Comprender la aplicación de la visión 3D en el campo de los AGV/AMR

Conclusión clave:

La visión 3D permite a los robots móviles ver, comprender e interactuar con su entorno. Se trata de una tecnología multidisciplinaria que combina gráficos por ordenador, visión artificial e inteligencia artificial. La tecnología de visión 3D captura las coordenadas tridimensionales de cada punto dentro de su campo de visión a través de cámaras 3D y reconstruye una imagen 3D mediante algoritmos. En comparación con las imágenes 2D, la visión 3D es más estable, resistente a los cambios ambientales y de iluminación, y ofrece una mejor experiencia de usuario y mayor seguridad.

Caminos hacia la tecnología de visión 3D

Los sensores 3D actúan como los "ojos" de la visión 3D, utilizando combinaciones de múltiples cámaras y sensores de profundidad para recopilar datos sobre la posición y el tamaño tridimensionales de los objetos. Los principales sensores de visión 3D disponibles actualmente son las cámaras binoculares, las cámaras de luz estructurada y las cámaras TOF (Time of Flight).

• Tecnología de luz estructurada 3D:Este método utiliza luz infrarroja, que se proyecta sobre un objeto con una codificación determinada. Cuando la luz se refleja, el patrón se deforma en función de la distancia del objeto. El sensor de imagen captura el patrón deformado y, mediante triangulación, se calcula la deformación de cada píxel para derivar la disparidad correspondiente y, a continuación, calcular el valor de profundidad.

• Principio TOF (Tiempo de vuelo):Esta técnica utiliza una fuente de luz infrarroja para emitir pulsos de luz de alta frecuencia sobre un objeto, luego recibe los pulsos reflejados y calcula la distancia desde la cámara hasta el objeto midiendo el tiempo de recorrido de los pulsos de luz. Actualmente, existen dos soluciones TOF convencionales en el mercado: dTOF e iTOF. Los expertos de la industria creen que dTOF reemplazará gradualmente a iTOF debido a su rendimiento superior en aspectos clave como resolución, precisión, consumo de energía ultrabajo, fuertes capacidades antiinterferencias y calibración simple. Sin embargo, dTOF tiene altas barreras técnicas, alta integración de sistemas y recursos de cadena de suministro limitados.

• Tecnología de visión estereoscópica binocular:Este método simula la visión humana observando el mismo objeto desde dos puntos de vista, obteniendo imágenes del objeto desde diferentes perspectivas. Mediante la triangulación, se calcula la desviación posicional (disparidad) entre píxeles en las imágenes para obtener una imagen 3D del objeto. La estructura de hardware de la visión estereoscópica binocular normalmente utiliza dos cámaras como dispositivos de adquisición de señales visuales. Estas cámaras se conectan a una computadora a través de una tarjeta de adquisición de imágenes de canal de entrada dual, y las señales analógicas recopiladas por las cámaras se muestrean, filtran, mejoran y convierten a formato digital, proporcionando finalmente datos de imagen a la computadora.

Aplicaciones de la visión 3D en robots móviles

A medida que la tecnología de visión evoluciona de 2D a 3D, los sensores de visión 3D se están volviendo cruciales en los robots móviles, ofreciendo percepción de profundidad y permitiendo detección en tiempo real en espacios tridimensionales, reconocimiento preciso de objetos, detección y evitación de obstáculos múltiples, toma de decisiones inteligente y orientación automatizada. Estas capacidades se están aplicando cada vez más en logística, comercio electrónico, automatización, fabricación, robots industriales y de servicios, entornos comerciales y más, con límites de aplicación en expansión.

En robótica móvil, la visión 3D se utiliza principalmente para la navegación, la evitación de obstáculos y el reconocimiento y acoplamiento de materiales finales.

• Navegación:La detección precisa del entorno es la tarea principal de los robots móviles. El "entorno" incluye aquí varios factores, como la interferencia de las diferentes condiciones de iluminación en interiores y exteriores, los obstáculos en el camino, si la ruta está despejada y plana, los tipos de objetos en el entorno, si hay personas que puedan hacer que el robot disminuya la velocidad o se detenga, si el palé que tiene delante está vacío o lleno, dónde están las ranuras de inserción de un palé cargado y cómo planificar la ruta para la recogida. Simplificando, la lógica es que un robot móvil basado en visión necesita reconocer con precisión su entorno, evitar obstáculos dinámicos y estáticos, acercarse al objeto objetivo de forma dinámica (navegación) e interactuar correctamente con el objeto objetivo (detección de objetos y reconocimiento de posicionamiento).

• Evitar obstáculos:El mercado ofrece una variedad de sensores para evitar obstáculos, como el LiDAR de una sola línea, el ultrasonido y las bandas de colisión. Las bandas de colisión suelen ser la última línea de defensa para la prevención de colisiones violentas; la evitación de obstáculos por ultrasonidos a menudo da como resultado falsos positivos; el LiDAR de una sola línea tiene puntos ciegos significativos (solo detecta obstáculos en un plano bidimensional, no puede detectar obstáculos debajo o encima del láser, lo que representa un riesgo de seguridad). Los sensores de visión 3D pueden compensar estas deficiencias. La mejor solución actual para evitar obstáculos para robots móviles es una combinación de sensores de visión 3D y LiDAR, con sensores de visión 3D que brindan una evitación precisa de obstáculos de corto y medio alcance y LiDAR para la evitación de obstáculos bidimensionales de largo alcance. Dado que las cámaras TOF prácticamente no tienen puntos ciegos, actualmente son las cámaras de visión 3D más utilizadas para la evitación de obstáculos de AGV.

• Reconocimiento de extremos y acoplamiento:En algunos almacenes, la colocación de las mercancías es compleja y la colocación manual o en vehículos de los palets suele ser imprecisa. Esta inexactitud dificulta que una carretilla elevadora no tripulada identifique con precisión el palé utilizando los límites mecánicos tradicionales o el reconocimiento de cámara monocular, lo que genera frecuentes errores de posicionamiento durante el acoplamiento de palets y, en consecuencia, una baja eficiencia operativa. Al utilizar la visión 3D para capturar imágenes de palets, combinada con algoritmos de procesamiento de imágenes adecuados, la carretilla elevadora puede identificar la posición y las coordenadas de postura del palé, ajustar de forma inteligente la dirección de inserción y lograr una manipulación inteligente de palets sin tripulación, resolviendo el problema de la desviación angular significativa durante el acoplamiento de palets con carretillas elevadoras no tripuladas. Además, se pueden utilizar algoritmos de IA para fortalecer y aprender en profundidad los modelos de reconocimiento de palets, mejorando aún más la precisión del reconocimiento y el seguimiento de palets.
•  

Orientaciones futuras: mayor resolución, velocidades de cuadro más rápidas, mejor adaptabilidad ambiental

A medida que las aplicaciones de los robots móviles se profundizan, la demanda de mayores capacidades de detección ha aumentado, lo que ha impulsado el desarrollo de la tecnología de visión 3D en esta dirección. Sin embargo, la aplicación actual de la visión 3D en robots móviles todavía está en sus primeras etapas. A medida que los robots móviles continúan evolucionando, con entornos de aplicación más diversos, los requisitos para los sistemas de visión 3D se volverán más estrictos, lo que impulsará más actualizaciones en la tecnología de visión 3D.

Haga clic en el siguiente enlace para leer más:

Presentamos el chasis del robot Moon Knight de Reeman

Presentamos el robot de entrega de comida Flash

Presentamos el robot de reparto de enfermeras en el hospital