Dina taun anyar, widang robotika geus nyieun kamajuan signifikan dina ngamekarkeun mesin calakan sanggup ngajalankeun tugas kompléks kayaning grasping, manipulasi, sarta pangakuan objék dina lingkungan béda. Hiji wewengkon panalungtikan anu geus miboga loba perhatian nyaéta 3D visual unordered grasping sistem. Sistem ieu boga tujuan pikeun neuleuman kumaha carana nyokot objék béda wangun, ukuran, jeung tékstur dina lingkungan teu terstruktur. Dina tulisan ieu, urang bakal ngajalajah titik-titik konfigurasi konci pikeun ngembangkeun sistem genggaman visual 3D anu henteu teratur.
1. sénsor jero
Titik konfigurasi munggaran tur paling kritis pikeun aSistim grasping visual 3Dnyaeta sensor jero. Sénsor jero nyaéta alat anu néwak jarak antara sénsor sareng obyék anu dirasakeun, nyayogikeun inpormasi spasial anu akurat sareng rinci. Aya sababaraha jinis sensor jero anu sayogi di pasar, kalebet LIDAR, sareng kaméra stereo.
LIDAR mangrupikeun sénsor jero anu populér anu ngagunakeun téknologi laser pikeun ngukur jarak. Ieu ngirimkeun kaluar pulsa laser sarta ngukur waktu nu diperlukeun pikeun laser mun bounce deui ti objék keur sensed. LIDAR bisa nyadiakeun gambar 3D resolusi luhur obyék, sahingga idéal pikeun aplikasi kayaning pemetaan, navigasi, sarta grasping.
Kaméra stéréo mangrupikeun jinis sénsor jero anu sanés anu nyandak inpormasi 3D nganggo dua kaméra anu ditempatkeun di gigireunana. Ku ngabandingkeun gambar anu dicandak ku unggal kaméra, sistem tiasa ngitung jarak antara kaméra sareng obyék anu dirasakeun. Kaméra stéréo hampang, murah, sareng gampang dianggo, janten pilihan populér pikeun robot sélulér.
Titik konfigurasi kritis kadua pikeun sistem grasping visual 3D nyaéta algoritma pangakuan objék. Algoritma ieu ngamungkinkeun sistem pikeun ngaidentipikasi sareng ngagolongkeun objék anu béda dumasar kana bentuk, ukuran, sareng téksturna. Aya sababaraha algoritma pangakuan obyék anu sayogi, kalebet ngolah awan titik, cocog permukaan, cocog fitur, sareng diajar jero.
Ngolah awan titik nyaéta algoritma pangenal objék populér anu ngarobih data 3D anu dicandak ku sénsor jero kana awan titik. Sistem teras nganalisa awan titik pikeun ngaidentipikasi bentuk sareng ukuran obyék anu dirasakeun. Surface matching nyaéta algoritma séjén anu ngabandingkeun modél 3D obyék anu dirasakeun ka perpustakaan objék anu saacanna dipikanyaho pikeun ngaidentipikasi identitas obyék.
Cocog fitur nyaéta algoritma séjén anu ngidentipikasi fitur konci tina obyék anu dirasakeun, sapertos juru, tepi, sareng kurva, sareng cocog sareng database objék anu tos dikenal. Tungtungna, pangajaran jero nyaéta pamekaran anyar dina algoritma pangenalan objék anu ngagunakeun jaringan saraf pikeun diajar sareng mikawanoh objék. Algoritma pembelajaran jero tiasa mikawanoh obyék kalayan akurasi sareng laju anu luhur, ngajantenkeun éta idéal pikeun aplikasi sacara real-time sapertos nangkep.
3. Algoritma grasping
Titik konfigurasi kritis katilu pikeun aSistim grasping visual 3Dnyaéta algoritma grasping. Algoritma grasping mangrupikeun program anu ngamungkinkeun robot nyandak sareng ngamanipulasi obyék anu dirasakeun. Aya sababaraha jinis algoritma keupeul anu sayogi, kalebet algoritma perencanaan keupeul, algoritma generasi keupeul, sareng algoritma distribusi gaya.
Algoritma tata keupeul ngahasilkeun daptar calon nangkep pikeun obyék anu dirasakeun dumasar kana bentuk sareng ukuranana. Sistem teras ngaevaluasi stabilitas unggal cengkraman sareng milih anu paling stabil. Algoritma generasi keupeul ngagunakeun téknik diajar jero pikeun diajar kumaha nangkep objék anu béda-béda sareng ngahasilkeun cengkraman tanpa peryogi perencanaan anu jelas.
Algoritma sebaran gaya nyaéta tipe séjén tina algoritma grasping nu merhatikeun beurat obyék sarta sebaran pikeun nangtukeun gaya grasping optimal. Algoritma ieu tiasa mastikeun yén robot tiasa ngajemput barang-barang anu beurat sareng ageung tanpa ngaragragkeunana.
4. Panyekel
Titik konfigurasi kritis ahir pikeun sistem grasping visual 3D nyaeta gripper. Gripper nyaéta leungeun robot anu ngangkat sareng ngamanipulasi obyék anu dirasakeun. Aya sababaraha jinis grippers sadia, kaasup grippers rahang paralel, grippers tilu ramo, sarta grippers nyeuseup.
Grippers rahang paralel diwangun ku dua rahang paralel anu pindah ka arah silih pikeun nangkep obyék. Éta basajan sareng tiasa dipercaya, ngajantenkeun aranjeunna janten pilihan populér pikeun aplikasi sapertos operasi pick sareng tempat. Grippers tilu ramo leuwih serbaguna sarta bisa nangkep objék tina wangun jeung ukuran béda. Éta ogé bisa muterkeun jeung ngamanipulasi obyék, nyieun eta idéal pikeun assembly jeung manipulasi tugas.
Nyeuseup grippers make cangkir nyeuseup vakum pikeun ngagantelkeun kana obyék nu keur sensed tur nyokot eta. Éta idéal pikeun nanganan objék kalayan permukaan lemes sapertos kaca, plastik, sareng logam.
Kasimpulanana, mekarkeun a3D visual Sistim grasping unorderedmerlukeun tinimbangan ati tina titik konfigurasi konci sistem urang. Ieu kalebet sensor jero, algoritma pangenal obyék, algoritma nangkep, sareng grippers. Ku milih komponén anu paling cocog pikeun tiap titik konfigurasi ieu, peneliti sareng insinyur tiasa ngembangkeun sistem keupeul anu épisién sareng efektif anu tiasa ngadamel rupa-rupa objék dina lingkungan anu henteu terstruktur. Pangembangan sistem ieu ngagaduhan poténsi anu ageung pikeun ningkatkeun efisiensi sareng produktivitas sababaraha industri, sapertos manufaktur, logistik, sareng kasehatan.
waktos pos: Sep-18-2024
