Ключ на винос:
Тривимірне бачення дозволяє мобільним роботам бачити, розуміти навколишнє середовище та взаємодіяти з ним. Це мультидисциплінарна технологія, яка поєднує комп’ютерну графіку, комп’ютерний зір і штучний інтелект. Технологія 3D vision фіксує тривимірні координати кожної точки в полі зору за допомогою 3D-камер, реконструюючи 3D-зображення за допомогою алгоритмів. Порівняно з 2D-зображенням, 3D-зображення є більш стабільним, стійким до змін навколишнього середовища та освітлення, а також пропонує кращий досвід користувача та вищу безпеку.

Шляхи технології 3D Vision
3D-сенсори діють як «очі» 3D-зору, використовуючи комбінації кількох камер і датчиків глибини для збору даних про тривимірне положення та розмір об’єктів. Основними доступними наразі датчиками 3D-огляду є бінокулярні камери, камери структурованого світла та камери TOF (Time of Flight).
- Технологія 3D Structured Light: цей метод використовує інфрачервоне світло, яке проектується на об’єкт із певним кодуванням. Коли світло відбивається назад, малюнок деформується залежно від відстані об’єкта. Датчик зображення фіксує деформований візерунок, і за допомогою тріангуляції обчислюється деформація кожного пікселя, щоб отримати відповідну диспропорцію та додатково обчислити значення глибини.
- Принцип TOF (Time of Flight).: Ця техніка використовує джерело інфрачервоного світла для випромінювання високочастотних світлових імпульсів на об’єкт, потім отримує відбиті імпульси та обчислює відстань від камери до об’єкта шляхом вимірювання часу проходження світлових імпульсів. Наразі на ринку є два основних рішення TOF: dTOF та iTOF. Галузеві експерти вважають, що dTOF поступово замінить iTOF через його високу продуктивність у таких ключових аспектах, як роздільна здатність, точність, наднизьке енергоспоживання, сильні можливості захисту від перешкод і просте калібрування. Однак dTOF має високі технічні бар’єри, високий рівень системної інтеграції та обмежені ресурси ланцюга поставок.
- Технологія бінокулярного стереобачення: Цей метод імітує людський зір шляхом спостереження за одним і тим же об’єктом з двох точок зору, отримуючи зображення об’єкта з різних точок зору. За допомогою тріангуляції обчислюється позиційне відхилення (розбіжність) між пікселями на зображеннях, щоб отримати тривимірне зображення об’єкта. Апаратна структура бінокулярного стереозору зазвичай використовує дві камери як пристрої отримання візуального сигналу. Ці камери підключаються до комп’ютера через плату отримання зображення з подвійним входом, і аналогові сигнали, зібрані камерами, дискретизуються, фільтруються, покращуються та перетворюються на цифрову форму, нарешті надаючи дані зображення на комп’ютер.

