Dalam beberapa tahun kebelakangan ini, bidang robotik telah mencapai kemajuan yang ketara dalam membangunkan mesin pintar yang mampu melaksanakan tugas yang kompleks seperti menggenggam, manipulasi dan pengecaman objek dalam persekitaran yang berbeza. Satu bidang penyelidikan yang telah mendapat banyak perhatian ialah sistem genggaman tidak tertib visual 3D. Sistem ini bertujuan untuk mempelajari cara mengambil objek pelbagai bentuk, saiz dan tekstur dalam persekitaran yang tidak berstruktur. Dalam artikel ini, kami akan meneroka titik konfigurasi utama untuk membangunkan sistem genggaman tidak tertib visual 3D yang cekap.
1. Penderia kedalaman
Titik konfigurasi pertama dan paling kritikal untuk aSistem genggaman visual 3Dialah sensor kedalaman. Penderia kedalaman ialah peranti yang menangkap jarak antara penderia dan objek yang dideria, memberikan maklumat spatial yang tepat dan terperinci. Terdapat pelbagai jenis penderia kedalaman yang terdapat di pasaran, termasuk LIDAR, dan kamera stereo.
LIDAR ialah satu lagi penderia kedalaman popular yang menggunakan teknologi laser untuk mengukur jarak. Ia menghantar denyutan laser dan mengukur masa yang diperlukan untuk laser melantun semula daripada objek yang dideriakan. LIDAR boleh menyediakan imej 3D beresolusi tinggi bagi objek, menjadikannya sesuai untuk aplikasi seperti pemetaan, navigasi dan genggaman.
Kamera stereo ialah satu lagi jenis penderia kedalaman yang menangkap maklumat 3D menggunakan dua kamera yang diletakkan bersebelahan antara satu sama lain. Dengan membandingkan imej yang ditangkap oleh setiap kamera, sistem boleh mengira jarak antara kamera dan objek yang dideriakan. Kamera stereo adalah ringan, berpatutan dan mudah digunakan, menjadikannya pilihan popular untuk robot mudah alih.
Titik konfigurasi kritikal kedua untuk sistem genggaman visual 3D ialah algoritma pengecaman objek. Algoritma ini membolehkan sistem mengenal pasti dan mengelaskan objek berbeza berdasarkan bentuk, saiz dan teksturnya. Terdapat beberapa algoritma pengecaman objek yang tersedia, termasuk pemprosesan awan titik, padanan permukaan, padanan ciri dan pembelajaran mendalam.
Pemprosesan awan titik ialah algoritma pengecaman objek popular yang menukar data 3D yang ditangkap oleh penderia kedalaman kepada awan titik. Sistem kemudian menganalisis awan titik untuk mengenal pasti bentuk dan saiz objek yang dideria. Pemadanan permukaan ialah satu lagi algoritma yang membandingkan model 3D objek yang dikesan dengan perpustakaan objek yang diketahui sebelum ini untuk mengenal pasti identiti objek.
Pemadanan ciri ialah satu lagi algoritma yang mengenal pasti ciri utama objek yang dikesan, seperti bucu, tepi dan lengkung, dan memadankannya dengan pangkalan data objek yang diketahui sebelum ini. Akhir sekali, pembelajaran mendalam ialah perkembangan terkini dalam algoritma pengecaman objek yang menggunakan rangkaian saraf untuk mempelajari dan mengenali objek. Algoritma pembelajaran mendalam boleh mengecam objek dengan ketepatan dan kelajuan yang tinggi, menjadikannya sesuai untuk aplikasi masa nyata seperti menggenggam.
3. Menggenggam algoritma
Titik konfigurasi kritikal ketiga untuk aSistem genggaman visual 3Dialah algoritma menangkap. Algoritma menangkap ialah atur cara yang membolehkan robot mengambil dan memanipulasi objek yang dideriakan. Terdapat beberapa jenis algoritma genggam yang tersedia, termasuk algoritma perancangan genggam, algoritma penjanaan genggam dan algoritma pengedaran daya.
Algoritma perancangan genggam menjana senarai genggaman calon untuk objek yang dideria berdasarkan bentuk dan saiznya. Sistem kemudian menilai setiap kestabilan genggaman dan memilih yang paling stabil. Algoritma penjanaan genggam menggunakan teknik pembelajaran mendalam untuk mempelajari cara memahami objek yang berbeza dan menjana genggaman tanpa memerlukan perancangan yang jelas.
Algoritma pengedaran daya ialah satu lagi jenis algoritma genggaman yang mengambil kira berat dan taburan objek untuk menentukan daya genggam yang optimum. Algoritma ini boleh memastikan bahawa robot boleh mengambil walaupun objek berat dan besar tanpa menjatuhkannya.
4. Penggenggam
Titik konfigurasi kritikal terakhir untuk sistem genggaman visual 3D ialah pencengkam. Gripper ialah tangan robot yang mengambil dan memanipulasi objek yang dideria. Terdapat beberapa jenis pencengkam yang tersedia, termasuk pencengkam rahang selari, pencengkam tiga jari, dan pencengkam sedutan.
Penggenggam rahang selari terdiri daripada dua rahang selari yang bergerak ke arah satu sama lain untuk menggenggam objek. Ia mudah dan boleh dipercayai, menjadikannya pilihan popular untuk aplikasi seperti operasi pilih dan tempat. Pencengkam tiga jari lebih serba boleh dan boleh menggenggam objek yang berbeza bentuk dan saiz. Mereka juga boleh memutar dan memanipulasi objek, menjadikannya sesuai untuk tugas pemasangan dan manipulasi.
Penggenggam sedutan menggunakan cawan sedutan vakum untuk melekat pada objek yang dideria dan mengambilnya. Ia sesuai untuk mengendalikan objek dengan permukaan licin seperti kaca, plastik dan logam.
Kesimpulannya, membangunkan aSistem genggaman tidak teratur visual 3Dmemerlukan pertimbangan yang teliti terhadap titik konfigurasi utama sistem. Ini termasuk penderia kedalaman, algoritma pengecaman objek, algoritma menggenggam dan pencengkam. Dengan memilih komponen yang paling sesuai untuk setiap titik konfigurasi ini, penyelidik dan jurutera boleh membangunkan sistem cengkaman yang cekap dan berkesan yang boleh mengendalikan pelbagai objek dalam persekitaran tidak berstruktur. Pembangunan sistem ini mempunyai potensi besar untuk meningkatkan kecekapan dan produktiviti pelbagai industri, seperti pembuatan, logistik, dan penjagaan kesihatan.
Masa siaran: Sep-18-2024
