yaratmaq üçün dərin öyrənmə üsullarından istifadə edir.
Qüvvə paylama alqoritmləri optimal tutma qüvvəsini təyin etmək üçün obyektin çəkisini və paylanmasını nəzərə alan başqa bir tutma alqoritmi növüdür. Bu alqoritmlər robotun hətta ağır və həcmli obyektləri yerə atmadan götürə bilməsini təmin edə bilər.
4. Tutucular
3D vizual tutma sistemi üçün son kritik konfiqurasiya nöqtəsi tutucudur. Tutucu, hiss edilən obyekti götürən və manipulyasiya edən robot əldir. Paralel çənə tutacaqları, üç barmaqlı tutacaqlar və əmzikli tutacaqlar da daxil olmaqla bir neçə növ tutucular mövcuddur.
Paralel çənə tutucuları obyekti tutmaq üçün bir-birinə doğru hərəkət edən iki paralel çənədən ibarətdir. Onlar sadə və etibarlıdır ki, onları seç və yerləşdirmə əməliyyatları kimi tətbiqlər üçün populyar seçim edir. Üçbarmaq tutucular daha çox yönlüdür və müxtəlif formalı və ölçülü obyektləri tuta bilir. Onlar həmçinin obyekti döndərə və manipulyasiya edə bilər, bu da onları montaj və manipulyasiya işləri üçün ideal hala gətirir.
Emiş tutucuları hiss edilən obyektə yapışdırmaq və onu götürmək üçün vakuumlu vakum stəkanlarından istifadə edir. Onlar şüşə, plastik və metal kimi hamar səthləri olan obyektləri idarə etmək üçün idealdır.
Yekun olaraq, inkişaf etdirən a3D vizual nizamsız tutma sistemisistemin əsas konfiqurasiya nöqtələrinin diqqətlə nəzərdən keçirilməsini tələb edir. Bunlara dərinlik sensorları, obyekt tanıma alqoritmləri, tutma alqoritmləri və tutucular daxildir. Tədqiqatçılar və mühəndislər bu konfiqurasiya nöqtələrinin hər biri üçün ən uyğun komponentləri seçməklə, strukturlaşdırılmamış mühitlərdə geniş spektrli obyektləri idarə edə bilən səmərəli və effektiv tutma sistemləri inkişaf etdirə bilərlər. Bu sistemlərin inkişafı istehsal, logistika və səhiyyə kimi müxtəlif sənaye sahələrinin səmərəliliyini və məhsuldarlığını artırmaq üçün böyük potensiala malikdir.
Göndərmə vaxtı: 18 sentyabr 2024-cü il
