Prohlášení
Byl jsem seznámen s tím, že na mou diplomovou práci se plně vztahuje zákon č. 121/2000 Sb., o právu autorském, zejména § 60 – školní dílo.
Beru na vědomí, že Technická univerzita v Liberci (TUL) nezasahuje do mých autorských práv užitím mé diplomové práce pro vnitřní potřebu TUL.
Užiji-li diplomovou práci nebo poskytnu-li licenci k jejímu využití, jsem si vědom povinnosti informovat o této skutečnosti TUL; v tom-to případě má TUL právo ode mne požadovat úhradu nákladů, které vynaložila na vytvoření díla, až do jejich skutečné výše.
Diplomovou práci jsem vypracoval samostatně s použitím uvedené literatury a na základě konzultací s vedoucím mé diplomové práce a konzultantem.
Současně čestně prohlašuji, že tištěná verze práce se shoduje s elektronickou verzí, vloženou do IS STAG.
Datum:
Podpis:
TÉMA: ROBOTICKÉ ODNÍMÁNÍ NÁHODNĚ ORIENTOVANÝCH OBJEKTŮ
ANOTACE:
Kvalifikační práce obsahuje průzkum trhu s dostupnými robot vision systémy a návrh laboratorního pracoviště pro robotické odebírání náhodně orientovaných objektů s důrazem kladeným na výpočet a konstrukci koncového efektoru. U dané úlohy je zpracována parametrizace příslušného softwaru a pohybová úloha včetně experimentálního vyšetření úspěšnosti řešení a technickoekonomické zhodnocení řešení.
KLÍČOVÁ SLOVA:
Robot, Manipulace, Robot Vision, Bin Picking, Koncový Efektor
THEME: ROBOTIC PICKING OF RANDOMLY ORIENTED OBJECTS
ANNOTATION:
The thesis contains market research on available robot vision systems and a design of laboratory workplace suited for robot picking of randomly oriented objects with emphasis on calculation and construction of the end effector. Parametrization of respective software and motion task were realized as well as experimental measurements of success rate and technical-economic evaluation.
KEY WORDS:
Robot, Manipulation, Robot Vision, Bin Picking, End Effector
Poděkování
Rád bych touto cestou vyjádřil poděkování vedoucímu a konzultantovi
diplomové práce za jejich drahocenný čas a odborné rady, které mi poskytovali
v průběhu její tvorby. Neskonalý dík patří mé rodině, která mne po celou dobu
studia podporovala, čímž také nese svou zásluhu na vzniku této kvalifikační
práce.
Obsah
1. Úvod ... 8
2. Bin Picking ... 13
2.1. Bin picking systémy ... 16
2.2. Detekční technologie ... 17
2.2.1. Laser scanning ... 18
2.2.2. Fotogrammetrie ... 20
2.2.3. Stereo vize ... 21
2.2.4. Time of Flight ... 22
2.3. Dostupné Bin Picking prostředky ... 23
2.3.1. Pick It – FLEX/TEACH ... 23
2.3.2. Photoneo PhoXi 3D Scanner L ... 24
2.3.3. SICK – RULER S2114 ... 25
2.3.4. FANUC - 3D Area Sensor ... 26
2.3.5. Ensenso X36 ... 27
3. Koncepce laboratorního pracoviště a efektoru ... 29
3.1. Popis uchopovaného objektu ... 29
3.2. Layout laboratorního pracoviště ... 30
3.2.1. Varianta A: Floor mount ... 32
3.2.2. Varianta B: Ceiling mount ... 33
3.2.3. Varianta C: Wall mount ... 34
3.3. Efektor ... 34
3.3.1. Varianta A: Magnetické chapadlo ... 35
3.3.2. Varianta B: Pneumatické chapadlo ... 36
3.3.3. Varianta C: Mechanické chapadlo ... 37
4. Návrh komponentů laboratorního pracoviště ... 39
4.1. Rám ... 39
4.2. Efektor ... 40
4.2.1. Výpočet velikosti úchopných sil ... 42
4.2.2. Kompenzace polohy ... 56
4.2.3. Výběr chapadla ... 58
4.2.4. Ovládací prvky ... 59
4.3. Odkládací stanoviště ... 60
5. Softwarová část úlohy ... 63
5.1. Komunikační část ... 64
5.2. Programová část ... 65
5.3. PLB – Part Localization in Bins ... 66
5.3.1. Základní konfigurace ... 67
5.3.2. Optimalizace parametrů ... 70
6. Experimentální vyhodnocení úspěšnosti odnímání dílů ... 73
7. Technickoekonomické zhodnocení ... 75
8. Závěr... 76
9. Seznam použité literatury ... 78
10. Seznam obrázků ... 82
11. Seznam tabulek ... 84
12. Seznam zkratek ... 85
13. Seznam symbolů ... 86
14. Seznam příloh ... 87
8
1. Úvod
Jednoznačným směrem, kterým se zejména od začátku 20. století ubírá lidstvo (především v rozvinutějších zemích, kde se lidská síla stala drahou), je postupná mechanizace a automatizace práce napříč různými průmyslovými odvětvími, ať už jde o zemědělství nebo strojní či textilní průmysl. Prvním takovým krokem bylo využití přírodních sil získaných zvláště prostřednictvím vody a páry, což je celosvětově označováno za průmyslovou revoluci, datující se od druhé poloviny 18. století do první poloviny 19. století.
Tyto nové metody výroby přinesly prudký technologický rozvoj umožňující výrazné zrychlení pokroku civilizace. To mělo za důsledek vznik druhé - technologické - průmyslové revoluce, charakterizované především hromadnou výrobou, montážními linkami a začátkem využívání elektrické energie zařazené do časového rozmezí od konce 19. století do začátku století 20. Další důležitou etapou v historii lidstva byla třetí, neboli digitální, průmyslová revoluce, odstartována zvládnutím výroby tranzistorů (1947), datující se od konce 50. let a trvající cca 20 roků. Velkým skokem zde bylo přejití z mechanického a analogového na digitální ovládání a uchovávání informací, což umožnilo rychlé, teoreticky bezztrátové přenosy informací na velké vzdálenosti a manipulace s nimi. Číslicové řízení tak dalo vniknout zcela novým možnostem, které byly využity na zhotovení počítačů řídících roboty a tím pádem charakteristickým znakem pro tuto revoluci, kterým je automatizace [1]. Nejprve však bude uvedena stručná historie průmyslových robotů.
V roce 1954 byl Georgem Devolem v Americe podán patent, který představil koncept univerzální automatizace, kdy ho komentoval: „Současný vynález odhaluje vůbec poprvé zařízení pro více či méně obecnou činnost, mající univerzální využití, kde je požadováno cyklického číslicového ovládání“ [2]. Díky velkému zájmu založil firmu Unimation a prototyp byl nasazen do provozu v roce 1959 na montážní lince společnosti General Motors. O dva roky později George Devol spustil hromadnou výrobu průmyslových robotů série 1900 již zmíněné firmy, přičemž bylo během krátkého časového horizontu nasazeno 450 robotů do různých provozů po celé Americe. Od té doby bylo do vývoje průmyslových robotů investováno obrovské úsilí s úmyslem vytvářet roboty s co nejvýhodnějšími parametry (pohyblivost, rychlost a zrychlení koncového bodu, nosnost, …) pro dané aplikace. Od té doby zaznamenal pokrok průmyslových robotů prudký rozvoj.
Trendem v pružné automatizaci je vybavování robotů celou řadou senzorů, kde lze rozlišit v podstatě pouze dvě skupiny. První jsou tzv. vnitřní senzory, které jsou nedílnou součástí robotu potřebnou pro jeho funkci, sledující jeho vnitřní stav, nejčastěji polohu, rychlost a zrychlení pohyblivých členů. Druhou skupinou jsou vnější – ačkoliv mohou být zabudované v těle robotu - senzory, snímající informace z okolí pro rozšíření smyslů robotu či stroje. Ty mohou být tvořeny jednoduchými systémy jako například koncové dorazy, nebo jsou uplatněny více sofistikované snímače, které jsou schopny registrovat obraz, zvuk či sílu. Jak již bylo řečeno, tyto poznatky z okolního prostředí jsou využity například pro zvýšení flexibility, soběstačnosti nebo k ochraně lidských pracovníků, majetku, či sebe
9 sama. Důležitou vlastností je právě flexibilita, ve které průmyslové roboty v porovnání s kupříkladu jednoúčelovými stroji vynikají. Velmi výrazným, čím dál více využívaným prostředkem pro její zvýšení se staly Robot Vision systémy, založené na snímání a následném zpracování analyzovaného obrazu sejmutého průmyslovými kamerami. Tohoto principu je využíváno v diplomové práci - na základě informací extrahovaných z okolí je potom podle konkrétních programů řízena činnost průmyslového robotu či jejich soustav.
