Classificação de sistemas de servocontrole Robot Vision: um guia abrangente

Classificação de sistemas de servocontrole Robot Vision: um guia abrangente

Com a melhoria na relação custo-desempenho dos equipamentos de imagem e na velocidade do processamento de informações computacionais, juntamente com o aperfeiçoamento das teorias relacionadas, a tecnologia servo-visão atendeu às condições técnicas para aplicação prática, e questões técnicas relacionadas tornaram-se o atual ponto de pesquisa.

Definição de Visão Servo

A maior parte das informações que os humanos adquirem do mundo externo são obtidas através dos olhos. Durante séculos, a humanidade sonhou em criar máquinas inteligentes, cuja primeira função é imitar o olho humano, possibilitando o reconhecimento e a compreensão do mundo externo.

Numerosas estruturas do cérebro humano participam no processamento da informação visual, lidando assim sem esforço com muitos problemas relacionados com a visão. No entanto, como processo, a nossa compreensão da cognição visual permanece limitada, tornando o sonho de máquinas inteligentes um desafio de concretizar.

Com o desenvolvimento da tecnologia de câmeras e o surgimento da tecnologia computacional, máquinas inteligentes com funções visuais começaram a ser fabricadas por humanos, formando gradativamente a disciplina e a indústria da visão mecânica.

A visão mecânica, conforme definida pela Divisão de Visão Mecânica da Sociedade de Engenheiros de Manufatura (SME) e pela Associação de Imagens Automatizadas da Associação das Indústrias Robóticas (RIA), é “a recepção e processamento automático de uma imagem de um objeto real por meio de dispositivos ópticos e sensores sem contato para obter as informações necessárias ou para controlar os movimentos de um robô.”

Como um sistema biomimético semelhante ao olho humano, a visão mecânica abrange amplamente a aquisição de informações de objetos reais por meio de dispositivos ópticos e o processamento e execução de informações relacionadas. Isto inclui a visão visível e não visível, e até mesmo a aquisição e processamento de informações dentro de objetos que a visão humana não consegue observar diretamente.

Jornada de Desenvolvimento da Visão Robótica

Na década de 1960, devido ao avanço da robótica e da tecnologia computacional, as pessoas começaram a pesquisar robôs com capacidades visuais. Contudo, nestes estudos, a visão e o movimento do robô eram, estritamente falando, em circuito aberto.

O sistema visual do robô processa a imagem para determinar a posição e orientação do alvo, calcula a postura do movimento do robô com base nisso e fornece essas informações em uma única instância, sem envolvimento adicional.

Em 1973, o conceito de feedback visual foi introduzido quando alguém aplicou um sistema visual ao controle do robô.

Somente em 1979 Hill e Park propuseram o conceito de “servo-servo visual”. Ao contrário do feedback visual, que apenas extrai sinais de informações visuais, o servo visual abrange todo o processo, desde o processamento de sinais visuais até o controle do robô, oferecendo uma reflexão mais abrangente de pesquisas relevantes sobre visão e controle do robô.

Desde a década de 1980, com o avanço da tecnologia computacional e dos equipamentos de câmera, questões técnicas dos sistemas robóticos de servo visual têm atraído a atenção de muitos pesquisadores. Nos últimos anos, progressos significativos foram feitos tanto na teoria quanto na aplicação do servo visual robótico.

Essa tecnologia costuma ser um tópico especial em muitas conferências acadêmicas e gradualmente se desenvolveu em uma tecnologia independente que abrange os campos de robótica, controle automático e processamento de imagens.

Classificação de Servo Sistemas de Visão Robótica

Atualmente, os sistemas de servocontrole de visão robótica podem ser categorizados das seguintes maneiras:

● Com base no número de câmeras, elas podem ser divididas em servo-sistemas de visão monocular, servo-sistemas de visão binocular e servo-sistemas de visão multi-olho.

Os sistemas de visão monocular só podem obter imagens bidimensionais e não podem obter diretamente as informações de profundidade do alvo.

Os servossistemas de visão multi-olho podem capturar imagens de múltiplas direções do alvo, fornecendo informações valiosas. No entanto, eles exigem grandes quantidades de processamento de dados de imagem e quanto mais câmeras envolvidas, mais desafiador será manter a estabilidade do sistema. Atualmente, a visão binocular é usada principalmente em sistemas servo de visão.

● Dependendo do posicionamento da câmera, os sistemas podem ser classificados como sistemas olho-na-mão e sistemas de câmera fixa (olho-na-mão ou autônomo).

Em teoria, os sistemas olho-na-mão podem alcançar um controle preciso, mas são sensíveis a erros de calibração e erros de movimento do robô.

Os sistemas de câmeras fixas não são sensíveis aos erros cinemáticos do robô, mas nas mesmas condições, a precisão das informações de pose do alvo obtidas não é tão boa quanto a do sistema olho-na-mão, resultando em uma precisão de controle relativamente menor.

● Com base na posição espacial ou nas características de imagem do robô, os sistemas servo de visão são divididos em sistemas servo de visão baseados em posição e sistemas servo de visão baseados em imagem.

Em sistemas servo de visão baseados em posiçãoapós o processamento da imagem, é calculada a pose do alvo em relação à câmera e ao robô.