Застосування 3D Vision у мобільних роботах
Оскільки технологія зору розвивається від 2D до 3D, датчики 3D зору стають вирішальними для мобільних роботів, пропонуючи сприйняття глибини та дозволяючи зондування в реальному часі в тривимірному просторі, точне розпізнавання об’єктів, виявлення та уникнення багатьох перешкод, інтелектуальне прийняття рішень, і автоматизоване керівництво. Ці можливості все частіше застосовуються в логістиці, електронній комерції, автоматизації, виробництві, промислових і сервісних роботах, комерційних налаштуваннях тощо з розширенням меж застосування.
У мобільній робототехніці тривимірне бачення в основному використовується для навігації, уникнення перешкод, розпізнавання кінцевих матеріалів і стикування.
- Навігація: Точне визначення навколишнього середовища є головним завданням мобільних роботів. «Середовище» тут включає різні фактори, такі як перешкоди від різних умов освітлення в приміщенні та на вулиці, перешкоди на шляху, чи є маршрут чистим і плоским, типи об’єктів у навколишньому середовищі, чи є люди, які можуть спричинити роботу робота уповільнити або зупинитися, незалежно від того, чи піддон попереду порожній чи повний, де розташовані отвори для вставлення завантаженого піддону та як спланувати маршрут для отримання. Спрощено кажучи, логіка полягає в тому, що мобільний робот на основі зору повинен точно розпізнавати оточення, уникати динамічних і статичних перешкод, динамічно наближатися до цільового об’єкта (навігація) і правильно взаємодіяти з цільовим об’єктом (виявлення об’єкта та розпізнавання позиціонування).
- Уникнення перешкод: Ринок пропонує різноманітні датчики уникнення перешкод, такі як однолінійний LiDAR, ультразвук і смуги зіткнень. Смуги зіткнень зазвичай є останньою лінією захисту для запобігання сильним зіткненням; уникнення ультразвукових перешкод часто призводить до помилкових спрацьовувань; однолінійний LiDAR має значні сліпі зони (виявляє лише перешкоди в двовимірній площині, не в змозі виявити перешкоди під або над лазером, створюючи загрозу безпеці). Датчики 3D зору можуть компенсувати ці недоліки. Найкраще поточне рішення для уникнення перешкод для мобільних роботів – це комбінація датчиків 3D-огляду та LiDAR, причому 3D-сенсори бачення забезпечують точне уникнення перешкод на короткій і середній відстані, а LiDAR для уникнення двовимірних перешкод на великій відстані. Оскільки камери TOF практично не мають сліпих зон, наразі вони є найбільш широко використовуваними камерами 3D-огляду для уникнення перешкод AGV.
- Розпізнавання кінця та стикування: На деяких складах розміщення товарів є складним, і розміщення піддонів вручну або на автомобілі часто є неточним. Ця неточність ускладнює для безпілотного навантажувача точну ідентифікацію піддону за допомогою традиційних механічних обмежень або розпізнавання монокулярної камери, що призводить до частих помилок позиціонування під час стикування піддонів і, як наслідок, до низької ефективності роботи. Використовуючи тривимірне бачення для захоплення зображень піддонів у поєднанні з відповідними алгоритмами обробки зображень, навантажувач може ідентифікувати положення та координати положення піддону, інтелектуально регулювати напрямок для вставлення та досягати безпілотного інтелектуального поводження з піддонами, вирішуючи проблему значного кутового відхилення під час безпілотного навантажувача стикування піддонів. Крім того, алгоритми штучного інтелекту можна використовувати для посилення та глибокого вивчення моделей розпізнавання піддонів, ще більше підвищуючи точність розпізнавання та відстеження піддонів.

Майбутні напрямки: вища роздільна здатність, швидша частота кадрів, краща адаптованість до середовища
Оскільки додатки для мобільних роботів продовжують поглиблюватися, зростає попит на більш високі сенсорні можливості, що штовхає розвиток технології 3D-бачення в цьому напрямку. Однак поточне застосування 3D-зору в мобільних роботах все ще знаходиться на початковій стадії. У міру того, як мобільні роботи продовжують розвиватися з більш різноманітними середовищами застосування, вимоги до систем 3D-огляду ставатимуть суворішими, що спонукатиме до подальшого оновлення технології 3D-огляду.
Будь ласка, натисніть на посилання нижче, щоб прочитати більше:
Представляємо шасі робота Reeman Moon Knight
Представляємо робота-доставника їжі Flash
Представляємо робота-доставника медсестри
Хочете дізнатися більше про роботів: https://www.reemanrobot.com/
робот-швабра, робот-прибиральник, робот-пилосос, робот-прибиральник, комерційний робот-прибиральник, прибирання підлоги, робот-прибиральник, роботи-прибиральники, вакуумний робот, робот-прибиральник, робот-пилосос для вологого та сухого прибирання, комерційний робот-прибиральник, робот для підмітання, робот УФ-С пилосос, робот для прибирання підлоги, робот-прибиральник, машина для миття підлоги, робот-прибиральник швабри, пилосос, робот-вакуумна швабра, робот-пилосос, робот-швабра, робот-пилосос, робот-прибиральник, робот-прибиральник UVC, роботи-прибиральники, розумний пилосос, прибирання комерційний робот, розумний робот-прибиральник, комерційний робот-швабра