Všechny tyto kroky učiněny ke zvýšení automatizace přirozeně vedou k digitalizaci celých výrobních procesů, což je podstata čtvrté průmyslové revoluce (nově označované jako Průmysl 4.0), jejíž název a konkrétní koncept byl poprvé představen na veletrhu v Hannoveru v roce 2013, ale první vize byly zaznamenány již o 2 roky dříve. Průmysl 4.0 stojí na šesti pomyslných pilířích (výhodách), kterých je dosahováno následujícími nástroji:
Kyber-fyzikální systémy (Cyber-physical systems – CPS) jsou založeny na propojení fyzikální a kybernetické1 úrovně, ovládané a monitorované počítačovými algoritmy, většinou úzce spojené s lidmi a internetem [3]. Oproti tradičním systémům je plnohodnotný CPS typicky navržen jako síť interagujících elementů schopných zaznamenávat velké množství informací s fyzickými rozhraními, čímž se liší od samostatně zapojených zařízení.
Internet věcí (Internet of Things – IoT) je propojování fyzických strojů, přístrojů vozidel, domů a ostatních zařízení, disponujících prostředky potřebnými ke komunikaci po internetu a různými čidly, díky kterým dohromady sbírají a sdílejí data. IoT také umožňuje zařízení na základě zjištěných informací na dálku ovládat prostřednictvím existující internetové infrastruktury, čímž vytváří cestu pro přímější komunikaci zařízení s fyzickým světem [3].
Cloud computing je označení pro sdílené výpočetní prostředky, které jsou k dispozici jakémukoliv zařízení připojenému na tuto síť, přičemž velikost výpočetního prostoru, který mu je přidělen, se automaticky mění pouze s minimálním úsilím. Tento nástroj rovnoměrně rozděluje vytížení zařízení přesunutím datových úložišť a výpočetních jednotek na hardwarové systémy třetích stran.
Digitální ekonomika – na základě velkého množství informací je ideálně ekonomika celého podniku nebo soustavy podniků řízena pomocí umělé inteligence, napojené na internet, přinášející výhody v podobě zvýšené rychlosti odezvy a snížení nákladů.
Všechny tyto nástroje jsou navrženy tak, aby byly vzájemně propojeny, tehdy se projeví jejich síla. Zároveň to je ale i jejich slabina, jelikož se musí při přechodu na Průmysl 4.0 obměnit podstatná (ne-li téměř všechna) zařízení, která s ním nejsou kompatibilní, kterých je v současné době podstatná většina. Je proto třeba ke každému
1 Kybernetika je vědní obor zabývající se různými principy řízení ve strojních systémech a živých organismech a případnému vzájemnému sdílení informací.
10 případu přistupovat individuálně, ideálně za pomoci erudovaných odborníků [4]. Pokud je však docíleno úspěšného transferu, čtvrtá průmyslová revoluce přináší následující šest charakteristických kladů:
- Prvním je interoperabilita, což je schopnost různých systémů vzájemné spolupráce, což se vztahuje nejen na stroje a informační technologie, ale i na komunikaci mezi firmami či lidmi.
- Druhým rysem je decentralizace. Zde tímto výrazem rozumíme separaci rozhodovacích procesů tzv. chytrých továren v rámci kyber-fyzikálních systémů, čímž dochází ke zvyšování samostatnosti.
- Dalším pilířem je vlastnost nazvaná real-time, označující schopnost systémů shromažďovat, vyhodnocovat informace a na jejich základě okamžitě provádět rozhodnutí v aktuální situaci.
- Čtvrtá je orientace na obsluhu. To znamená, že kyberneticko-fyzikální systémy disponují možnostmi, díky kterým mohou přímo kompletně řídit chytré továrny za využití internetu.
- Pátý pilíř se nazývá modularita a jejím důsledkem je možnost flexibilně se adaptovat na změnu požadavků nebo stavu úpravou, nahrazením nebo rozšířením dostupných jednotlivých modulů.
- Posledním bodem je zde virtualizace. Dochází k vytváření virtuálních kopií již existujících chytrých továren, kde je využíváno silného nástroje v podobě simulačních procesů, které předpovídají nejvýhodnější kroky ke zvýšení produktivity a efektivity.
Stručná historie průmyslových robotů včetně právě probíhající Čtvrté Průmyslové revoluce zde byla zmíněna, protože moderní trend zavádění bin picking systémů je velmi vhodný pro nasazení do chytrých továren. Tam při přijetí polotovarů či materiálu do výrobního procesu lze aplikovat princip kyber-fyzikálních systémů při shromažďování dat o přijetém zboží, nemluvně o míře automatizace a soběstačnosti. Decentralizované autonomní výrobní systémy se podle sledování současných trendů budou stávat čím dál populárnějšími, je tedy nutné je sledovat a přizpůsobovat se jim (či dokonce vytvářet nové) pro maximalizaci konkurenceschopnosti.
11 Průmyslové roboty a manipulátory (PRaM) v dnešní době zastávají čím dál větší podíl práce ve výrobních procesech, což je jev znatelný nejvíce v automobilovém průmyslu (příkladem může být Německo, které ho má velmi rozvinutý a robustní – důsledek mzdové situace v dané zemi či regionu), viz Obrázek 1:
Obrázek 1 - Počet průmyslových robotů na milion hodin odpracovaných lidskými zaměstnanci [5] (upraveno)
PRaM mohou vykonávat mnoho druhů práce, jejich nejčastější využití v Evropě je uvedeno na Obrázek 2 - využití průmyslových robotů podle typu operace, ze kterého vyplývá, že jednoznačně majoritní zastoupení získala manipulace, následována svařováním.
Těmto pracím by podle odhadů měl být svůj největší podíl být zachován, jsou však očekávány změny v průmyslových odvětvích, ve kterých budou nově PRaM nasazovány.
Předpovídá se velké zvýšení podílu robotické práce kupříkladu v potravinářství nebo jaderné energetice (zde je hlavním důvodem navýšení bezpečnosti práce z důvodu radioaktivního záření), množství aplikací je však prakticky neomezené.
Obrázek 2 - využití průmyslových robotů podle typu operace [6] (upraveno)
12 Manipulační aplikace jsou snadno implementovatelné, pokud se objekty manipulace nachází na pozicích s neměnnou polohou a orientací (kromě osově symetrických součástí, potom na jejich orientaci nezáleží). Potřeba řešit úlohy s náhodně rozmístěnými díly dala vzniknout odvětví nesoucímu název Robot Vision, schopnému rozpoznávat scénu a na základě jejího vyhodnocení interagovat s okolním prostředím. Podmnožinou Robot Vision systémů je poměrně mladá technologie Bin Picking systémů, určených pro odebírání většího množství (řádově desítky až tisíce) opět chaoticky či semi-chaoticky rozmístěných dílů uložených často uvnitř přepravních kontejnerů nebo beden.
První kapitola diplomové práce je rešerše (jak retrospektivní, tak průběžná) pojednávající o počátcích robotiky a automatizace plynule přecházející do současného trendu Průmyslu 4.0, který je uveden pro zvýraznění významnosti perspektivních Bin Picking systémů a jejich potencionálních využití v blízké budoucnosti.
13
2. Bin Picking
Manipulace s objekty je velmi významnou součástí výrobního procesu, obvykle potřebná před výrobním procesem a po něm, mnohdy i v jeho průběhu, přičemž se lze velmi často setkat s případem, kdy se objekty manipulace nachází v přepravních nádobách ve větším množství. Tento systém se však v drtivě většině případů vyznačuje nahodilým rozmístěním dílů, jejichž odebírání je problém, který pro jeho vyřešení vyžaduje poměrně vysokou míru autonomie. U konvenčních manipulátorů je nutné zajistit přesnou polohu výrobku, která ve volně ložených dílech není zaručena. Odebírání z beden tedy bývá často realizováno buď zaměstnancem, který z nich ručně přemisťuje předměty do zásobníků či vychystávacích pozic, nebo jednoúčelovými třídicími a polohovacími systémy.
Jednoúčelové podavače mají výhodu ve velké spolehlivosti a množství dílů, které jsou schopny dopravit a naorientovat, postrádají však samostatnost a především flexibilitu, což je čím dál více požadovaná vlastnost v moderních pružných podnicích [7].
