Sichere Box-Erkennung mit 3D-Kameras
Multivisionär
Um an Informationen zur dritten Dimension zu kommen, gibt es unterschiedliche Technologien, die alle ihre Vor- und Nachteile haben. Einen innovativen Weg hat Matrix Vision gewählt und kombiniert für ein optimales Ergebnis alle verfügbaren Daten der 3D/6D-Kamera BlueSirius. Der Beitrag verschafft einen Überblick über die unterschiedlichen Technologien am konkreten Beispiel der Gebindeerkennung und zeigt die Vorteile der 6D-Lösung.
Bild 1 | Ausgangslage für die 2D/3D-Kombination (l.o.); Tiefenkarte des Trays (r.o.); Ergebnis nach Kombination der Farb- und 3D-Daten (l.u.) und Inhalt des Trays (r.u.). (Bilder: Matrix Vision GmbH)
Eine wiederkehrende Aufgabe, die es in der Industrie zu lösen gilt, ist das Identifizieren und Erkennen von Gebinden. Damit können Zählaufgaben gelöst werden, um Abläufe (Gebinde/Stunde, Tray, Lieferung, etc.) erfassen und verbessern zu können. Zudem können Volumina erfasst werden, um damit Beladungen der Gebinde zu optimieren. Auch Roboter können dann besser Gebinde greifen, um diese zu befördern. Es ist allerdings egal, um welche Aufgabe es sich handelt, die Fragen zu den Eingangsdaten sind über alle Branchengrenzen hinweg dieselben: Wie viel, wie groß und wo? Die Herausforderungen dabei sind, dass es sich um Gebinde mit unterschiedlichen Dimensionen und/oder Farben gleichzeitig handeln kann. Die Tatsache, dass auch auf den meisten Boxen auf mindestens einer Seite ein Etikett oder Code angebracht ist, macht die Aufgabenstellung nicht einfacher. Die räumliche Anordnung der Gebinde ist dabei in der Regel willkürlich. Die Variation der Anordnung reicht von eng aneinander liegenden über komplett unterschiedliche Gebinde in einer Szene, bis hin zu einem einzigen Gebinde. Ebenso kann es vorkommen, dass temporär kein Gebinde vorhanden ist und dies eindeutig erkannt werden muss.
2D-/3D-Gebinde-Erkennung
Der Standard-Ansatz zum Erkennen von Gebinden basiert auf der 2D-Bildverarbeitung. Diese ist in vielen Fällen – abhängig von den Anforderungen – ausreichend und führt zum gewünschten Ziel. Die Lösungen sind preiswert und rechnen sich, sofern die technischen Anforderungen erfüllt sind. Basierend auf den Bildern einer 2D-Kamera werden die Objektkanten gesucht, um dann die im Bild vorhandenen Gebinde durch weitere Verarbeitung und applikationsspezifisches Wissen zu bestimmen. Aus den 2D-Daten können allerdings nur zwei Dimensionen eines Gebindes bestimmt werden. Bei Etiketten kann es jedoch durch zusätzliche Kanten bzw. Linien zu Fehlbestimmungen kommen. Nahe beieinander liegende Gebinde lassen sich nicht immer eindeutig bestimmen und bei Reflexionen im Bild kann es zu Fehlern in der Berechnung kommen. Um wirklich an alle drei Dimensionen zu kommen, gibt es unterschiedliche 3D-Technologien auf dem Markt. Der Platzhirsch ist der Laser-Triangulation-Scanner. Die mit dem Scanner erreichten Genauigkeiten sind zwar sehr hoch (im µm-Bereich), allerdings sind die Geräte teuer und langsam, da die Gebinde in Bewegung sein müssen. Die Bewegungsgeschwindigkeit hat darüber hinaus einen Einfluss auf die Genauigkeit. Das macht ein solches System komplex und teuer in der Handhabung und Wartung. Eine günstigere und schnellere Alternative ist ein Time-of-Flight-Sensor (ToF). Dieser kann die Kosten des Systems um ein Vielfaches im Vergleich zur Laser-Triangulation senken. Die dabei eingekauften Nachteile sind jedoch eine hohe Abhängigkeit der Ergebnisse von dem Objektmaterial und der Umgebungstemperatur. Die damit erreichte Genauigkeit reicht meist nicht aus, um nahe beieinander liegende Gebinde eindeutig zu trennen. Mit einer Streifenlicht-Projektion lassen sich zwar nahe beieinander liegende Gebinde eindeutig trennen, doch braucht diese Technologie analog zur Laser-Triangulation viel Zeit für den Erfassungsvorgang. Des Weiteren darf sich das Gebinde nicht bewegen. Insgesamt ist das System komplex in der Handhabung und teuer in der Wartung. Durch den Einsatz von strukturiertem Licht, ist eine Erkennung in Video-Echtzeit möglich, kann aber nahe beieinander liegende Gebinde nicht eindeutig identifizieren. Viele der Systeme müssen zudem im Feld kalibriert werden.
