عوامل موثر بر سیستم بینایی ربات در محیط

ناوبری بصری ربات AGV در حال حاضر یک روش ناوبری رایج تر است که از خطوط رنگی برای ساخت صحنه ها و شناسایی مکان ها استفاده می کند. راه حل های رباتیک یکپارچه می توانند به سرعت و به راحتی مزایای بینایی رباتیک را بدون نیاز به مهارت های برنامه نویسی ارائه دهند. با این حال، حتی اگر این فناوری بهبود یابد، بینایی نیز یک مشکل دشوار برای فناوری سیستم بینایی ربات AGV است.

رایج ترین عملکرد سیستم بینایی AGV تشخیص موقعیت و جهت یک جسم شناخته شده است. عوامل زیر بر سیستم بینایی ربات در محیط تأثیر می گذارد.

1. نورپردازی

اگر تا به حال در نور کم عکس گرفته اید، می دانید که نورپردازی بسیار مهم است. اگر تنظیمات نور خوب نباشد، عکس را خراب می کند. سنسور تصویربرداری به اندازه چشم انسان سازگار نیست. اگر نوع نور اشتباه باشد، حسگر بینایی قادر به تشخیص قابل اعتماد جسم نیست.

2. تغییر شکل یا مفصل

کره یک جسم ساده است که با تنظیمات بینایی کامپیوتر قابل شناسایی است. شما فقط می توانید طرح دایره ای آن را تشخیص دهید، شاید از الگوریتم تطبیق الگو استفاده کنید. اما اگر کره له شود، تغییر شکل می دهد و همان روش دیگر موثر نخواهد بود. می تواند مشکلات قابل توجهی در برخی از فناوری بینایی ربات ایجاد کند.

لولاها شبیه به تغییر شکل ناشی از اتصالات متحرک هستند. به عنوان مثال، هنگامی که آرنج دست شما را خم می کند، شکل بازوی شما تغییر می کند. هر پیوند (استخوان ها) همان شکل را حفظ می کند، اما طرح کلی تغییر شکل می دهد. الگوریتم سیستم بینایی AGV از خطوط شکل استفاده می کند، بنابراین وضوح تشخیص اشیا را دشوارتر می کند.

3. موقعیت و جهت

رایج ترین عملکرد سیستم بینایی AGV تشخیص موقعیت و جهت یک جسم شناخته شده است. بنابراین، اکثر راه حل های چشم انداز یکپارچه معمولاً بر چالش های پیش روی هر دو غلبه می کنند. تا زمانی که بتوان جسم را در تصویر دوربین مشاهده کرد، مکان شی شناسایی شده معمولاً واضح است. با این حال، همه جهات برابر نیستند. اگرچه تشخیص یک شی که در امتداد یک محور می چرخد ​​به اندازه کافی ساده است، تشخیص زمانی که یک شی به صورت سه بعدی می چرخد ​​پیچیده تر است.

4. پس زمینه تصویرپس زمینه تصویر تاثیر زیادی در سهولت تشخیص اشیا دارد. به عنوان مثال، یک شی را روی یک تکه کاغذ قرار دهید و سپس همان تصویر شی را روی آن کاغذ چاپ کنید. در این حالت، سیستم بینایی ربات ممکن است نتواند تأیید کند که کدام یک واقعی است.پس‌زمینه کامل خالی است و کنتراست خوبی با شی شناسایی شده ارائه می‌دهد. خواص دقیق آن به الگوریتم تشخیص بینایی مورد استفاده بستگی دارد. اگر از یک آشکارساز لبه استفاده می شود، پس زمینه نباید دارای خطوط واضح باشد. رنگ و روشنایی پس زمینه نیز باید با رنگ و روشنایی جسم متفاوت باشد. 

5. انسداد تصویر

در چهار سوال اول، کل شی در دوربین ظاهر می شود. انسداد متفاوت است، زیرا برخی از اشیاء گم می شوند. بدیهی است که سیستم بینایی نمی تواند قسمت غیر موجود تصویر را تشخیص دهد. موارد زیادی وجود دارد که می تواند باعث انسداد شود، از جمله: سایر اشیاء، قسمت هایی از ربات یا موقعیت های بد دوربین. روش غلبه بر انسداد معمولاً شامل تطبیق قسمت قابل مشاهده شی با مدل شناخته شده آن و با فرض وجود قسمت پنهان شی است.

6. نسبت اندازه

در برخی موارد، چشم انسان به راحتی فریب تفاوت مقیاس را می خورد. سیستم بینایی AGV نیز ممکن است توسط آنها اشتباه گرفته شود. تصور کنید دو جسم یکسان دارید، اما یکی بزرگتر از دیگری است. تصور کنید که از یک تنظیم دید دو بعدی ثابت استفاده می‌کنید و اندازه جسم فاصله آن را از ربات تعیین می‌کند. اگر سیستم را برای تشخیص اشیاء کوچکتر آموزش دهید، به اشتباه تشخیص می دهد که این دو جسم یکسان هستند و جسم بزرگتر به دوربین نزدیکتر است.یکی دیگر از مسائل مربوط به مقیاس، که ممکن است چندان واضح نباشد، مسئله مقادیر پیکسل است. اگر دوربین ربات دورتر قرار گیرد، اشیاء در تصویر با پیکسل های کمتری نمایش داده می شوند. وقتی تعداد پیکسل‌های بیشتری برای نمایش شی وجود داشته باشد، الگوریتم پردازش تصویر بهتر عمل می‌کند، اما استثناهایی وجود دارد.

7. تنظیم موقعیت دوربین

موقعیت نادرست دوربین ممکن است مشکلاتی را ایجاد کند که قبلاً رخ داده است، بنابراین استفاده صحیح از آن مهم است. سعی کنید دوربین را در مکانی با نور مناسب قرار دهید تا بتوانید جسم را تا حد امکان واضح بدون اعوجاج و تا حد امکان بدون مسدود کردن آن به جسم نزدیک کنید. بین دوربین و سطح دید نباید پس‌زمینه تداخلی یا اشیا دیگری وجود داشته باشد.

8. حرکت اجسام

هنگامی که جسم حرکت می کند، می تواند باعث ایجاد مشکل در تنظیمات بصری در رایانه شود، به خصوص زمانی که یک تاری در تصویر وجود دارد. به عنوان مثال، این ممکن است برای اشیاء روی یک تسمه نقاله سریع اتفاق بیفتد. سنسور تصویربرداری دیجیتال یک تصویر را در مدت زمان کوتاهی می گیرد، اما کل تصویر را در یک لحظه ثبت نمی کند. اگر یک شی در طول فرآیند عکس برداری خیلی سریع حرکت کند، باعث تار شدن تصویر می شود. چشم ما ممکن است متوجه تاری ویدیو نشود، اما الگوریتم متوجه خواهد شد. هنگامی که یک تصویر ثابت واضح وجود دارد، سیستم بینایی AGV بهترین عملکرد را دارد.