Pro tento typ úlohy se používá všeobecně známý termín Bin Picking, ve kterém je nutno překonat celou řadu různých překážek. Díky tomu se Bin Picking považuje za výzvu, kterou se téměř 50 let zabývá velké množství vědeckých zařízení z celého světa využívajíce především elektronických optických snímačů a průmyslových robotů. Navzdory tomuto množství vynaloženého úsilí v dnešní době neexistuje univerzální spolehlivé řešení, které by tento problém řešilo. Důvodem je vysoká míra flexibility a adaptibility, kterou lidští pracovníci přirozeně disponují a která je potřebná k manipulaci s náhodně rozmístěnými předměty. Je proto nutné PRaM vybavit senzorikou schopnou vnímat své okolí a určitým stupněm umělé inteligence, který na základě zjištěných informací o okolním prostředí tuto komplexní úlohu vykonává.
Hlavním problémem, který musí autonomní robot (včetně všech potřebných periferií) řešit, je analýza oblasti zájmu, a to v naprosté většině případů bezkontaktním způsobem, tedy vizuálním. Jak již bylo řečeno, na trhu se nenachází žádný výrobek, který by byl schopen plošně Bin Picking úlohu bezproblémově zvládnout a to i z toho důvodu, že je nutné při výběru optického snímače přihlédnout k vlastnostem konkrétní úlohy, aby bylo možné 3D data úspěšně nasnímat a následně jim porozumět. Vizualizační systém robotu se tedy skládá ze dvou hlavních částí, a to systému pro získání vizuálních informací a jejich analýzy. Pro efektivní plnění své funkce musí tyto dvě části být velmi úzce propojené.
Lidský pracovník vyniká svou univerzálností, jeho najmutím však narůstají průběžné náklady na plat, rizika zranění a onemocnění, kdy je nutné hledat náhradu a samozřejmě se do řetězce zanáší faktor lidské chyby, který je většinou účelně ve výrobním procesu co nejvíce snižován – platí moderní heslo: „Kvalita se nekontroluje, ale vyrábí“ – tato věta naráží na schopnost výrobní jednotky při zaručených neměnných vlastnostech vstupujícího materiálu automatizovaným kontrolovaným výrobním procesem zaručit konstantní vlastnosti vystupujících výrobků [8]. To má za následek drastické snížení či v ideálním případě téměř úplné eliminování zmetkovitosti.
Výše zmíněná úloha lze díky rozvoji automatizace řešit alternativní cestou, a to za pomoci PRaM vybavenými senzorikou schopnou vnímat své okolí a určitým stupněm umělé inteligence, jak lze pozorovat na Obrázek 3, bin picking je metoda robotické (12) manipulace s objekty (41) různých tvarů a velikostí, které se většinou ve větším počtu nacházejí náhodně rozmístěné a naorientované v určitém kontejneru nebo v bedně (angl.
14 bin) (40). 3D scéna s předměty je vizualizačním systémem (36) za pomoci určitého typu optických snímačů (38) zmapována a díky tomu jsou tyto objekty odebírány (angl. to pick) koncovým efektorem robotu (24) a přemisťovány pro další zpracování, přičemž základní operace, které může pracoviště s bin picking systémem vykonávat, jsou Pick & Place2 (konkrétně vychystávání, depaletizace, zakládání polotovarů do CNC obráběcích strojů, třídění apod.), montáže a inspekce. S výhodou bývá implementováno řešení vstupní kontroly, ať už jde o inspekci hmotnosti, barvy, tvaru, či počtu. Tyto informace pak mohou být předávány dále pro rozhodování o materiálovém a informačním toku s využitím všech výhod Průmyslu 4.0. Nejvýznamnější výhodou Bin Picking systémů je naprosté odstranění potřeby přesné pozice či založení dílu při robotické manipulaci. Celá soustava Bin Picking pracoviště se tedy musí sestávat z již zmíněných nutných dílů, které jsou uvedeny:
Obrázek 3 - Komponenty Bin Picking pracoviště [9]
Původně čistě ekonomický důvod – generace co největšího zisku, často realizovaný snižováním podílu lidské práce, má ve velké většině případů také pozitivní dopad i na aspekty jako bezpečnost pracoviště, náročnost průběžného organizování při výrobě (rozdávání úkolů, stravování, přestávky, …) či nároky na ergonomie pracovišť. Další nezahrnuté a málo uváděné – přitom neméně významné – problémy vznikají z důvodu únavových zranění zahrnujících záněty svalů a kloubů, opotřebení kloubních lůžek, vznik karpálního tunelu či bolesti krční páteře způsobené monotónní jednostrannou fyzickou zátěží pracovníka [10]. Pro prevenci takových zranění se musejí poskytnout kroky ke zvýšení ergonomie pracoviště, velmi často zvyšující vstupní investici a potenciálně snižující efektivitu práce [11].
2 Pick & Place (P&P) je proces manipulace s předměty, při kterém dochází k uchopení předmětu, jeho přemístění a zanechání na dané pozici.
15 I přes své progresivní zlepšování se Bin Picking technologie stále potýká s množstvím problémů, které je pro její spolehlivé nasazení nutné překonat. Jedná se především o problémy s rozpoznáváním scény, pokud jsou předměty zašpiněné nebo příliš lesklé, odebrání také může selhat kvůli nedostupným úchopným místům, pokud jsou tvarově složité součásti na sobě nakupené tak, že se příliš překrývají. Situační příklady dílů umístěných v zásobnících lze pozorovat na Obrázek 4:
Obrázek 4 - Příklady součástí a jejich umístění pro Bin Picking aplikaci [12]
Bin Picking systémy často bývají nazývány jako aplikace nebo řešení, ale nikdy neexistuje standardní nebo univerzální aplikace, každá je jiná s přihlédnutím ke specifickým požadavkům a parametrům řešené úlohy, ve které je nutno se zabývat jednotlivými částmi problému uvedenými na Obrázek 5. Pro úspěšné navržení a zavedení Bin Picking úlohy je tedy třeba se zabývat více úlohami, než pouze použitím robotu a systému strojového vidění.
Obrázek 5 - Oblasti řešených úloh v rámci Bin Picking systému [13] (upraveno)
16
2.1. Bin picking systémy
Na úvod je nutné zdůraznit, že v aplikace Bin Pickingu nemá ve své podstatě nic společného s funkcionalitou robotu nebo klasickou robotikou, kterou rozumíme programovatelný stroj, plnící pohybové úlohy. Robot je v tomto případě pouhým nástrojem na vybírání a přemisťování volně ložených objektů bez vlastní vyšší logiky či rozhodovací moci, pojmem BP je tedy rozuměna celá soustava součástí plnících dohromady již popsanou manipulační operaci [14].
Ačkoliv o pojmu Bin Picking mluví už několik desetiletí, existuje jen relativně malý počet firem, které začaly až kolem roku 2008 [15] nabízet vlastní řešení a to z toho důvodu, že zde dochází ke křížení několika moderních oborů (především prostorové strojové vidění, informatika a robotika), přičemž nároky na přesnost rozpoznávacích systémů jsou pro většinu úloh relativně vysoké. Ačkoliv jsou průmyslové roboty vyzdvihovány pro jejich vysokou míru opakovatelnosti (často v řádech setin mm [16]), přesnost přístrojů pro mapování prostoru uvnitř kontejneru se pohybuje až o několik řádů výše (desetiny či jednotky, dříve až desítky mm [17]). To je jednou z limit při manipulaci s náhodně rozmístěnými předměty, další může být například stav, kdy se předměty navzájem překrývají, takže je nelze nasnímat celé a při každém odebrání ostatní většinou změní své pozice. Tyto komplikace vytvářejí potřebu vybudovat systém, ve kterém je nutné splnit požadavky na obratnost průmyslových robotů, kvalitní systém strojového vidění včetně softwaru a výpočetní techniky schopné vypořádat se s velkými objemy dat a složitými výpočty v reálném čase. S technologickým pokrokem jsou však postupně překážky překonávány a z Bin Picking systémů se začínají stávat feasibilní3 součástí pracovního procesu s uspokojující a vyhovující přesností a spolehlivostí detekování vyhledávaných předmětů. Vizionář a průkopník v robotice Adil Shafi4 předpověděl, že se úloha Bin Pickingu stane mainstreamovou aplikací kolem roku 2020 [18].
Bin Picking systémy jsou založeny na třech základních krocích:
1) Skenování 3D scény
- První fází v manipulaci s náhodně loženými předměty je mapování objektů a jejich rozmístění pomocí specializovaného hardwaru, skládajícího se z optického snímače nebo ze soustavy optických snímačů.
- Volbu kamer a nasvícení je nutné přizpůsobit konkrétní situaci a požadavkům.
