Riassunto analitico
I robot industriali stanno diventando sempre più flessibili nell’uso grazie all'implementazione di algoritmi di
apprendimento automatico e intelligenza artificiale. Questo consente ad essi di svolgere compiti più
complessi e di adattarsi ai cambiamenti nell'ambiente di produzione. Nuovi modelli di robot possono essere
facilmente adattati per svolgere diverse funzioni, grazie alla loro modularità e alla possibilità di installare
diversi tipi di "tool” (ad esempio pinze, ventose, ecc...). Inoltre, con l'avanzare della tecnologia, i costi dei
robot industriali stanno diventando sempre più accessibili, il che consente anche a piccole e medie imprese
di investire in automazione.
Nel contesto industriale i robot hanno una limitazione data dalla necessità di una frequente
riprogrammazione dei percorsi, che viene condotta tramite l’utilizzo di software specifici (programmazione
off-line) oppure, nei casi più semplici, direttamente sull’interfaccia del robot (programmazione on-line).
Entrambi questi approcci risultano poco automatizzabili e possono portare criticità in caso di grande varietà
di prodotto.
In questo contesto, l'adozione di tecnologie di visione computerizzata permette ai robot di "vedere" e
"interpretare" il mondo circostante, rendendo possibile eseguire compiti come la selezione e il
posizionamento di oggetti in modo più efficace. Il presente studio mira a sviluppare un sistema di pick-and-
place per tool changer, che utilizzi algoritmi di visione computerizzata per localizzare il tool e fornire al
robot una trasformazione di allineamento accurata.
In particolare, è stata condotta una serie di esperimenti focalizzati su: la scelta dei parametri ottimali per
acquisire nuvole di punti di alta qualità; la filtrazione del rumore e degli oggetti irrilevanti dalle nuvole
acquisite; l'ottimizzazione dell'algoritmo Iterative Closest Point (ICP); la generazione di una trasformazione
di una rototraslazione per l'afferraggio del tool changer.
Il lavoro ha portato allo sviluppo di un sistema per applicazioni di pick-and-place. Gli esperimenti
preliminari confermano che la combinazione di algoritmi di visione computerizzata, parametri ottimizzati e
metodologie di calibrazione può fornire soluzioni efficaci anche attraverso l’uso di telecamere low-cost.
|
Abstract
Industrial robots are becoming increasingly flexible with the integration of artificial intelligence and machine learning algorithms into their operations. This allows them to handle complex tasks and adapt to changes in their production environment. New robot models can be easily adapted to execute multiple tasks, thanks to their modularity and the possibility of installing different kinds of tools (pneumatic grippers, vacuum grippers, etc...). Moreover, industrial robots are getting more affordable thanks to the technological advancements, and this allows small and medium sized companies to invest in automation.
In the industrial context, robots have a limitation given by the necessity of a frequent path reprogramming, which is done through the use of specific software (off-line programming) or, in simple cases, directly on the robot interface (on-line programming). Both these solutions are difficult to automate and can lead to problems in case of high product variety.
In this context, the use of computer vision technology allows the robot to “see” and “interpret” the surroundings, allowing tasks like object selection and positioning to be feasible and easier. The present study’s aim is to develop a pick-and-place system for a tool changer, which uses computer vision algorithms to identify the tool and provide the robot with an accurate alignment transformation.
Particularly, a series of experiments was conducted to choose the optimal parameters for: acquiring high quality point clouds; filtering out noise and irrelevant objects from the acquired point clouds; the optimization of the Iterative Closest Point (ICP) algorithm and the generation of a roto-translation transformation for picking the tool changer.
The work has led to the development of a system for pick-and-place applications. The preliminary experiments confirm that the combination of computer vision algorithms, optimized parameters and calibration methodologies can lead to effective solutions through low-cost cameras.
|
