Unsere Aufgaben innerhalb des Projekts
Verbesserung der Interaktionsfähigkeit
- Mitarbeiter können Informationen an das Robotersystem übergeben
- Der Roboter kann dem Menschen Informationen über seinen Status und Komplikationen mitteilen
- Verbesserung der Umgebungs- und Intentionserkennung des Robotersystems
Entwicklung von Greif-strategien
- Herausforderung des Greifens bei unterschiedlichen Gegenständen und sich ändernden Arbeitsumgebungen
- Detekteien des zu greifenden Objektes
- Bestimmen der Greifpose
- Das Produkt mit dem richtigen Greifer an den Greifpunkten aufnehmen
- Ziel: Auswahl des richtigen Greifers für den jeweiligen Greifvorgang
Kooperation zur Befreiung des Roboters aus komplexen Situationen
- Das Robotersystem kann seine Arbeit nicht weiter verrichten
- Unterstützung des Menschen ist erforderlich
- Konzept für Anleitungen in unterschiedlichen Situationen, ohne dass jeder Schritt manuell implementiert werden muss
Die Idee von MeMoRob
Die Projektteilnehmer forschen an der Interaktion zwischen Mensch und mobilen Robotern innerhalb der Arbeitsumgebung.
Dabei liegt der Fokus auf:
- Intelligenten Greifstrategien
- Intuitiven Interaktionsfähigkeiten
- Anwendung der beiden Punkte
Besonders wichtig ist, dass die Kommunikation zwischen Mensch und Robotern funktioniert. Nur auf diese Weise ist eine reibungslose Zusammenarbeit zwischen “Mensch und Maschine” möglich. Unsere Aufgaben sind die Aufnahme von Stereobildern, die Objekterkennung und das Berechnen von Greifstrategien.
Aufnehmen der Stereobilder
Für das Projekt wird eine Stereokamera verwendet, um nicht nur die Farbinformationen aufgezeichneter Objekte zu erhalten, sondern auch deren Abstand zur Kamera zu bestimmen.
Hierzu wird der gleiche Bereich, ähnlich der menschlichen Wahrnehmung mit zwei Kameras gleichzeitig aufgezeichnet. In den beiden Bildern vergleicht der Algorithmus der Kamera dann die Positionen markanter Punkte. Anhand des bekannten Abstandes der beiden Kameras zueinander und der Berechnung des Positionsunterschiedes der Punkte wird dann die Distanz des Objektes zur Kamera zu berechnet.
Die Objekterkennung
Die Objekterkennung entwickelten wir am Beispiel der Bestimmung der obersten Tüte in einer Kiste.
Um die oberste Tüte identifizieren zu können, wird für diesen Use Case, ähnlich wie bei dem Forschungsprojekt FrIDAH, eine Bildklassifizierungs-KI trainiert. Das Ergebnis ist jedoch keine Zahl zwischen 1 und 0, sondern eine Bounding Box – also der minimalste Begrenzungsrahmen, der die Position der Tüte anzeigt.
Anhand der Positions- und Tiefendaten aller Pixel innerhalb der Maske wird mithilfe von Computer Vision die Position, Rotation und Verkippung der Tüte festgestellt.
Die Berechnung der Greifstrategien
Nachdem die genaue Position der Tüte identifiziert und an den Roboter weitergegeben wurde, kann diese mithilfe des Greifarms herausgeholt werden. Damit der Greifarm das Objekt greifen kann, ist er mit mehreren Saugnäpfen ausgestattet.
Im nächsten Schritt wird die Tüte und deren Inhalt anhand eines Data Matrix Code durch eine Kamera am Greifarm erkannt.
Danach wird die Tüte in eines der nummerierten Regalfächer abgelegt und ihr Ablageort abgespeichert.
Projektablauf
Aktuelles aus Wissenschaft und Praxis
Wenn es um Forschung und innovative Technologien geht, sind wir von ATR stets mittendrin statt nur dabei. Veranstaltungen, Forschungsprojekte oder Teamevents – in unserem Blog erhalten Sie aktuelle Einblicke in die Welt der computergesteuerten Produktion. Schauen Sie am besten regelmäßig vorbei.
Erfolg durch Erfahrung
Bereits seit 1992 unterstützen wir Unternehmen dabei, ihre Produktionsprozesse zu optimieren. In all den Jahren hatten wir das große Glück, für Betriebe aus den verschiedensten Branchen arbeiten zu dürfen. So konnten wir eine Menge Erfahrungen sammeln. Unsere Success Stories erzählen von ausgewählten Projekten und ihren Herausforderungen – und von den Lösungen, die wir entwickelt und erfolgreich eingesetzt haben.