Návrh těchto komponent může mnohdy rozhodovat o úspěchu či nezdaru při budoucí analýze.
2) Lokalizace objektů
- Zde je tato část přesunuta do softwarové roviny. Moderní Bin Picking systémy jsou vytvářeny tak, aby již byly připraveny na příchod Průmyslu 4.0. Základní myšlenka spočívá v porovnání analyzované scény s referenčním dílem v podobě CAD dat, velmi často v univerzálním formátu .step či .iges.
3 Feasibilita je informace, která určuje stupeň proveditelnosti, často bývá spojována s pojmem návratnost nebo výhodnost.
4 Vizionář a významná osobnost v robot vision systémech.
17 - Dále speciální algoritmus vyhledává shodné části referenčního objektu a části nasnímaného prostoru, vyhodnocuje počet objektů, jejich polohu a místo, které lze využít pro bezproblémové uchopení. V potaz je často brán i tvar efektoru, aby bylo zabráněno vzniku kolizí chapadla a manipulovaných objektů či stěny zásobníku.
3) Plánování cesty koncového bodu robotu pro odebrání dílu
- Podstatnou součástí manipulační úlohy je vytvoření trajektorie vhodné pro odebrání dílu. Před kolizí se musí chránit i samotný robot, proto je specifikován pracovní prostor, ve kterém se může jakákoliv část robotu bezpečně pohybovat bez rizika vzniku kolize.
- Kromě geometrických vlastností trasy jsou řešeny i kinematické veličiny jako rychlost a zrychlení, obvyklým případem jsou rychlé pohyby při přemisťování dílů v prostoru a snížené hodnoty rychlostí v blízkosti objektů, pozice pro odložení předmětu či jiných překážek.
2.2. Detekční technologie
Oproti klasickým robot vision systémům je potřeba orientovat se ve třech souřadnicích místo dvou, tedy i ve vertikální ose (tradičně) ze dvou důvodů. Prvním je uspořádání objektů v přepravce, které jsou v drtivé většině případů navršeny na sobě v různých polohách. Druhým je vyhledávání odebíraného dílu, který by se při 2D snímání obrazu jevil zdeformovaný a analýza by selhala, třetí dimenze je zde tedy nutností. Tento požadavek vytváří potřebu využívat sofistikovanějších metod pro snímání scény, které jsou dále podrobněji rozebrány. V Obrázek 6 - Detekční technologie využívané nebo podporované zákazníky jsou uvedeny nejčastější technologie snímání scény při realizace Bin Picking systémů, ze kterého vyplývá, že metody laser scanning a stereovize, obě využívající triangulační princip (stejně tak jako lidské oko), jsou v současné době převládajícími technologiemi v této oblasti. Ty také jsou v práci nejpodrobněji rozebrány.
Obrázek 6 - Detekční technologie využívané nebo podporované zákazníky [19] (upraveno) 53%
18%
63%
23%
0%
10%
20%
30%
40%
50%
60%
70%
Laser scanning Fotogrammetrie Stereo vize Time of Flight
18 Všechny technologie vytváří tzv. bodová mračna, což je shluk bodů v prostoru, každý se svými třemi příslušnými souřadnicemi, obvykle v kartézském souřadném systému.
Významným parametrem je zde hustota bodového mračna, od které se odvíjí i podrobnost extrahovaných 3D informací. Ačkoliv se dá mračno bodů okamžitě zobrazit a renderovat, pro řadu účelů je však tento typ dat nepoužitelný a proto bývá převáděn do polygonálních sítí nebo NURBS5 povrchů, kde může být podroben další analýze. V některých případech však lze s bodovými mračny pracovat přímo, a to nejčastěji jeho osazením na CAD model, kde je porovnávána shoda a její odchylky.
2.2.1. Laser scanning
Metoda nazvaná laser scanning je založena na snímání deformace promítaného liniového laseru. Základní myšlenka laserového skenování spočívá v porovnání předpovídané polohy paprsku, který by dopadal na základní rovinu bez překážek, vůči skutečnému odraženému, čímž jsou přepočtem získány výškové rozdíly pro celou šíři najednou, 2D obraz je potom extrahován přímo z optického senzoru. V tomto systému existují dvě zásadní varianty skenování pomocí laseru, a to s pohyblivým či naklápěcím zdrojem laserového paprsku, nebo s pohyblivým objektem zájmu (Obrázek 7), přičemž je v řešené práci využito prvního způsobu.
Obrázek 7 - Laser scanning systém s pohyblivým zdrojem laseru (vlevo) [20] (upraveno), s pohyblivým objektem (vpravo) [21] (upraveno)
5 Non-uniform rational B-spline, matematický model běžně využívaný v počítačové grafice pro generování křivek a povrchů.
19 Z obrázku Obrázek 8 vyplývá, že velmi významnou roli v přesnosti celého systému hraje úhel mezi liniovým laserem a kamerovým systémem. Z uvedené rovnice je zřejmé, že při velkém úhlu α pouze malá změna výšky znamená velký rozdíl ve velikosti posunutí skutečného odraženého paprsku, nevýhoda ale spočívá v omezeném rozsahu měřených výšek a v Bin Picking systému problematické geometrické stíny za boky kontejneru či plochy objektů, které mají menší úhel, než je úhel α. Zvolený úhel naklopení paprsku je dán jemným bilancováním těchto vlastností s cílem získat co největší přesnost při co minimalizaci geometrických stínů s přihlédnutím na rozsah měřených výšek.
Obrázek 8 - Princip výpočtu výškového rozměru pomocí technologie laser scanning [22] (upraveno)
Při použití pohyblivého zdroje laserového paprsku, což je případ skenovacího zařízení SICK Ruler (Obrázek 7), je úhel α variabilní a navíc se z pravoúhlého trojúhelníku stává obecný. Tato vlastnost vnáší další úroveň obtížnosti do výpočtového algoritmu, který musí být tím pádem ještě komplexnější. Důvodem pro toto zdánlivé zkomplikování skenovacího procesu je skutečnost, že bedna s objekty i machine vision systém mohou zůstat statické na jednom místě. Proto je tento přístup i přes složitější výpočet na trhu s Bin Picking řešeními dominantní. Pro detekci se používá několik následujících uspořádání kamery a laseru vůči analyzovanému objektu:
Obrázek 9 - Čtyři běžné konfigurace pro 3D strojové vidění za použití triangulace [23] (upraveno)
20 Každý z těchto čtyř systémů má svoje silné a slabé stránky, které se berou v potaz při navrhování nejvhodnějšího řešení pro konkrétní případ. Nejčastější parametry rozhodující o výběru nejvhodnější varianty jsou vlastnosti povrchu snímaného objektu a nároky na přesnost jak v rovině kolmé na optický snímač, tak na její normálu.
Tabulka 1 - Porovnání vybraných uspořádání při laserové triangulaci
2.2.2. Fotogrammetrie
Název je složen z trojice latinských slov: photo - světlo, gram - měřit, metry - malovat, což mírně naznačuje i princip, který je založen na pořízení obrazů scény z minimálního potřebného (většinou velkého) množství úhlů, ze kterých se digitálně skládá 3D model na základě vyhodnocených společných bodů na jednotlivých snímcích. Překrytí sousedních snímků by mělo být minimálně 60-70%, pro zmapování objektu s přijatelnou přesností je tedy nutné pořídit velký počet obrazů. Tato technologie se používá většinou v netechnických oblastech jako například 3D mapování obličejů pro 3D tisk, kde nejsou tak vysoké požadavky na přesnost a rychlost vytvoření 3D scény.
Obrázek 10 - Princip fotogrammetrie [24] (upraveno)
Standartní geometrie Obrácená geometrie Zrcadlová geometrie Look-away geometrie
Hlavní přednosti Výpočetně jednoduché Zvýšená rozlišovací schopnost
Vhodné pro temné objekty
Poskytuje největší přesnosti měření Hlavní limitace Vyžaduje velkou hloubku
ostrosti Výpočetně složité Odražené paprsky mohou
způsobovat chyby měření Hrozí okluze Primární použití Obecné využití Aplikace vyžadující
vysokou přesnost
Tmavé nebo vysoce profilované objekty
Vysoce reflektivní materiály (sklo, kovy,…)
21
2.2.3. Stereo vize
Počítačová stereo vize je způsob extrakce 3D informací získaných za pomocí dvou CCD či CMOS kamer. Porovnáním jednotlivých obrazů ze dvou různých směrů stejného objektu lze opět pomocí triangulačního principu docílit vytvoření bodu nebo mraku bodů (viz níže) v prostoru, což je metodicky velice blízké stereopsi – binokulárnímu vidění, kterým přirozeně disponují lidé. Zde je údajem určujícím hloubku bodu tzv. paralaxa6, která určuje zdánlivé posunutí mezi bodem v obrazu z jedné a druhé kamery (viz Obrázek 11):
Obrázek 11 - Princip stereo vize [25] (upraveno)
Důležité je, aby se sledovaný bod nacházel uvnitř pozorovacího úhlu obou kamer a aby měly optické senzory dostatečné rozlišení pro vyhodnocení minimální požadované přesnosti zjišťované hloubky. Bod scény a dvojice optických snímačů tvoří trojúhelník, u kterého je dopočítán příslušný rozměr určující vzdálenost sledovaného bodu od roviny kamer. Hodnoty xl a xr na promítací rovině jsou dány ohniskovou vzdáleností optiky kamer, často se volí totožné.
