3D-kameran ja yhteistyörobotin käyttö konenäkösovelluksessa

Abstract

Tässä opinnäytetyössä kehitettiin kevyiden kappaleiden tunnistus- ja poimintamenetelmä, kun kappaleet sijaitsevat laatikossa erilaisissa satunnaisissa asennoissa. Opinnäytetyön tavoitteena oli tutkia miten 3D-kuvausta voidaan käyttää yhteistyörobotin ohjaamisessa ja kappaleiden asentojen tunnistamisessa, kehittämällä sitä hyödyntävä konenäkösovellus.

Konenäkösovelluksen kehittäminen koostui 1) laitteistojen, ohjelmistojen ja kappaleiden suunnittelusta ja valinnasta, 2) järjestelmän asentamisesta ja toiminnan suunnittelusta sekä 3) toiminnan toteuttamisesta robotin ja kameran ohjelmoinnilla. Laitteistoksi valittiin rakenteelliseen valaisuun perustuva, 3D-laserprofiilia hyödyntävä 2380 Gocator-älykamera ja kaksisormisella Robotiq-tarttujalla varustettu, kevyen kantokuorman UR5-yhteistyörobotti. Projektin yhteydessä laadittiin pikakäyttöohjeet opetuskäyttöä varten suunnitellulle 3D-älykamera-liukuhihnasovellukselle.

Gocatorin ohjelmointiin käytettiin Gocatorin graafista käyttöliittymää ja sen sisältämiä mittaustyökaluja, joiden avulla tunnistettiin ja mitattiin kappaleen poiminnan kannalta olennaisia piirteitä. Mittausarvot lähetettiin Ethernetin välityksellä UR5:lle.

UR5-yhteistyörobotin ohjelmointi toteutettiin sen graafisella PolyScope-käyttöliittymällä. Ohjelmointi koostui pääasiassa pisteiden opettamisesta, liikekäskyjen valinnoista, sekä Gocatorin väliseen tiedonsiirtoon liityvistä asetuksista.

Valmis konenäkösovellus vastasi sille asetettuja tavoitteita. Järjestelmä esiteltiin Lounaisrannikon automaatiomessuilla. Teollisuusolosuhteita ja erilaista poimintakappaletta varten tarvittaisiin uusien mittaustyökalujen valitsemista, järjestelmän yhteyksien sovittamista muihin mahdollisiin laitteisiin, sekä kameran ja robotin uudelleen kalibrointia.

In this thesis, a method for recognizing and picking of light objects was developed, when the objects are located in a box in different, random positions. The purpose of the thesis was to research how 3D imaging can be used to control a collaborative robot and positions of objects, by developing an appropriate machine vision system.

The development of the machine vision system consisted of 1) design and selection of the hardware, softwares and objects, 2) system’s installation and planning of operation and 3) operation’s execution by programming the robot and the camera. As a hardware, a Gocator smart camera based on structural lightning, utilizing a 3D-laser profile, was chosen as well as a UR5 collaborative robot of light bearing load equipped with a two-finger Robotiq gripper. During the project, a quick start manual for a conveyor belt application using the 3D smart camera, was made.

Programming of the Gocator was done by using Gocator’s graphic user interface and software measurement tools, which made the recognitions and measurements of the object’s features important for picking. The measurement data was transferred by using an Ethernet connection to the UR5.

For the UR5’s programming, the PolyScope graphic interface was used. UR5’s Programming mainly consisted of teaching the position points, choosing the motion commands as well as the settings of the data transfer for the Gocator.

Finished machine vision system met the expectations which were set for it. The system was presented at the Robocoast automation fair. To use the system in an industrial environment and to change a different picking object, choosing of new measurement tools, adjustments of connections for the other possible devices as well as calibrations of the camera and robot, have to be done for the system in order to make it function as required.