Forbedre fabrikssikkerhed og produktivitet ved hurtigt at tilføje maskine-vision til industrielle systemer

Designere af maskiner i industriel automatisering kræves for at implementere en form for maskine-vision for at bestemme afstanden fra alle objekter i et specifikt synsfelt. Årsagerne til implementering af denne form for maskine-vision til rækkevidde kan variere, herunder registrering af det generelle miljø for ændringer eller indtrængen, rækkevidden af objekter på en produktionslinje eller samlet operatør- eller robotbeskyttelse mod farer. Især indendørs køretøjer i industrielle lagre implementerer maskine-vision til automatisk kørsel, genstands placering og identifikation og detektion af forhindringer og undgåelse.

Den mest almindelige metode til indendørs maskine-vision til detektion af objektafstand er lysdetektering og rækkevidde (LiDAR), som bruger laserlys til at måle afstanden mellem objekter. LiDAR måler reflekteret laserlys returtid og bølgelængde for at bestemme afstanden fra hvert punkt. LiDAR-maskinvisionsalgoritmer er imidlertid meget komplekse og har en stejl indlæringskurve, der kræver eksperter i maskine-vision for at kode applikationen.

Denne artikel viser udviklere, hvordan man bruger et nøglefærdigt LiDAR-kamera fra Intel for at disse applikationer registrerer afstanden fra objekter i synsfeltet. Det løser problemet med hurtigt at tilføje maskine-vision til nye eller eksisterende systemer uden at lære kompleksiteten af teknologi til maskine-vision og algoritmer. Det viser derefter, hvordan du parrer Intel LiDAR-kameraet med en single-board computer (SBC) fra UDOO ved hjælp af en højhastigheds USB 3.1-forbindelse.

Maskine-vision i indendørs industrielle automatiseringsmiljøer

Industriel automatisering indendørsmiljøer bliver mere og mere dynamiske med mere udstyr tilføjet til gulvet samt yderligere operatører og forsyninger. Alle maskiner, sensorer og øgede automatiseringsniveauer er beregnet til at øge effektiviteten og samtidig sikre operatørens sikkerhed.

I mange tilfælde er de ekstra sensorer beregnet til at registrere objekter, inklusive mennesker, i et målområde. Et objekt på en produktionslinje kan detekteres på mange måder, herunder en grundlæggende lyssensor, der registrerer en ændring i det omgivende lys på grund af et objekt, der passerer, en mekanisk afbryder, der trykkes ned af objektets vægt eller en lysstråle over en produktionslinje, der afbrydes, når et produkt ruller forbi. Mens disse metoder er egnede til grundlæggende objektdetektion, har øget sofistikering i automatisering krævet mere kompleks visuel detektion svarende til det menneskelige øje.

Maskine-vision er omtrent analogt med at tilføje syn til maskiner for at identificere forskellige farver, differentiere objekter fra hinanden og genkende flere bevægelser. En almindelig og yderst praktisk type maskine-vision er imidlertid at detektere afstanden af alle objekter i et synsfelt.

Der er to almindelige metoder til udførelse af afstandsdetektion for flere objekter. Den første er radar, som for et indendørs miljø har den umiddelbare bekymring for at være farlig for menneskelige operatører under konstant eksponering for højfrekvente signaler. I udendørs miljøer hopper radarfrekvenser af objekter, inden de spreder sig harmløst i det omgivende miljø. Når det bruges indendørs, vil radaren gentagne gange hoppe af flere objekter, hvilket resulterer i intense niveauer af elektromagnetisk interferens (EMI). Langvarig eksponering kan have langsigtede sundhedsmæssige virkninger på menneskelige operatører.

Den anden almindelige metode til udførelse af afstandsdetektion af flere objekter i et synsfelt er laserlysområde, også kaldet LiDAR. En eller flere laserlysstråler er rettet mod de genstande, hvis afstand skal måles. Den tid, det tager for laserstrålen at reflektere tilbage til en modtager ved dets oprindelsespunkt sammen med enhver faseforskydning af strålen, sammenlignes med tiden og fasen for den udsendte laser. En algoritme beregner afstanden til objekterne baseret på tid og faseforskel og konverterer den til centimeter eller tommer.

Beregningen af tid og faseforskel for en enkelt laserstråle til at detektere et objekt er ret ligetil. Imidlertid ville en mere kompleks maskine-vision applikation involvere beregning af afstanden af snesevis af objekter i et synsfelt. At kombinere disse beregninger for at skabe et visuelt kort over afstande er ikke trivielt og kan tage omfattende udviklingstid.

Maskine-vision med afstandsdetektering

En praktisk løsning til en applikation til maskine-vision, der kan komme i gang hurtigt, er Intel RealSense 82638L515G1PRQ højopløselig L515 LiDAR dybdekamera (figur 1). Kameraet har en diameter på 61 mm (mm) og en dybde på 26 mm og indeholder et LiDAR-billeddybdeenhed, rød, grøn, blå (RGB) kamera og en inertial måleenhed (IMU). LiDAR-kameraet kan returnere en 1024 x 768 eller en 1920 x 1080 billedbitmap med hver pixel, der repræsenterer afstanden, som punktet er fra kameraet.