Obrázek 12 - Výpočet vzdálenosti bodu pomocí triangulace [26] (upraveno)
6 Paralaxa - z řeckého παράλλαξις (parallaxis) znamenající „změna“ - úhel, který svírají přímky vedené ze dvou různých míst v prostoru k pozorovanému bodu.
22 Z Obrázek 12 vyplývá:
𝑧 𝑓= 𝑥
𝑥𝑙; 𝑧
𝑓 =𝑥 − 𝑏
𝑥𝑟 ; 𝑧 𝑓= 𝑦
𝑦𝑙= 𝑦
𝑦𝑟 (2.1); (2.2); (2.3)
Pro stereo vize s paralelními optickými osami, ohniskovou vzdáleností f, vzdáleností kamer b a příslušnými souřadnicemi obrazových bodů (xl, yl a xr,yr) lze umístění bodu v prostoru zjistit na základě předchozích rovnic:
𝑧 = 𝑓 ∙ 𝑏
𝑥𝑙 − 𝑥𝑟 = 𝑓 ∙ 𝑏
𝑑 (2.4)
𝑥 =𝑥𝑙 ∙ 𝑧
𝑓 = 𝑏 +𝑥𝑟 ∙ 𝑧
𝑓 (2.5)
𝑦 =𝑦𝑙 ∙ 𝑧
𝑓 =𝑦𝑟 ∙ 𝑧
𝑓 (2.6)
Díky těmto výpočtům lze přepočítat vzdálenost jednotlivých odpovídajících bodů z různých obrazů a výsledek zobrazit v plošné matici. Každému číslu pak může být přiřazeno číslo v určitém rozsahu, které odpovídá například stupni šedi. Tímto způsobem je vytvořena tzv. disparitní mapa [27], na jejímž základě je možné získat informaci o hloubce jednotlivých bodů.
2.2.4. Time of Flight
Způsob zjišťování hloubky často také označován ToF je založen na rychlosti světla, kdy měří světelný signál mezi kamerou a objektem pro každý pixel obrazu. ToF kamera patří do skupiny LIDAR7 zařízení a první použitelné přístroje pro komerční účely byly zhotoveny až kolem roku 2000, kdy se polovodičová technika stala pro tuto technologii dostatečně rychlou. Měření většinou probíhá na základě skutečné doby, kterou laserovému paprsku trvalo urazit vzdálenost od zdroje světla k objektu a do kamery, existují ale i principy využívající měření fázového posunu. Rozlišení je v dnešní době zatím ještě relativně nízké (průměrně 640x450 px), ale výhodou je vysoká snímkovací frekvence oproti ostatním technologiím (až 160 snímků za vteřinu).
Obrázek 13 - Princip Time of Flight kamery [28] (upraveno)
7 Light Detection And Ranging, způsob určování vzdálenosti na základě délky putování odraženého světelného paprsku od snímaného objektu.
23
2.3. Dostupné Bin Picking prostředky
Jak již bylo zmíněno výše, o zvládnutí snadného a spolehlivého nasazení Bin Picking systémů v průmyslové praxi se již několik let intenzivně zabývá řada renomovaných firem.
Jelikož začala být Bin Picking úloha reálně zvládnutelná přibližně až na přelomu milénia, na trhu se nachází pouze omezený počet firem nabízejících kompletní řešení, tento počet však v posledních letech vykazuje rostoucí tendenci. V následující kapitole bude uveden výběr významných produktů, využívajících principů popsaných v několika předcházejících stranách.
2.3.1. Pick It – FLEX/TEACH
Tato Belgická firma nabízející následující řešení poskytuje sestavu výrobků v podobě fyzického optického systému, vlastní výpočetní jednotky, softwarového vybavení a soupravy pro kalibraci optické části. Tyto komponenty jsou zde jednotlivě popsány stejně tak, jak je prezentuje výrobce. Možnosti aplikace jsou velice rozšířené – od jednoduchých součástí až po složité díly v podobě výlisků, odlitků apod. Součástí balení jako u všech ostatních výrobků však není průmyslový robot, ten je kupován a instalován zvlášť. Fy na základě specifických požadavků zákazníků spolupracuje se známými výrobci robotů (Universal Robots, Fanuc, KUKA, ABB a Stäubli) tak, aby bylo vyhověno všem kritériím.
Skenování scény probíhá za využití laser scanning principu (2.2.1. ), hlava se stupněm krytí IP 65 promítá na oblast zájmu pomocí laserového zdroje světla specifický vzor, na jehož základě jsou vypočítávány informace o hloubce jednotlivých bodů. Výhodou je absence potřeby speciálního osvětlovacího systému díky využití laseru, zařízení je tak schopno operovat v podmínkách se špatným nebo proměnným osvětlením, tím pádem je méně náchylné na okolní vlivy. Snímkovací frekvence CMOS senzoru je 30 Hz a pracovní plocha může dosahovat velikosti 3,4x2,5 m.
Další důležitou součástí je rozhraní pro komunikaci s člověkem, kterému dominuje na přední části zařízení velká dotyková, čímž se nápadně podobá dnešním tabletům. Ovládací jednotka je rozdělena na dva druhy podle využití – FLEX engine a TEACH engine, každá se svou vlastní hardwarovou výbavou a doporučeným nasazením. V modelu FLEX lze nadefinovat jednoduché geometrické tvary (válce, kvádry, roviny, kružnice, …), které jsou pak vyhledávány v pracovní oblasti. Výhodou je spolehlivé a rychlé vyhodnocení scény i za přítomnosti vysoce reflektivních dílů, které se v průměru pohybuje kolem 0,5 sekundy.
Model TEACH je vhodný pro složitější tvary, které jsou vyhledávány podle předlohy nahrané v systému ve formátu .step a doba analýzy je deklarována výrobcem v rozmezí 1,5 až 3 sekundy [29]. Možností je také hybridní systém zvládající oba typy úloh.
24 Kamerová hlavice může být umístěna buď externě na rámu, nebo přímo na těle robotu, vhodnost je opět závislá na daném využití. Silnou stránkou tohoto systému je především rychlá instalace a naprogramování úlohy, komunikace s řídicí jednotkou robotu nebo s počítačem je realizována přes ethernetové rozhraní, kamerový systém je pak připojen pomocí průmyslového USB 3.0 konektoru.
Obrázek 14 - Pick-it kamerová hlavice (vlevo), případ aplikace (vpravo) [30]
2.3.2. Photoneo PhoXi 3D Scanner L
Slovenská Firma Photoneo nabízí modelovou řadu 3D skenerů s označením PhoXi, obsahující v první řadě CMOS optický snímač a zdroj laserového světla promítající sadu světelných vzorů na sledovaný objekt nebo sledované objekty, digitální kamera při každém promítaném vzoru pořídí snímek, jehož zachycený tvar je z jejího pohledu zkreslený. Firma Photoneo používá vlastní projekční systém založený na koherentním laserovém světlu, jehož paprsky o určité vlnové délce dopadají na rozpoznávané objekty, což díky absenci širokého spektra záření, které se jinak vyznačuje relativně vysokými ztrátami, umožňuje čistě pasivní chlazení.
Díky kombinaci digitální CMOS SONY kamery s rozlišením 2240x1680 pixelů, laserového projektoru a algoritmu, který využívá laser scanning principu, je výstupem měření v ideálním případě 3 000 000 bodů odpovídajících povrchu měřené oblasti.
