Die visuelle Erfassung und das Erkennen von gesuchten Werkstücken oder Bauteilen ist für die Automatisierung vieler Prozesse eine zentrale Herausforderung. Nur wenn Robotersysteme Lage und Vorhandensein von Teilen in Schüttgut oder geordneten Lagen, auf Paletten beziehungsweise Förderbändern zuverlässig und präzise bestimmen, können sie situationsbezogen reagieren und Teile flexibel handhaben. Benötigt wird dies beispielsweise in der industriellen Qualitätssicherung. Eine Schlüsseltechnologie dafür ist die Machine Vision. Durch immer leistungsfähigere 3D-Kameras und Werkzeuge, welche die erzeugten Daten effizient weiterverarbeiten – wie beispielsweise Matching-Algorithmen – sind mittlerweile praktische Umsetzungen des robotischen Griff in die Kiste beziehungsweise Griff vom Förderband machbar geworden.

Herausforderung 3D-Abbildung

Typische Herausforderungen für kamerabasierte Verfahren, um komplexe Geometrien oder schwer zu unterscheidende Teile in unsortierten Behältern und Mehrschichtanordnung stabil zu erkennen, sind schlechte Licht- und Kontrastverhältnisse. Auch Objekte mit reflektierenden oder spiegelnden Oberflächen erzeugen oftmals nicht genügend Texturdetails, um 3D-Abbildungen in ausreichender Qualität für die Weiterverarbeitung zu liefern. Die Erzeugung von qualitativ hochwertigen 3D-Daten ist anspruchsvoll und die benötigte Auflösung schlägt im Budget für die notwendigen Komponenten zu Buche. Die 2D-Kameratechnik liefert hier als Basis neben hohen Auflösungen auch geeignete Erfassungsgeschwindigkeiten. Denn die Laufzeit des gesamten Greifprozesses ist relevant für die möglichen erreichbaren Zykluszeiten des Roboters, die oft als Maß für eine effiziente Automatisierung gelten.
Auch die eigentliche Verarbeitung der 3D-Daten zu 6-dimensionalen Posen ist technisch aufwändig und die beteiligten Algorithmen müssen im Allgemeinen mit vielen Parametern langwierig eingestellt werden, bis sie zufriedenstellend funktionieren. Hier zeigt sich meist recht schnell, wie benutzerfreundlich und flexibel ein System handhabbar ist. Um kurze (Um-)Rüstzeiten gewährleisten zu können, muss der Integrationsaufwand auch bei Änderung der Objekte beziehungsweise deren Lokalisierung durch die Software-Werkzeuge einfach und überschaubar bleiben. Nur so kann die robotergestützte Automation ihre Adaptionsfähigkeit auch bei Kleinserien oder Einzelstückfertigung ausspielen. Wichtig ist in diesem Zusammenhang auch die Möglichkeit, eine Evaluierung beziehungsweise ein Proof-of-Concept mit wenig Zeit- und Kostenaufwand realisieren zu können.

2D unterstützt 3D

Der Ensenso-PartFinder integriert von vorne­herein verschiedene Ansätze aus 2D- und 3D-basierten Verfahren, um alle Vorteile für die Lösungsfindung zu nutzen. 2D-Merkmale liefern Texturen, Kanten oder Schattenwurf, wodurch nicht nur komplexe Formen, sondern auch Formen mit schwierigen 3D-Ansichten, wie beispielsweise sehr flache Teile oder Löcher, schnell und stabil erkannt werden. Das Template-basierte Matchingverfahren ist zudem in der Lage, gleich mehrere der gesuchten Teile in einem Durchlauf zu lokalisieren, was sehr wichtig für die Effizienz der folgenden Greifprozesse und damit auch für die Gesamtlaufzeit ist.
Als integriertes Modul der Ensenso-Software-Bibliothek NxLib arbeitet er mit allen Ensenso-3D-Kameras zusammen und kann über alle Ensenso-Schnittstellen angesprochen werden, so auch vollständig über die bekannte GUI der NxView-Oberfläche. Hier entsteht also kein zusätzlicher Aufwand der Einbindung eines weiteren Tools. Ohne initialen Programmieraufwand lassen sich so durch lediglich visuelle Konfiguration Objekte in 3D-Punktwolken auf Basis eigener CAD-Geometrien wiederfinden respektive lokalisieren.
Dabei sind Ensenso-Anwender stets flexibel – von kostengünstig für geometrisch korrekte, relativ niedrig aufgelöste Szenen mit der Ensenso S bis hin zu sehr hoher Genauigkeit auch über große Volumina und Abstände mit den Ensenso-Kameras der X- oder XR-Serie. Egal ob eine schnelle Evaluierung mittels einfach bedienbarer GUI oder eine vollständige Integration in bestehende Softwarestrukturen notwendig ist, mit dem Ensenso PartFinder meistert man durch die kombinierte Nutzung von Tiefeninformationen, Oberflächennormalen und Texturdaten heute selbst knifflige Lokalisierungsaufgaben robust und einfach.