Sistemi di visione

Il sistema di visione con guida robot Horizon è un grado di lavorare con le seguenti tipologie di camere:

L'immagine acquisita può essere elaborata con uno spazio colore sia in scala di grigio che RGB o LAB. L'elaborazione delle immagini in scala di grigio permette un abbattimento dell'influenza della luce ambientale, mentre la versatilità di immagini a colori permette l'esecuzione di controllo di qualità in cui è richiesta una verifica del colore, ad esempio: spie di cruscotti, lampadine, stampe, etc.

Il sistema permette la configurazione di un numero illimitato di camere che possono essere utilizzate contemporaneamente, la velocità di acquisizione dipende dal tipo e dalla risoluzione di camera. Il sistema supporta telecamere sia a bassa risoluzione che alta risoluzione, in modo da poter scegliere e configurare la camera a secondo delle specifiche esigenze dell'applicazione.

Il sistema di visione si divide in:

  • Visione 2D
  • Visione 3D
  • Controllo qualità
  • Riconoscimento codici

 

Nel sistema è prevista una fase di preprocessing dell'immagine al fine di ridurre i disturbi ed aumentarne la qualità.

Il sistema è in grado di processare modelli bidimensionali ricavati mediante il metodo di estrazione archi basato sulla differenza di contrasti, tale modello è utilizzabile per la gestione di forme ben definite, tipo pezzi per lavorazione meccanica o pezzi finiti pronti per la pallettizzazione.

Esempio 1: Ricostruzione di profilo

immagine_2d

Nell'esempio viene ricostruito il profilo della rondella quadrata, al modello sono associate due aree per la valutazione della possibilità di presa del pezzo in base alla loro occupazione da parte di altri pezzi.
Nell'immagine sottostante una delle due aree risulta occupata da un pezzo ed il sistema identifica il pezzo come non prendibile.

Immagine_2d_presa

Inoltre è anche possibile utilizzare l'elaborazione delle macchie di colore per l'identificazione di particolari costituiti da semplici forme geometriche o privi di vincoli di forma, come per esempio alimenti quali frutta o verdura.

Esempio 2: Rondella quadrata identificata in base al colore

Immagine_2d_blob

In questo caso i pezzi vengono identificati in base al loro colore, viene rilevata l'area con la relativa posizione del baricentro e rotazione dello stesso attorno all'asse Z.

Per ogni modello è possibile associare la guida robot e delle zone di presa che ne determinano l'effettiva possibilità di presa da parte del robot.

Grazie all'utilizzo degli ultimi sensori di visione 3D il sistema è in grado di processare i seguenti modelli:

  • profili tridimensionali
  • superfice tridimensionale
  • solidi

La creazione del modello per la presa tridimensionale del pezzo è possibile mediante l'utilizzo del file 3D STL dell'oggetto che si vuol identificare.

Esempio 1: Solido dell'oggetto da identificare

solido_stl

Oppure mediante la nuvola di punti ottenuta scansionando un oggetto campione.

Esempio 2: Nuvola di punti acquisita

nuvola_punti

Mediante questo sistema l'operatore non deve necessariamente avere il file del solido ma può ricostruirlo.

Una volta costruito il modello il sistema lo ricerca all'interno dello spazio tridimensionale valutando mediante i criteri impostati la possibilità di presa del pezzo stesso.

Ad ogni modello è associata la guida robot per effettuare la presa del pezzo nello spazio tridimensionale, considerando la posizione in altezza e le rotazioni attorno a tutti e tre gli assi.

Esempio 3: Riconoscimento di più pezzi all'interno dell'area inquadrata

Immagine reale

reale_tanti

Ricostruzione oggetti

ricostruzione

Grazie a questo metodo si eliminano i problemi della luce ambientale e dello sporco su nastro.

Esempio 4: Identificazione pezzi su nastro sporco

DSCF9113 ricostruzione_grande
 DSCF9126  Immagine2

Il sistema è in grado di riconoscere e decodificare correttamente le seguenti tipologie di codice 1D/2D:

  • Barcode
  • Datamatrix ECC 200
  • QR code
  • Micro QR code
  • Aztec code
  • PDF 417

All'interno della medesima area inquadrata possono essere presenti molteplici codici che il sistema distingue sia per tipo che per posizione, ed decodifica correttamente.

Esempio 1: Decodifica Barcode

barcode

In questo esempio il sistema riconosce la presenza di due oggetti con codifica, posizione, angolo di rotazione e decodifica differenti.

Esempio 2: Decodifica Datamatrix

datamatrix

La capacità di decodifica del codice 2D si estende anche a codici realizzati a laser o con punzonatrice, il sistema sfrutta al massimo la tolleranza agli errori intrinseca dei codici 2D stessi al fine di garantire una corretta decodifica anche nei casi più estremi, come per esempio la lettura di Datamatrix punzonati che subiscono un processo di sabbiatura.

Il sistema è in grado di fornire la classificazione del grado di lettura secondo lo standard ISO IEC 15415 per:

  • Datamatrix ECC 200
  • QR code
  • Micro QR code
  • Aztec code
  • PDF 417

La classificazione del grado di lettura secondo lo standard AIM DPM 1 2006 per:

  • Datamatrix ECC 200
  • QR code
  • Micro QR code
  • Aztec code

Per ogni modello è possibile associare la guida robot e delle zone di presa che ne determinano l'effettiva possibilità di presa da parte del robot.

Il sistema è in grado di riconoscere e decodificare correttamente le sequenze di caratteri nei seguenti casi:

  • Etichette stampate
  • Serigrafia su pezzo
  • Marcatura a laser
  • Marcatura a micropunti
  • Marcatura a tamburo
  • Caratteri in rilievo

Per una corretta identificazione della scritta è possibile:

  • identificare la posizione della scritta
  • il suo orientamento rispetto all'asse orizzontale
  • le dimensioni dei singoli caratteri
  • il contenuto della stringa

Il risultato della decodifica è la sequenza di caratteri in codifica ASCII che il sistema ha identificato.

Esempio 1: Decodifica Serigrafia

Immagine

Nell'esempio si ottiene il risultato "15".

Esempio 2: Decodifica Caratteri in rilievo

ocr1

In questo esempio il sistema decodifica la scritta "HK83".

Per ogni modello è possibile associare la guida robot e delle zone di presa che ne determinano l'effettiva possibilità di presa da parte del robot.