Analyzování tohoto obrazu s maximálním rozlišením a vytvoření odpovídajícího mraku bodů trvá přibližně 0,2 sekundy, což v případě opakované analýzy znamená 5 měření za sekundu. Na zadní straně skeneru se nachází rozhraní v podobě ethernetového a napájecího konektoru. Díky vlastnímu zdroji světla systém není náchylný na vnější rušivé elementy jako například proměnlivé denní světlo či změnu osvětlení. Tělo je tvořené z uhlíkových vláken, což zaručuje minimální hmotnost, vysokou tuhost a odolnost proti vysokým teplotám.
25 Výpočet 3D scény probíhá v programu PhoXi Control, který je určen pro operační systémy Windows 7,8,10 a distribuci Linuxu Ubuntu. V něm lze upravovat výpočtové algoritmy, nastavovat softwarové spouště, expozici, oblast zájmu a interpretaci dat.
Součástí SW je také porovnávání s předlohovými modely a určování jejich polohy a orientace, což činí systém vhodným pro Bin Picking aplikace.
Obrázek 15 - Kamera Photoneo PhoXi (vlevo), mračno bodů získané analýzou obrazu (vpravo) [31]
2.3.3. SICK – RULER S2114
V první řadě je nutno zmínit, že zde uvedený výrobek je v rámci dlouholeté spolupráce firmy SICK s katedrou KSR skutečně použit při realizaci Bin Picking úlohy, která tento typ vision systému vyžaduje. Oproti ostatním produktům využívajících laser scanningu, které jsou zde uvedeny, je přístup tohoto odlišný tím, jakým způsobem se laserový (v tomto případě) či jiný paprsek promítá na sledovanou oblast. Zde je použit jednoduchý liniový laser o vlnové délce 660 nm, ozařující pruh sledovaného prostoru, čímž je získána pouze 2D informace o šířce a výšce. Doplnění délkového rozměru probíhá díky pohybu laserového paprsku v jeho kolmém směru, což je umožněno natočením odrazného zrcátka přesným pohonem se senzorem, který s relativně vysokou přesností odečítá jeho naklopení (Obrázek 7).
Optický snímač umístěný ve skeneru je charakterizován CMOS architekturou a rozlišením 756x512 pixelů a spektrální citlivostí v pásmu 360 až 690 nm. Zabudovaný liniový laser třídy 2M promítá koherentní paprsek v tomto intervalu, konkrétně s vlnovou délkou 660 nm (viditelné červené světlo) postupně na povrch sledované scény, přičemž jedno měření trvá přibližně 2,5 s. Oblast, kterou je tento skener schopný zachytit, je zvolena podle velikosti evropských a amerických palet, to znamená 1000x1200x750 mm. V tomto rozsahu výrobce garantuje přesnost +- 3 mm.
Přístroj disponuje datovým rozhraním v podobě gigabitového ethernetu, dvou digitálních vstupů a jedním taktéž digitálním výstupem, napájen je za pomoci konektoru na 24 V s maximální spotřebou zařízení 10W. Tělo skeneru je vyhotoveno z hliníku, kryt kamery a laseru z plochého skla s antireflexní povrchovou vrstvou.
26 Výhodou produktu je plná softwarová podpora v podobě programu s názvem SICK PLB, což je řešení přímo navržené na Bin Picking systémy s intuitivním prostředím a užitečnými funkcemi pro dané typy P&P aplikací. Tam lze konfigurovat parametry jako rozměry přepravky, celkovou shodu, vyhodnocování mikrokolizí či míst, za které mají být součásti uchopovány. Více informací o možnostech konfigurace snímání a analyzování scény je uvedeno v praktické části.
Obrázek 16 - SICK RULER (vlevo), příklad použití při Bin Picking aplikaci (vpravo) [32]
2.3.4. FANUC - 3D Area Sensor
3D snímač je složen ze dvou digitálních kamer a projektorové jednotky s definovanou vzájemnou vzdáleností, fungující na stereo vizním principu, popsaným výše. Jednou z originálních konfigurací, které FANUC poskytuje, je připevnění pouze jedné kamery na koncový člen robotu, přičemž zdroj tzv. strukturovaného světla zůstává upevněný na rámu, kdy jsou kamerou postupně vytvořeny dva snímky z různých poloh, které zajistí napolohování kamery průmyslovým robotem. To je sice výhodné z hlediska počáteční investice za snímací systém, toto řešení však prodlužuje dobu potřebnou k vytvoření bodového mračna.
Společné body obrazu pořízené z různých poloh se neidentifikují pouze na základě společných prvků v obrazu, vyhledávají se za pomoci projektoru, jehož promítaná síť bodů dopadá na předměty v pracovním prostoru a následně se odráží do optického senzoru kamery. Tím je získána informace o hloubce, která se zobrazí v podobě mračna bodů, připravená pro další zpracování. Body promítané na povrch zkoumaných těles se nacházejí v oblasti infračerveného světelného spektra s rozlišením 239x139 bodů. Jejich vzdálenost je potom zjevně závislá na tom, jak daleko se promítač nachází od nasvěcovaného povrchu, přičemž platí, že čím blíž je, tím jemnější síť bodů je promítána (tím pádem ale na menší ploše).
27 Kamery dodávané se systémem mohou být různé, doporučené jsou kamery značky KOWA, BASLER nebo SONY s rozlišením poohybujícím se od 320x240 do 1280x1024 pixelů s nastavitelnou expozicí a clonou. Vhodným výběrem konkrétního optického systému lze systém nastavit dle potřeby. Pro kalibraci se používá speciální deska, u které je nutné definovat její polohu vzhledem ke kamerám, tato informace je poté zanesena do softwaru s názvem iRVision určeného pro počítače dodávaného společně s hardwarovým vybavením a na jejím základě je systém zkalibrován. V dodávaném programu iRVision lze manuálně nastavovat celou řadu parametrů jak týkajících se snímaného obrazu, tak proměnných, jako je shoda, překrytí obrazců apod.
Obrázek 17 - Fotografie 3D scanneru (vlevo), příklad použití pro Bin Picking aplikaci (vpravo) [33] (upraveno)
2.3.5. Ensenso X36
Společnost Ensenso nabízí svoje řešení 3D snímače v podobě modulárního stereo vizního systému skládajícího se ze dvou CMOS senzorů, které dohromady pomocí dvou snímaných obrazů vytvářejí disparitní mapu (2.2.3. ). Pro usnadnění vyhledávání odpovídajících bodů se zde využívá výkonného LED projektoru, přičemž může být systém založen na modrém (465 nm), nebo infračerveném (850 nm) světlu. Na sledovanou scénu je LED projektorem promítána síť bodů, která je u tohoto modelu o pár mikrometrů posunována piezoelektrickým aktuátorem připevněným k projektoru, což umožňuje vytvořit přesnější disparitní mapu a tím pádem detailnější mrak bodů pořízením osmi snímků každou kamerou za různého posunutí promítaných světelných značek. Použitá metoda také zvyšuje robustnost měření a snižuje počet operací potřebných při vytváření mraku bodů za použití pouze jedné dvojice sejmutých obrazů (šum, tmavá či lesklá místa, …).
28 Optické senzory nacházející se ve scanneru mají globální závěrku, rozlišení 1280 x 1024 pixelů, světelnost 1,4 a ohniskovou vzdálenost 8-35 mm. Datové a napájecí rozhraní je umístěno na boční části scanneru a skládá se z Gigabitového Ethernetu a konektoru pro externí napájení 24 V. Dalšími možnostmi pro připojení je 24V GPIO8, spoušť a výstup na blesk. Celé zařízení je certifikováno stupněm krytí IP65, které poskytují těla z hliníkových slitin s těsněními.
Celý systém je možno rozšířit ze vzdálenosti kamer 200 mm na 400 mm díky dvěma ramenům, zvyšujícím přesnost snímání (viz 2.2.3. ) a měřený objem, větší rozteč kamer ale také samozřejmě zvětšuje minimální vzdálenost od oblasti zájmu a zástavbové rozměry
Obrázek 18 - Přední pohled (vlevo), zadní pohled s rozšiřujícími rameny (vpravo) scanneru Ensenso X36 [34]
8 GPIO – General Power Input/Output, obecný konektor sloužící pro vstup či výstup (rozhoduje uživatel) umístěné na integrovaném obvodu, s primárně nedefinovaným účelem, využití může být různé.
29
3. Koncepce laboratorního pracoviště a efektoru
V rámci současného projektu je řešeno odebírání plechových lisovaných dílů z poměrně hluboké přepravky (cca, které je v současné době realizováno zaměstnancem.
