Adaptive Druckbildausrichtung

Adaptive Druckbildausrichtung

Optische Lagekorrektur im Submillimeter-Bereich

Das Smart Automation Lab (SAL) veranschaulicht anhand individualisierter Produktion aktuelle Forschungsaktivitäten zu Industrie 4.0. Dazu gehören die produktzentrierte Steuerung, kognitive Montage und dienstbasierte Architekturen für einen effizienten und flexiblen One-Piece-Flow zukünftiger Automatisierungssysteme. Ein wesentlicher Bestandteil des Produktionsprozesses ist ein UV-Flachbettdrucker.
Mit Hilfe des Druckers werden eingangs produzierte (Hubelino-)Steine durch Bedruckung ihrer Außenseiten individualisiert. Um ein qualitativ hochwertiges Druckbild (randloses drucken) zu erzeugen, ist die korrekte und möglichst genaue Erfassung der Lage aller zu bedruckenden Objekte essentiell. Der Drucker und das zugehörige Maschinengestell können bis zu 18 Steine aufnehmen und die nach oben gerichteten Flächen parallel, in einem Druckvorgang, individualisieren.

Positionsidentifikation

Durch mechanische Führung lassen sich bei Positionierung und gleichzeitiger Unterstützung eines roboterbasierten Fügeprozesses Lagegenauigkeiten von etwa 1mm erreichen. Dies reicht jedoch nicht aus, um ein sauberes Druckbild zu erzeugen. Daher ist die Bedruckungsstation um ein Kamerasystem erweitert worden, das die Lage der im Druckraster liegenden Steine bestimmt. Dazu wird mit einer 15MP-CMOS-Industriekamera nebst hochauflösendem Objektiv eine Aufnahme erstellt, die eine Auflösung von 7,8Pixel/mm erlaubt. Abbildungsfehler im aufgenommenen Bild werden im ersten Schritt mit Hilfe initial ermittelter, extrinsischer und intrinsischer Systemparameter korrigiert, um Bauteil- und Rasterkoordinaten lagerichtig in Druckkoordinaten überführen zu können. Für eine feste Referenzierung der Bauteilpositionen gegen das Maschinengestell des Druckers, werden im Bild vorhandene Marker identifiziert. Diese sind fest mit dem Maschinengestell verbunden und in einem Rechteck angeordnet. Der horizontale und vertikale Abstand der Markermittelpunkte ist bekannt und wird genutzt, um das Bild auch bei Schwankungen der Kameraposition gegenüber dem Maschinengestell für die weitere Bildverarbeitung durchgehend gleich zu positionieren. Für die weiteren Verarbeitungsschritte der Bilddatei werden in einer zweiten Bildebene, entsprechend den 18 möglichen Positionen, 2D-Koordinatensysteme platziert. Diese kennzeichnen jeweils eine separate ROI (Region of Interest). Innerhalb dieser ROIs werden im nächsten Schritt zur Identifikation der Steinoberflächen kombinierte Algorithmen angewendet.

Kombinierte Algorithmen

Der Algorithmus zur Erkennung der Steinoberflächen ist dreistufig ausgeführt:

  • • Identifikation von Kandidaten für Eck- punkte
  • • Erstellung von Kandidaten der Vierecke
  • • Auswahl des besten Vierecks

Zu Beginn wird der größte zusammenhängende Teil des Bildes identifiziert, dessen Pixelintensitäten größer als ein vorab festgelegter Schwellwert ist. Die Connected-Component-Bereiche (CCB) werden anschließend vergrößert. Störende Reflektionen werden so entfernt. Für die folgende Kantendetektion wird zunächst ein Weichzeichnungsfilter angewendet, der rauschbedingte, große Gradienten eliminiert. Anschließend werden mithilfe einer Hough-Transformation Linien innerhalb des Bildes detektiert. Diese werden nach ihrer Steigung gefiltert, so dass eine Liste von horizontalen bzw. vertikalen Kanten entsteht. Linien, deren Steigung zu stark von 0° bzw. 90° abweichen, werden entfernt. Dabei kann aufgrund der Geometrie des Steines und dem Winkel der Kamera zum Stein nicht davon ausgegangen werden, dass lediglich vier Linien gefunden werden, die zu den Kanten des Steines passen. Um den Lösungsraum auf eindeutige Linien zu minimieren, werden nachfolgend Schnittpunkte der Linien berechnet, die potentielle Eckpunkte bilden. Können mit diesem Vorgehen keine Eckpunkte identifiziert werden, wird ein Interest-Operator angewendet. Die Ecken werden dabei mit Hilfe der Plessy-Punkt-Detektion (PPD) identifiziert. Schnitt- und Eckpunkte werden zusammengefasst und gefiltert, so dass lokale Häufungen von Eckpunkten auf eine Ecke reduziert werden. Diese werden nach einem Abstandskriterium zu vertikalen Linien entsprechend ihrer Lage innerhalb der ROI in vier Kategorien (oben links, oben rechts, unten links und unten rechts) klassifiziert. Iterativ werden mit jeweils einem Vertreter aus jeder der vier Kategorien Vierecke identifiziert, die abhängig vom Weißanteil innerhalb der Fläche, der Größe und den Winkeln des Vierecks gewichtet werden. Die Eckpunkte des Kandidaten mit dem größten Gewicht bilden die Lage des Steines innerhalb des Druckbereichs ab.

Seiten: 1 2Auf einer Seite lesen

WZLforum gGmbH
www.smartautomationlab.de

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Anzeige

Anzeige

Anzeige

Anzeige