Con la mejora en la relación costo-rendimiento de los equipos de imágenes y la velocidad del procesamiento de información computacional, junto con la mejora de las teorías relacionadas, la tecnología de servovisión ha cumplido las condiciones técnicas para la aplicación práctica y las cuestiones técnicas relacionadas se han convertido en el punto de investigación actual. .
Definición de visión de servicio
La mayor parte de la información que el ser humano adquiere del mundo exterior la obtiene a través de los ojos. Durante siglos, la humanidad ha soñado con crear máquinas inteligentes, cuya función principal sea imitar el ojo humano, permitiendo el reconocimiento y la comprensión del mundo exterior.
Numerosas estructuras del cerebro humano participan en el procesamiento de la información visual y, por lo tanto, solucionan sin esfuerzo muchos problemas relacionados con la visión. Sin embargo, como proceso, nuestra comprensión de la cognición visual sigue siendo limitada, lo que hace que el sueño de las máquinas inteligentes sea un desafío.
Con el desarrollo de la tecnología de cámaras y el surgimiento de la tecnología informática, los humanos comenzaron a fabricar máquinas inteligentes con funciones visuales, formando gradualmente la disciplina y la industria de la visión artificial.
La visión artificial, tal como la define la División de Visión Mecánica de la Sociedad de Ingenieros de Manufactura (SME) y la Asociación de Imágenes Automatizadas de la Asociación de Industrias Robóticas (RIA), es “la recepción y el procesamiento automático de una imagen de un objeto real mediante el uso de lentes ópticas”. dispositivos y sensores sin contacto para obtener la información necesaria o controlar los movimientos de un robot”.
Como sistema biomimético similar al ojo humano, la visión artificial cubre ampliamente la adquisición de información de objetos reales a través de dispositivos ópticos y el procesamiento y ejecución de información relacionada. Esto incluye la visión visible y no visible, e incluso la adquisición y procesamiento de información dentro de objetos que la visión humana no puede observar directamente.
Viaje de desarrollo de la visión robótica
En la década de 1960, debido al avance de la robótica y la tecnología informática, la gente comenzó a investigar robots con capacidades visuales. Sin embargo, en estos estudios, la visión y el movimiento del robot eran, estrictamente hablando, de circuito abierto.
El sistema visual del robot procesa la imagen para determinar la posición y orientación del objetivo, calcula la postura de movimiento del robot en base a esto y proporciona esta información en una sola instancia sin intervención adicional.
En 1973, se introdujo el concepto de retroalimentación visual cuando alguien aplicó un sistema visual al control de un robot.
No fue hasta 1979 que Hill y Park propusieron el concepto de “servo-servo visual”. A diferencia de la retroalimentación visual, que solo extrae señales de información visual, el servo visual cubre todo el proceso, desde el procesamiento de señales visuales hasta el control del robot, ofreciendo un reflejo más completo de la investigación relevante sobre la visión y el control de los robots.
Desde la década de 1980, con el avance de la tecnología informática y los equipos de cámaras, las cuestiones técnicas de los servosistemas visuales robóticos han atraído la atención de muchos investigadores. En los últimos años, se han logrado avances significativos tanto en la teoría como en la aplicación del servo visual robótico.
Esta tecnología suele ser un tema especial en muchas conferencias académicas y poco a poco se ha convertido en una tecnología independiente que abarca los campos de la robótica, el control automático y el procesamiento de imágenes.
Clasificación de sistemas de visión servorobóticos.
Actualmente, los sistemas de servocontrol de visión robótica se pueden clasificar de las siguientes maneras:
● Según el número de cámaras, se pueden dividir en servosistemas de visión monocular, servosistemas de visión binocular y servosistemas de visión multiojo.
Los sistemas de visión monocular solo pueden obtener imágenes bidimensionales y no pueden obtener directamente información de la profundidad del objetivo.
Los servosistemas de visión multiojo pueden capturar imágenes desde múltiples direcciones del objetivo, proporcionando información valiosa. Sin embargo, requieren grandes cantidades de procesamiento de datos de imágenes y cuantas más cámaras haya, más difícil será mantener la estabilidad del sistema. Actualmente, la visión binocular se utiliza principalmente en sistemas de servovisión.
● Dependiendo de la posición de la cámara, los sistemas se pueden clasificar como sistemas ojo en mano y sistemas de cámara fija (ojo en mano o independientes).
En teoría, los sistemas ojo en mano pueden lograr un control preciso, pero son sensibles a los errores de calibración y de movimiento del robot.
Los sistemas de cámara fija no son sensibles a los errores cinemáticos del robot, pero en las mismas condiciones, la precisión de la información de la postura del objetivo obtenida no es tan buena como la del sistema ojo en mano, lo que resulta en una precisión de control relativamente menor.
● Según la posición espacial o las características de la imagen del robot, los sistemas de servovisión se dividen en sistemas de servovisión basados en la posición y sistemas de servovisión basados en imágenes.
En los sistemas de servovisión basados en la posición, después del procesamiento de imágenes, se calcula la postura del objetivo con respecto a la cámara y al robot.