Tento způsob manipulace je neefektivní a je snaha ho v posledních letech spolehlivě zautomatizovat. To je zde řešeno výše zmíněným systémem s názvem Bin Picking, který přináší celou řadu výhod (2.1). Proto je v diplomové práci tato problematika řešena jak na teoretické, tak na praktické úrovni. V této kapitole je proveden rozbor pracoviště jak stávajícího, tak i plánovaného nového. Pro jeho navržení je nejprve nutné se zaměřit na manipulovaný předmět a zásobník, ze kterého jsou díly odebírány. Na tomto základu je dále postaven výběr layoutu ostatních prvků řešeného Bin Picking pracoviště.
3.1. Popis uchopovaného objektu
V laboratořích Technické univerzity v Liberci, konkrétně v oddělení mechatronických systémů a robotiky je pro realizaci automatické manipulace vyhrazena laboratoř, ve které je možné navrhnout již zmíněný systém automatického odebírání volně ložených dílů.
Objektem manipulace je ocelový díl o tloušťce 3 mm a hmotnosti přibližně 0,6 kg s těžištěm ležícím v ose rotace objektu ve výšce 14,775 mm od jeho široké základny. Povrch objektu je suchý a neobrobený, díl byl vyroben z ocelového plochého polotovaru.
Na dílu se také v nemalé míře vyskytují otřepy a ostré hrany, které představují riziko pro měkké tkáně lidských pracovníků překládajících tyto díly – vzniká tedy nutnost používat pracovní rukavice. Díky této situaci se zde zviditelňuje další výhoda robotické manipulace, kterou je výrazné snížení nebezpečí hrozícího na pracovišti. V neposlední řadě je vhodné zmínit finanční stránku problematiky – pokud by opravdu došlo ke zranění, je zaměstnavatel dle § 369 zákona č. 262/2006 Sb. povinen poskytnout náhradu za ztrátu na výdělku, léčebné náklady, věcnou škodu apod.
Obrázek 19 – 3D model objektu manipulace
30 Důležitým aspektem dílu vzhledem k detekování je jeho povrch, konkrétně jeho optické vlastnosti. Nejvýhodnější odraz by byl v současném případě rovnoměrně rozptýlený na matném povrchu, čehož může být dosaženo vhodnou povrchovou úpravou dílu, čímž se odstraní nežádoucí lesk. Ten lze pozorovat na Obrázek 20, kde je součást porovnána s dílem, jehož povrch je upraven. Software byl připraven tak, aby mohla být úloha realizována i s neošetřeným lesklým povrchem.
Obrázek 20 - Pohled na díl s odlesky - povrch neupraven (vlevo), povrch upraven (vpravo)
Ačkoliv akcelerace koncových bodů robotů tohoto typu může dosahovat až desítek m/s2 [1], maximální hodnota akcelerace chapadla byla zvolena jako 20% gravitačního zrychlení, tedy cca 2 m/s2, což je velmi důležitý údaj promítající se do velikosti setrvačných sil při výpočtu minimální potřebné síly stisku čelistí chapadla.
Odebírání probíhá v uzavřené místnosti s pokojovou teplotou, tedy v podmínkách s definovanými vlastnostmi, které také mohou hrát roli v návrhu chapadla či ovlivňování měření (faktory jako znečišťující prostředí, kolísání teploty, vzdušné či tekutinové proudy, vibrace apod. Žádné z vyjmenovaných ani dalších nezmíněných činitelů do řešené úlohy nezasahují). Jelikož se poloha odebíraného dílu určuje na základě kamerového systému, vzniká nutnost v manipulační úloze počítat s tím, že se objekt nachází v jiné poloze, než bylo vyhodnoceno systémem robotického vidění, a to zejména ve vertikální ose (důvodem je přepočet z plošného obrazu, který poskytuje kamera, na prostorový, získaný triangulační metodou díky 3D scanneru renomované fy SICK).
3.2. Layout laboratorního pracoviště
Prvním krokem v úspěšném implementování Bin Picking systému je volba vhodného layoutu (rozmístění, rozestavení) jednotlivých nejdůležitějších prvků, kterými jsou následující komponenty:
a) Průmyslová přepravka s odebíranými díly b) Vizualizační systém
c) Průmyslový angulární robot d) Odkládací stanoviště
31 Dalšími prvky, které zde přichází v úvahu, je pomocná poloha pro přesné uchopení dílu za pomoci speciální vychystávací pozice, většinou řešené mechanickým středěním (není povolena) a pomocná přídavná zařízení v podobě kontrolních či bezpečnostních zařízení.
Komponenty uvedené mimo seznam nebudou v úloze uvažovány, což redukuje počet řešených prvků na čtyři. Při návrhu layoutu bude postupováno postupně po jednotlivých komponentech tak, jak jsou uvedeny v seznamu.
Standardní kovová bedna VW 111902 (viz Obrázek 21) s vnějšími rozměry 1000x600x517 mm (vnitřní rozměry jsou 920x520x325) je používána ve firmě Škoda Auto pro přepravování ocelových lisovaných kotoučů v množství do 350 kusů v celkové hmotnosti cca 200 kg, přičemž maximální nosnost přepravky činí 1000 kg.
Pro detekci disků je na základě spolupráce firmy SICK s katedrou KSR zvolen scanner SICK RULER (podrobněji popsán v kapitole 2.3.3). Pro správnou funkci vision systému je nutné ho umístit ve správné výšce, která je rozvedena v kapitole s návrhem rámu (4.1).
Vzhledem k poměrně velkému rozsahu scanneru v horizontální rovině není nutné příliš se věnovat umístění přepravky pod přístrojem, který se v optimálním případě nachází přímo nad zásobníkem, tolerance pro nepřesnost umístění bedny je v podélném směru zvolena
±200 mm a v příčném směru ±100 mm pro bezproblémovou funkci, větší tolerance by pouze zbytečně zvyšovala velikost rámu a tím pádem rozměry celého pracoviště.
S přihlédnutím k velikosti přepravky a prostoru, který je nutné kolem ní ponechat jako rezervu, jsou půdorysné rozměry rámu navrhnuty na 1000x2000 mm.
Průmyslový robot vhodný pro řešení úlohy daného typu již má katedra k dispozici, jedná se o angulární robot KUKA KR 16-2 CR se šesti stupni volnosti, maximální nosností 16 kg a přesností polohování koncového bodu jeho příruby ±0,05 mm. Vhodným ho činí jak jeho nosnost (kromě hmotnosti dílu se musí počítat také s hmotností celého koncového efektoru), tak pracovní prostor, který je uveden na Obrázek 22.
Obrázek 21 - Přepravní bedna VW 111902 [35] Obrázek 22 - Pracovní prostor robotu KUKA KR 16-2 [36]
32 Pro vypracování layoutu pracoviště ve variantách je nejprve nutné přihlédnout k současné situaci v provozu. Ta je v řešena lidským pracovníkem, který ručně vykládá polotovary určené k následnému svařovacímu procesu z výše zmíněného kontejneru a umisťuje je na skluzový systém, kterým díly prochází otvorem v bezpečnostním plotu k dalšímu zpracování a který současně funguje jako zásobník. Ve výrobním závodě fy Škoda Auto byly zadány hrubé informace o stávajícím řešení a požadavky na řešení nové, tato diplomová práce je studií proveditelnosti automatizovaného odebírání náhodně orientovaných dílů. Pevné komponenty nového řešení je průmyslový robot KUKA KR 16 a 3D skener SICK RULER S2114, přičemž vzájemná poloha kontejneru a vizualizačního systému je předem daná jeho technickou dokumentací, lze tedy upravovat jejich umístění vůči robotu. Na základě těchto podmínek byly sestaveny 3 možné varianty:
3.2.1. Varianta A: Floor mount
Názvy konceptů jsou pojmenovány podle polohy průmyslového robotu, jejíž variace je předmětem vytvoření tří možných řešení. První varianta, ve které je robot upevněn „na zem“ je nejobvyklejší a nejjednodušší z hlediska montáže a přizpůsobení pracoviště; jak již vyplývá z názvu, robot je situován do vertikální polohy směrem vzhůru. To u angulárního robotu tohoto typu vytváří relativně velký pracovní prostor ve 360° rozsahu kolem vertikální osy, což ho činí vhodným zejména pro Pick & Place operace na větší vzdálenosti.
Vytvořit se musí pouze rám pro 3D skener s minimální nosností, důraz by měl být ale kladen na jeho tuhost pro co nejmenší vibrace vedoucí ke zhoršení kvality získaných 3D dat.
