Ausschlaggebend für das Depalletieren mittels Bildeverarbeitung ist eine schnelle und zuverlässige Erkennung von Objekten, die Berechnung und das Übermitteln der Greifdaten an den Roboter.
Die Grundlage für das präzise Greifen ist die Hand-Eye-Kalibrierung, welche sicherstellt, dass der Roboter an der Position zugreift, welche von der Kamera für das Objekt identifiziert wurde.
Um eine robuste und sichere Objekterkennung zu gewährleisten basiert die Erkennung auf Grundlage von Deep Learning Algorithmen.
Sobald die Objekte mit Deep Learning Tools erkannt sind wird mit Hilfe der 3D Punktewolke das auf dem Stapel oberste Objekt detektiert und dessen Greifpositionen und Greifwinkel im 3D Bild berechnet, so dass mit diesem dann das Depalletieren beginnen kann.
Die in der EyeVision vordefinierten Netze ermöglichen die direkte Erkennung einer Vielzahl von Objekten. Falls ein Objekt nicht vorher bekannt ist, kann es durch das integrierte Lerntool innerhalb kurzer Zeit erlernt werden, um eine sichere Erkennung zu gewährleisten.
Die Grundlage für das präzise Greifen ist die Hand-Eye-Kalibrierung, welche sicherstellt, dass der Roboter an der Position zugreift, welche von der Kamera für das Objekt identifiziert wurde.
Um eine robuste und sichere Objekterkennung zu gewährleisten basiert die Erkennung auf Grundlage von Deep Learning Algorithmen.
Sobald die Objekte mit Deep Learning Tools erkannt sind wird mit Hilfe der 3D Punktewolke das auf dem Stapel oberste Objekt detektiert und dessen Greifpositionen und Greifwinkel im 3D Bild berechnet, so dass mit diesem dann das Depalletieren beginnen kann.
Die in der EyeVision vordefinierten Netze ermöglichen die direkte Erkennung einer Vielzahl von Objekten. Falls ein Objekt nicht vorher bekannt ist, kann es durch das integrierte Lerntool innerhalb kurzer Zeit erlernt werden, um eine sichere Erkennung zu gewährleisten.