Isso requer calibração dos modelos de câmera, alvo e robô, e a precisão da calibração afeta a precisão do controle, que é a dificuldade deste método. Durante o controle, a mudança de pose necessária é convertida no ângulo de rotação da junta do robô, que é controlado pelo controlador da junta.

Em sistemas servo de visão baseados em imagem, as informações de erro de controle vêm da diferença entre os recursos da imagem alvo e os recursos da imagem desejada.

Para este método de controle, a questão principal é como estabelecer a matriz Jacobiana da imagem que reflete a relação entre as mudanças nas diferenças da imagem e as mudanças na velocidade de pose da mão robótica; outra questão é que a imagem é bidimensional, e o cálculo da matriz Jacobiana da imagem requer a estimativa da profundidade do alvo (informação tridimensional), o que sempre foi um desafio na visão computacional.

Os métodos para calcular a matriz Jacobiana incluem derivação de fórmulas, calibração, estimativa e métodos de aprendizagem, etc. Os primeiros podem ser derivados ou calibrados com base no modelo, e os últimos podem ser estimados online. Os métodos de aprendizagem usam principalmente métodos de redes neurais.

● Para robôs que usam controladores conjuntos de malha fechada, os sistemas servo de visão são divididos em sistemas dinâmicos de observação-movimento e servos de visão direta.

O primeiro usa feedback da articulação do robô para estabilizar o braço robótico, e o módulo de processamento de imagem calcula a velocidade ou incremento de posição que a câmera deve ter, que é então retornado ao controlador da articulação do robô. Este último faz com que o módulo de processamento de imagem calcule diretamente a quantidade de controle do movimento articular do braço do robô.

Desafios primários no serviço visual

A pesquisa de servo visual já se estende por quase duas décadas. No entanto, com a sua natureza multidisciplinar, a sua evolução depende fortemente de avanços nestas diversas áreas. Ainda existem muitos problemas na pesquisa de servo visual que permanecem sem solução.

  • O maior desafio no servo de imagens é a velocidade de cálculo teórica e prática dos métodos de processamento de imagens.
  • Após o processamento da imagem, a criação de um modelo que vincule os recursos da imagem ao movimento articular robótico representa outro obstáculo significativo no servo da imagem.
  • Muitos métodos de controle atuais não podem garantir estabilidade em larga escala durante a operação, necessitando de mais pesquisas sobre essas técnicas de controle.

Perspectivas futuras para servoing visual

As principais direções de pesquisa futura em servo visual incluem:

• A captura rápida e robusta de recursos de imagem em ambientes reais é uma questão crítica para sistemas de servo-visualização.

Dada a grande quantidade de informações no processamento de imagens e o desenvolvimento da tecnologia de dispositivos programáveis, a implementação de algoritmos gerais baseados em hardware para acelerar o processamento de informações pode avançar nesta questão.

• Estabelecer teorias relevantes e software adequado para sistemas de visão robótica.

Muitos métodos atuais de processamento de imagem em sistemas de visão robótica não são adaptados para esses sistemas. Se plataformas de software especializadas estivessem disponíveis, isso poderia reduzir a carga de trabalho e até mesmo melhorar o desempenho do sistema através do processamento de informações de visualização de hardware.

• Aplicação de vários métodos de inteligência artificial a sistemas de servovisão de visão robótica.

Embora as redes neurais já tenham sido implementadas na visão robótica, muitos métodos inteligentes ainda não foram totalmente utilizados.

A dependência excessiva de modelagem matemática e cálculos pode levar a demandas computacionais excessivas durante a operação que as atuais velocidades de processamento do computador podem ter dificuldade em atender.

No entanto, os humanos não alcançam funções relacionadas através de cálculos extensos, sugerindo que os métodos de inteligência artificial poderiam reduzir os cálculos matemáticos e atender aos requisitos de velocidade do sistema.

• Implementação de técnicas de visão ativa em sistemas de servovisão de visão robótica.

A visão ativa, um tema importante na pesquisa atual de visão computacional e de máquina, permite que os sistemas de visão percebam ativamente seu ambiente e extraiam os recursos de imagem necessários com base em regras definidas. Essa abordagem pode resolver problemas que normalmente são difíceis de resolver.

• Integração de sensores visuais com outros sensores externos.

Para permitir que os robôs percebam o seu ambiente de forma mais completa, especialmente para complementar a informação dos sistemas de visão robótica, vários sensores poderiam ser adicionados aos sistemas de visão robótica.

Isto poderia resolver algumas das dificuldades nos sistemas de visão robótica, mas a introdução de múltiplos sensores exigiria a resolução de problemas de fusão e redundância de informações em sistemas de visão robótica.

Conclusão

Nos últimos anos, foram feitos progressos significativos na tecnologia de servovisão de visão robótica, com aplicações práticas crescentes tanto no mercado interno como no exterior. Espera-se que muitos desafios técnicos sejam superados em pesquisas de curto prazo.

No próximo período, os sistemas de visão robótica ocuparão uma posição de destaque na tecnologia robótica e as suas aplicações industriais continuarão a expandir-se.

Conteúdo Relacionado

Voltar para o blog

Deixe um comentário

Os comentários precisam ser aprovados antes da publicação.