Obrázek 23 - Layout pracoviště varianty A - ISO pohled (vlevo), půdorys (vpravo)
33
3.2.2. Varianta B: Ceiling mount
V pořadí druhá varianta je realizována umístěním robotu opět ve vertikálním směru, ale v tomto případě se základnou nahoře a ramenem směřujícím směrem dolů. Toto řešení přináší výhodu v podobě spolehlivého pokrytí pracovní oblasti nacházející se pod robotem a o něco menšího půdorysného zástavbového prostoru, ve svislém směru dochází naopak k jeho poměrně velkému zvětšení, vertikální rozměry ale nejsou v tomto případě podstatné.
Při porovnání s variantou A se využitelné pracovní prostory robotu liší – ceiling mount se vyznačuje v půdorysném pohledu kruhovou pracovní oblastí, floor mount mezikruhovou. Od toho se odvíjí i trajektorie koncového bodu při manipulaci (nejkratší dráha pro pohyb z bodu X do bodu Y je úsečka, která s variantou A nemusí být dosažitelná), a tím pádem i časy manipulace.
Pro připevnění robotu v požadované pozici je nutné vyrobit masivní rám zachycující statické a dynamické síly způsobené robotem. Na již zmíněném rámu bude zároveň umístěn vizualizační systém v předepsané výši nad zásobníkem s díly. Nežádoucím jevem je vždy vznik vibrací, které se odvíjí od hmotnosti systému, jeho tuhosti a tlumení. Rozměrnější rám může znamenat sníženou hodnotu tuhosti, tedy větší pohybové výchylky. To vede potenciálně ke snížení přesnosti manipulátoru či zhoršení kvality snímaných 3D dat.
Obrázek 24 - Layout pracoviště varianty B - ISO pohled (vlevo), půdorys (vpravo)
34
3.2.3. Varianta C: Wall mount
Poslední základní možnost, jak průmyslový robot umístit, je v horizontální poloze. Při dosahování krajních bodů pracovní oblasti jsou na přírubu rámu vyvíjeny velké síly, opět tedy musí být dostatečně mohutný, aby byl schopen tyto síly zachytit bez vzniku výrazného pohybu rámu. Toto řešení je poměrně výhodné díky velkému pracovnímu prostoru v úrovni přepravky a skluzu. Kompaktnost je u všech řešení výrazně omezena nutností poskytnout vizualizačnímu systému nezakrytý výhled na zásobník, robot musí být tím pádem posunut tak, aby byl schopen pohled uvolnit.
Obrázek 25 - Layout pracoviště varianty C - ISO pohled (vlevo), půdorys (vpravo)
Jelikož je cílem práce sestavit testovací laboratorní pracoviště, přirozeně je tedy snaha navrhnout pokud možno co nejjednodušší a nejúčelnější zařízení schopné plnohodnotným způsobem plnit dané požadavky. Z toho důvodu byla zvolena varianta A, která poskytuje nejvýhodnější parametry z hlediska ceny, složitosti řešení a zástavbového prostoru.
Následující kapitoly jsou věnovány návrhům dílčích komponent, zpracovanému v podobě výkresové dokumentace, nacházející se v příloze.
3.3. Efektor
Pro manipulaci s objektem je nutné navrhnout a zkonstruovat chapadlo schopné plnit manipulační úlohu se zadanou součástí. V první řadě je nutné vyřešit několik základních otázek, které jsou založeny na požadavcích zákazníka, v tomto případě se jedná například o samostředící vlastnost, která při relativně nepřesném detekování objektu umožňuje přesnost zvýšit na přijatelnou hodnotu. To je v řešeném případě žádaný jev zvyšující přesnost uchopení, tím pádem je efektor navržen tak, aby k samovystředění došlo a to různými způsoby, které jsou uvedeny níže. Druhou otázkou je, kolik dílů má být odebíráno
35 najednou. Jelikož se musí po každém odebraném dílu z bezpečnostních důvodů provést sken, musel by pokaždé robot odjet do výchozí polohy, tím pádem odebírání více než jednoho dílu najednou ztrácí význam, nemluvě o velmi znatelném navýšení rozměrů efektoru. Další parametry a atributy chapadla jsou možné volit až po výběru hlavního principu, na kterém je úchopná hlavice založena. Základní a přehledné rozdělení, podle kterého je realizována volba chapadla, je uvedena ve skriptech Efektory průmyslových robotů:
Obrázek 26 - Charakteristika uchopení a držení objektu [37]
Tvarové držení by se v řešeném případě jen obtížně realizovalo, proto je zvoleno držení silové. Využití molekulárních sil je také nevhodné, vylučovací metodou tedy zbyly 3 způsoby uchopení objektu, které jsou na obrázku červeně vyznačeny, tedy držení magnetické, podtlakové nebo pomocí třecích sil. Ty budou dále rozebrány a pro konečnou aplikaci bude používána nejvýhodnější varianta, jejíž návrh bude následně detailně rozebrán.
3.3.1. Varianta A: Magnetické chapadlo
Protože není nutno manipulovat s objekty o vysoké hmotnosti nebo s velkými hodnotami zrychlení, dostačující síly poskytují magnety pasivní. Tím pádem je však potřebné určitým způsobem vyřešit upuštění předmětu. Dorazy pro uvolnění v tomto případě nejsou vhodné, proto je zvolen systém s nepohyblivým uvolňovacím dorazem na pneumatickém principu, držení i uvolnění dílu je navrženo za jeho horní mezikruhovou plošku, což umožňuje odebírat objekt pouze v poloze ležící na široké základně (samozřejmě s náklonem, který byl navolen na max. 30°). Vyvození úchopné síly zajišťují 4 zapuštěné
36 permanentní neodymové magnety, umístěné na speciálním kříži, o který se také objekt opírá. V případě upuštění dílu je kříž díky pneumotoru zasunut dovnitř chapadla, čímž se hliníkovým válcem odtlačí od magnetů a díl za působení gravitační síly opouští chapadlo.
Chapadlo je zpracováno formou výkresové dokumentace (viz 3-DP S15000338-1-5-00).
Obrázek 27 - Magnetické chapadlo s drženým objektem
3.3.2. Varianta B: Pneumatické chapadlo
Dalším možným řešením je manipulování s předmětem díky podtlakovému držení.
Zdrojem vakua je ejektor, který byl zvolen díky svému optimálnímu poměru sacího výkonu (ten zde nemusí dosahovat příliš vysokých hodnot) a úrovně vakua (viz Obrázek 28), výhodou je i jeho jednoduchá konstrukce (viz Obrázek 29) a tím pádem nízká pořizovací cena oproti ostatním zdrojům vakua.
Obrázek 28 - Porovnání charakteristik zdrojů vakua [37] Obrázek 29 - Princip ejektoru [37]
37 Podtlakové uchopování je oblíbeným způsobem držení předmětu především z důvodu celkové ceny a jednoduchosti chapadla. Pro kontakt přísavek s objektem je výhodné zde zvolit mezikruhovou širokou plochu nacházející se přibližně uprostřed výšky objektu (viz Obrázek 30). Z důvodu nutnosti určité míry přizpůsobení přísavky povrchu kvůli nahodilosti předmětů a relativní nepřesnosti 3D skeneru je zvolen skládaný typ přísavky s 1,5 záhybem.
Pro zamezení přílišného pohybu při deformaci přísavek zavedením vakua je implementován dorazový systém v podobě plastových dorazů pro daný typ přísavky našroubovaných do těla chapadla. Rozvod vakua pro jednotlivé přísavky je pak řešen utěsněným kanálkem vytvořeným spojením dvou válcových desek z hliníkové slitiny (viz výkresy v příloze). Zde opět vzniká problém s dostupným odebráním pouze v jedné poloze z toho důvodu, že naváděcí trn nelze navrhnout příliš dlouhý - s velkou pravděpodobností by kolidoval s ostatními díly v zásobníku. Teoreticky by bylo chapadlo schopné díl odebrat a v obrácené poloze, nebylo by však docíleno přesného uchopení bez mezipolohy, což je jedním ze zadaných kritérií. Detailně lze konstrukci pozorovat v sestavném výkresu 3-DP S15000338-1-3-00 a dále v jednotlivých výrobních výkresech.
Obrázek 30 - Pneumatické chapadlo s drženým objektem
3.3.3. Varianta C: Mechanické chapadlo
Poslední uvažovanou možností je držení objektu čelistmi, využívajíce třecích sil vyvozených úchopnou silou, jejímž původem může být pohon v podobě elektromotoru, pneumotoru, hydromotoru nebo v případě pasivního efektoru např. pružina. Jelikož není nutné dosahovat extrémně velkých úchopných sil a rychlost uchopení objektu je výhodné navrhnout tak, aby byla pokud možno co nejvyšší, pneumaticky poháněné chapadlo je zde nejlepší volbou. Středící trn je v tomto případě zbytečný, protože je možné samostředění
