Sa nakalipas na mga taon, ang larangan ng robotics ay gumawa ng makabuluhang pag-unlad sa pagbuo ng mga matatalinong makina na may kakayahang magsagawa ng mga kumplikadong gawain tulad ng paghawak, pagmamanipula, at pagkilala ng mga bagay sa iba't ibang kapaligiran. Ang isang lugar ng pananaliksik na nakakuha ng maraming atensyon ay ang 3D visual na hindi nakaayos na grasping system. Nilalayon ng mga system na ito na matutunan kung paano kunin ang mga bagay na may iba't ibang hugis, sukat, at texture sa isang hindi nakaayos na kapaligiran. Sa artikulong ito, tutuklasin namin ang mga pangunahing punto ng pagsasaayos para sa pagbuo ng isang mahusay na 3D visual na unordered grasping system.
1. Mga depth sensor
Ang una at pinaka-kritikal na punto ng pagsasaayos para sa a3D visual grasping systemay ang mga depth sensor. Ang mga depth sensor ay mga device na kumukuha ng distansya sa pagitan ng sensor at ng bagay na nararamdaman, na nagbibigay ng tumpak at detalyadong spatial na impormasyon. Mayroong iba't ibang uri ng depth sensor na available sa merkado, kabilang ang LIDAR, at mga stereo camera.
Ang LIDAR ay isa pang sikat na depth sensor na gumagamit ng laser technology para sukatin ang mga distansya. Nagpapadala ito ng mga pulso ng laser at sinusukat ang tagal ng pagbabalik ng laser mula sa bagay na nadarama. Ang LIDAR ay maaaring magbigay ng mataas na resolution na 3D na mga larawan ng bagay, na ginagawa itong perpekto para sa mga application tulad ng pagmamapa, pag-navigate, at paghawak.
Ang mga stereo camera ay isa pang uri ng depth sensor na kumukuha ng 3D na impormasyon gamit ang dalawang camera na nakalagay sa tabi ng isa't isa. Sa pamamagitan ng paghahambing ng mga larawang nakunan ng bawat camera, maaaring kalkulahin ng system ang distansya sa pagitan ng mga camera at ng bagay na nadarama. Ang mga stereo camera ay magaan, abot-kaya, at madaling gamitin, na ginagawa itong isang popular na pagpipilian para sa mga mobile robot.
2. Mga algorithm ng pagkilala sa bagay
Ang pangalawang kritikal na configuration point para sa isang 3D visual grasping system ay ang object recognition algorithms. Ang mga algorithm na ito ay nagbibigay-daan sa system na kilalanin at uriin ang iba't ibang mga bagay batay sa kanilang hugis, sukat, at texture. Mayroong ilang mga object recognition algorithm na available, kabilang ang point cloud processing, surface matching, feature matching, at deep learning.
Ang pagpoproseso ng point cloud ay isang sikat na object recognition algorithm na nagko-convert sa 3D data na nakuha ng depth sensor sa isang point cloud. Pagkatapos ay sinusuri ng system ang point cloud upang matukoy ang hugis at sukat ng bagay na nadarama. Ang pagtutugma sa ibabaw ay isa pang algorithm na nagkukumpara sa 3D na modelo ng bagay na nadarama sa isang library ng mga dating kilalang bagay upang matukoy ang pagkakakilanlan ng bagay.
Ang pagtutugma ng tampok ay isa pang algorithm na tumutukoy sa mga pangunahing tampok ng bagay na nadarama, tulad ng mga sulok, gilid, at kurba, at itinutugma ang mga ito sa isang database ng mga dating kilalang bagay. Sa wakas, ang malalim na pag-aaral ay isang kamakailang pag-unlad sa mga algorithm sa pagkilala ng bagay na gumagamit ng mga neural network upang matuto at makilala ang mga bagay. Ang mga algorithm ng malalim na pag-aaral ay maaaring makilala ang mga bagay na may mataas na katumpakan at bilis, na ginagawa itong perpekto para sa mga real-time na application tulad ng paghawak.
3. Grasping algorithm
Ang ikatlong kritikal na punto ng pagsasaayos para sa a3D visual grasping systemay ang grasping algorithm. Ang mga grasping algorithm ay mga program na nagbibigay-daan sa robot na kunin at manipulahin ang bagay na nararamdaman. Mayroong ilang uri ng grasping algorithm na available, kabilang ang grasp planning algorithm, grasp generation algorithm, at force distribution algorithm.
Ang mga algorithm sa pagpaplano ng Grasp ay bumubuo ng isang listahan ng mga nahahawakan ng kandidato para sa bagay na nadarama batay sa hugis at sukat nito. Pagkatapos ay sinusuri ng system ang katatagan ng bawat paghawak at pinipili ang pinaka-matatag. Gumagamit ang mga algorithm ng Grasp generation ng mga diskarte sa malalim na pag-aaral upang matutunan kung paano humawak ng iba't ibang bagay at makabuo ng mga grasps nang hindi nangangailangan ng tahasang pagpaplano.
Ang mga force distribution algorithm ay isa pang uri ng grasping algorithm na isinasaalang-alang ang bigat at distribution ng object upang matukoy ang pinakamainam na grasping force. Ang mga algorithm na ito ay maaaring matiyak na ang robot ay makakakuha ng kahit na mabibigat at malalaking bagay nang hindi ibinabagsak ang mga ito.
4. Grippers
Ang panghuling kritikal na configuration point para sa isang 3D visual grasping system ay ang gripper. Ang gripper ay ang robotic na kamay na kumukuha at nagmamanipula sa bagay na nararamdaman. Mayroong ilang mga uri ng grippers na available, kabilang ang parallel jaw grippers, three-finger grippers, at suction grippers.
Ang parallel jaw grippers ay binubuo ng dalawang parallel jaws na gumagalaw patungo sa isa't isa upang hawakan ang bagay. Ang mga ito ay simple at maaasahan, na ginagawa silang isang popular na pagpipilian para sa mga application tulad ng mga operasyon sa pagpili at lugar. Ang three-finger grippers ay mas maraming nalalaman at nakakahawak ng mga bagay na may iba't ibang hugis at laki. Maaari din nilang paikutin at manipulahin ang bagay, na ginagawa itong perpekto para sa mga gawain sa pagpupulong at pagmamanipula.
Gumagamit ang mga suction gripper ng mga vacuum suction cup para idikit sa bagay na nadarama at kunin ito. Ang mga ito ay perpekto para sa paghawak ng mga bagay na may makinis na ibabaw tulad ng salamin, plastik, at metal.
Sa konklusyon, pagbuo ng isang3D visual unordered grasping systemnangangailangan ng maingat na pagsasaalang-alang sa mga pangunahing punto ng pagsasaayos ng system. Kabilang dito ang mga depth sensor, object recognition algorithm, grasping algorithm, at grippers. Sa pamamagitan ng pagpili ng mga pinaka-angkop na bahagi para sa bawat isa sa mga configuration point na ito, ang mga mananaliksik at mga inhinyero ay makakabuo ng mahusay at epektibong mga sistema ng paghawak na kayang humawak ng malawak na hanay ng mga bagay sa hindi nakaayos na kapaligiran. Ang pagpapaunlad ng mga sistemang ito ay may malaking potensyal na mapabuti ang kahusayan at produktibidad ng iba't ibang industriya, tulad ng pagmamanupaktura, logistik, at pangangalagang pangkalusugan.
Oras ng post: Set-18-2024