Esto requiere la calibración de los modelos de cámara, objetivo y robot, y la precisión de la calibración afecta la precisión del control, que es la dificultad de este método. Durante el control, el cambio de postura requerido se convierte en el ángulo de rotación de la articulación del robot, que es controlado por el controlador de articulación.
En los servosistemas de visión basados en imágenes, la información de error de control proviene de la diferencia entre las características de la imagen objetivo y las características de la imagen deseada.
Para este método de control, la pregunta principal es cómo establecer la matriz jacobiana de imagen que refleje la relación entre los cambios en las diferencias de imagen y los cambios en la velocidad de pose de la mano robótica; Otro problema es que la imagen es bidimensional y calcular la matriz jacobiana de la imagen requiere estimar la profundidad del objetivo (información tridimensional), lo que siempre ha sido un desafío en la visión por computadora.
Los métodos para calcular la matriz jacobiana incluyen derivación de fórmulas, calibración, métodos de estimación y aprendizaje, etc. El primero se puede derivar o calibrar en función del modelo y el segundo se puede estimar en línea. Los métodos de aprendizaje utilizan principalmente métodos de redes neuronales.
● Para los robots que utilizan controladores de articulación de circuito cerrado, los servosistemas de visión se dividen en sistemas dinámicos de observación y movimiento y servos de visión directa.
El primero utiliza la retroalimentación de la articulación del robot para estabilizar el brazo robótico, y el módulo de procesamiento de imágenes calcula la velocidad o el incremento de posición que debe tener la cámara, que luego se devuelve al controlador de la articulación del robot. Este último hace que el módulo de procesamiento de imágenes calcule directamente la cantidad de control del movimiento articular del brazo robótico.
Principales desafíos en el servicio visual
La investigación de los servos visuales se ha extendido por casi dos décadas. Sin embargo, dada su naturaleza multidisciplinaria, su evolución depende en gran medida de los avances en estas diferentes áreas. Todavía quedan muchos problemas sin resolver en la investigación de los servos visuales.
- El mayor desafío en el servo de imágenes es la velocidad de cálculo teórica y práctica de los métodos de procesamiento de imágenes.
- Después del procesamiento de imágenes, la creación de un modelo que vincule las características de la imagen con el movimiento de las articulaciones robóticas representa otro obstáculo importante en el servicio de imágenes.
- Muchos métodos de control actuales no pueden garantizar la estabilidad a gran escala durante la operación, lo que requiere más investigación sobre estas técnicas de control.
Perspectivas de futuro para el servo visual
Las direcciones clave de investigación futura en servovisual incluyen:
• La captura rápida y robusta de características de imágenes en entornos reales es un tema crítico para los sistemas de servo visualización.
Dada la gran cantidad de información en el procesamiento de imágenes y el desarrollo de tecnología de dispositivos programables, la implementación de algoritmos generales basados en hardware para acelerar el procesamiento de información puede avanzar en este tema.
• Establecer teorías relevantes y software adecuado para sistemas de visión robótica.
Muchos métodos actuales de procesamiento de imágenes en sistemas de visión robótica no están adaptados para estos sistemas. Si estuvieran disponibles plataformas de software especializadas, esto podría reducir la carga de trabajo e incluso mejorar el rendimiento del sistema mediante el procesamiento de información de visualización del hardware.
• Aplicación de diversos métodos de inteligencia artificial a servosistemas de visión robótica.
Aunque ya se han implementado redes neuronales en la visión robótica, muchos métodos inteligentes aún no se han utilizado plenamente.
La dependencia excesiva de los modelos y cálculos matemáticos puede generar demandas computacionales excesivas durante la operación que las velocidades actuales de procesamiento de las computadoras pueden tener dificultades para satisfacer.
Sin embargo, los humanos no logran funciones relacionadas mediante cálculos extensos, lo que sugiere que los métodos de inteligencia artificial podrían reducir los cálculos matemáticos y cumplir con los requisitos de velocidad del sistema.
• Implantación de técnicas de visión activa en servosistemas de visión robótica.
La visión activa, un tema candente en la investigación actual sobre visión artificial y por computadora, permite a los sistemas de visión percibir activamente su entorno y extraer las características necesarias de la imagen basándose en reglas definidas. Este enfoque puede resolver problemas que normalmente son difíciles de resolver.
• Integración de sensores visuales con otros sensores externos.
Para permitir que los robots perciban su entorno de manera más completa, especialmente para complementar la información de los sistemas de visión robótica, se podrían agregar varios sensores a los sistemas de visión robótica.
Esto podría resolver algunas de las dificultades de los sistemas de visión robótica, pero la introducción de múltiples sensores requeriría resolver problemas de fusión y redundancia de información en los sistemas de visión robótica.
Conclusión
En los últimos años, se han logrado avances significativos en la tecnología de servovisión de visión robótica, y las aplicaciones prácticas están aumentando tanto a nivel nacional como en el extranjero. Se espera que se superen muchos desafíos técnicos en la investigación a corto plazo.
En el próximo período, los sistemas de visión robótica ocuparán una posición destacada en la tecnología robótica y sus aplicaciones industriales seguirán expandiéndose.