Figur 1: Intel RealSense L515 er et selvstændigt LiDAR-kamera med høj opløsning, som også har et RGB-kamera og IMU. Det forbinder let til en understøttende computer ved hjælp af USB 3.1. (Billedkilde: Intel)

Intel L515 LiDAR-kameraet returnerer et bitmapbillede af området i dets synsfelt. I stedet for at returnere et typisk fotografisk billede af området returnerer LiDAR-kameraet imidlertid et billede, hvor RGB-værdien for hver pixel repræsenterer den afstand, hver pixel er fra Intel L515-kameraet. Kameraet har en opløsning på fra 0,25 til 9 meter. Den indeholder også et standard 2 megapixel (MP) RGB-billedkamera, som er nyttigt under udvikling. Det anbefales til indendørs belysningssituationer, da det ikke var designet til at fungere, hvor der er rigeligt med sollys.

Et eksempel på et billede fra Intel L515 er vist i figur 2. Kamerabilledet er centreret på en plante i forgrunden og er opdelt i to sektioner. Venstre side viser et regelmæssigt RGB-kamerabillede af planten og baggrunden i naturlige farver. Den højre side er en visuel repræsentation af afstanden, som hvert objekt er fra kameraet. Planten i forgrunden vises som blå nuancer, mens væggen i baggrunden viser lys orange. Til højre er væggen længere væk fra kameracentret, så billedet bliver dybere rødt.

Figur 2: Intel L515 LiDAR-kameraet returnerer både et RGB-billede (til venstre) og et bitmapbillede (til højre), der repræsenterer den afstand, et objekt er fra kameraet. Tættere på kameraet vises som blå, mens længere væk vises som dyb rød. (Billedkilde: Intel)

Ved hjælp af disse oplysninger kan software behandle billeddataene for at bestemme afstanden mellem objekter og kameraet.

Med sin kompakte størrelse og høje integrationsniveau er Intel L515 LiDAR-kameraet passende til indendørs industriel automatiseringsapplikationer, hvor dybdefølelse i maskine-vision hurtigt skal implementeres i nye eller eksisterende systemer. For mobile systemer indeholder Intel L515 en IMU, der kan føle ±4 g af acceleration og et gyroskop, der kan registrere op til ±1000 ˚ pr. sekund (˚/s) rotation. Dette er passende for de fleste indendørs køretøjer eller robotter, der anvendes i industrielle automatiseringsfaciliteter. Der skal udvises forsigtighed ved kodning af firmware til IMU'en, da et køretøj eller en robot, der rammer en forhindring, kortvarigt kan se mere end 4 gs, en undtagelse, der skal redegøres for.

Maskine-vision i et komplet system

Intel L515 kan interface til en pc eller en enkelkortcomputer (SBC) ved hjælp af en højhastigheds USB 3.1-grænseflade. Kamerahuset har et USB Type-C®-stik, så standardkabler med Type C-stik kan bruges til nem integration. Da billedbehandling af maskine-vision kan være CPU-intensiv, anbefales det at have masser af ydeevne, så billeddatasæt kan behandles i realtid, hvis det er nødvendigt. UDOO KTMX-UDOOBL-V8G.00 Bolt V8 er en højtydende SBC-baseret på en firekerne-processor, der kører ved 2,0 gigahertz (GHz) (med et 3,6 GHz boost) og understøttes af op til 32 gigabyte (Gbytes) DRAM. Til programhukommelse kan den bruge et M.2 solid state-drev (SSD) og understøtter også et standard SATA-3 harddiskinterface.

Figur 3: UDOO Bolt V8 er en kraftig SBC med en fire-core processor, der kører op til 3,6 GHz. Det understøtter M.2 og SATA-3 eksterne drevgrænseflader, har plads til op til 32 Gbytes DRAM og har et USB 3.1 Type C-stik til grænseflade til Intel RealSense L515 LiDAR-kameraet. (Billedkilde: ODOO)

UDOO Bolt V8 har to HDMI 1.4-videointerfaces til tilslutning til en skærm. Til netværk kan det interface til et fabriksnetværk via kablet Gigabit Ethernet via et indbygget RJ-45-stik. Wi-Fi og Bluetooth understøttes også. Stereolyd understøttes via et 3,5 tommer standardstik. SBC kører ethvert 64-bit og x86-kompatibelt operativsystem inklusive Microsoft Windows og enhver 64-bit Linux-distribution. Denne kraftfulde SBC kræver en 19 volt, 65 watt strømforsyning til understøttelse af 2 GHz ydeevne.

For algoritmer til maskine-vision data har UDOO Bolt V8 masser af processorkraft. Det kan tage data fra Intel RealSense L515 gennem en højhastigheds USB 3.1 Type C-grænseflade og kan om nødvendigt vise billedet på en skærm, der er tilsluttet en af HDMI-grænsefladerne. Hørbare alarmer eller advarsler kan lyde af højttalere, der er tilsluttet en af lydudgangsstikkene.

Konklusion

Maskine-vision med dybdefølelse er et hurtigt voksende felt, der kan kræve kompleks kode og hardware, hvis de bygges fra bunden. Ved at inkorporere et maskine-vision system ved hjælp af nøglefærdige løsninger, der udfører dybdeberegningerne i forprogrammeret firmware, spares tid og penge, hvilket resulterer i et højtydende maskine-vision system, der kan sættes i arbejde i et industrielt automatiseringsmiljø hurtigt og pålideligt.