9 Herausforderungen, die Sie im Bin Picking erwarten

Immer noch setzen viele Unternehmen manuelle Arbeit für sich wiederholende Aufgaben ein, die kognitive Fähigkeiten erfordern. Um den Anforderungen in der Fertigung, Logistik oder im Onlinehandel gerecht zu werden, ist ein besseres Imitieren von menschenähnlichen Bewegungen erforderlich. Roboter sollen intelligenter, schneller und flexibler arbeiten.

Oberflächlich betrachtet, bedeutet Bin Picking einfach erkennen, entnehmen und ablegen. Allerdings treten in jeder dieser Phasen leichte Verzerrungen auf, welche insgesamt zu einer hohen Ungenauigkeit beim Handling-Objekt führen. Durch ein 3D-Vision-Systems reduziert sich diese um ein Vielfaches. Ein solches System bildet die Realität so ab, wie sie tatsächlich ist.

Trotz hoher Genauigkeit ist die Industrie mit Schwierigkeiten konfrontiert, wenn es um die Auswahl der richtigen Bildverarbeitungstechnologie geht. Doch welche Herausforderungen sind es, denen sich die Industrie stellen muss?

1.      Präzision der 3D-Punkte

Präzision von Bildverarbeitungssystemen ist ein wesentlicher Bestandteil von Bin Picking-Anwendungen. Unternehmen erwarten, dass ein Roboter mit seiner Objekterkennung exakt greift. Hierbei ist die „Erkennung“ des automatisierten Systems entscheidend. Eine höhere Präzision impliziert eine höhere Sicherheit, da dadurch der Roboter die zu entnehmenden Objekte mit allen Details erfasst. Durch die Präzision des 3D-Systems kann der Roboter exakt einschätzen, wo und in welcher Position sich ein zu entnehmendes Objekt befindet. 

2.      Richtigkeit der dargestellten Realität

Richtigkeit und Präzision sind eng miteinander verbunden, bezeichnen aber nicht dasselbe. Die Richtigkeit gibt an, ob die berechneten Raumkoordinaten des Roboters mit der Realität übereinstimmen. Die Präzision hingegen gibt an, wie genau die zu greifenden Objekte in der Punktewolke dargestellt werden. Die Präzision ist als für den Teil des „Erkennens“ und die Richtigkeit für den Teil des „Entnehmens“ zuständig. Um die Handling-Objekte an der richtigen Stelle zu greifen und sicher zu entnehmen, ist ein Zusammenspiel von Präzision und Richtigkeit notwendig. 

3.      Geschwindigkeit der Erfassung

Ziel der Entwickler ist es, dass Roboter mit der menschlichen Kapazität konkurrieren können. Mit zunehmender Produktion, Lagerlogistik und Auftragsabwicklung ist die Geschwindigkeit eines Picking-Vorgangs einer der entscheidenden Faktoren. Sie bestimmt, ob ein automatisches Bin-Picking-System die Investition wert ist oder nicht. Ein Bildverarbeitungssystem sollte mindestens 600 Picks/Stunde unterstützen, um mit aktuellen Lösungen zu konkurrieren. Eine hohe Datenqualität birgt keinen Vorteil, wenn die empfohlene Anzahl an Picks/Stunde nicht erreicht werden. 

4.      Farbliche Dimensionen

Heutzutage nutzen viele Greif-Systeme die Farbdimension nicht für ein genaueres Greifen, da die meisten 3D-Vision-Systeme diese Information nicht bereitstellen. Um diese Informationen zu erhalten, fügt mancher Anbieter seiner Lösung eine zusätzliche 2D-Farbkamera zu.

Dadurch entstehen häufig mehr Probleme, als es löst. Beispielsweise bei der Kalibrierung: Die Verwendung verschiedener Objektive führt eine weitere Dimension ein, wodurch Farbe einen Mehrwert bringt. Dies gilt auch für Roboter. Farbe verleiht der nachgebildeten Realität mehr Wahrheit, was die Unsicherheit bei der Auswahl von Punkten verringert. Unter den zusätzlichen Daten leidet aber auch die Geschwindigkeit der Erfassung. Hinzu kommt, dass die neue Dimension der zusätzlichen Kamera Präzision und Richtigkeit in Mitleidenschaft ziehen.

Wann verwendet ein Unternehmen zusätzlich eine Kamera mit Farberkennung?

• Fehler in Präzision und Richtigkeit so gering wie möglich halten.
• Unternehmen nimmt eine ansteigende Taktzeit in Kauf. 

5.      Hoher Dynamikbereich (HDR)

Wenn Unternehmen sich hin zu automatisierten Bin-Picking-Systemen bewegen, benötigen sie Bildverarbeitungssysteme mit einem hohen dynamischen Bereich (High Dynamik Range). Durch einen HDR werden die Abstufungen von dunkel nach hell deutlich besser dargestellt als mit einer Standard Dynamic Range (SDR) Aufnahme. Dies führt dazu, dass sehr dunkle und gleichzeitig auch sehr helle Punkte realitätsnah abgebildet werden. Die Verwendung eines HDR ermöglicht damit das gleichzeitige Greifen von sehr hellen und sehr dunklen Objekten aus einer Kiste. Dadurch ist auch das Greifen in einem großen Dynamikumfang möglich. Ohne HDR ist dies mittels einer Aufnahme nicht möglich, da das zugrundeliegende Spektrum ansonsten zu groß wäre. 

6.      Reflektierendes Material

Metallische und glänzende Objekte stellen immer noch eine große Herausforderung für das Picking dar. Die von glänzenden Objekten verursachten Reflexionen verursachen Fehler bei der Objektlokalisierung. Dabei entstehen Geisterpunkte („Bildrauschen“) in der Luft, die die Software als Objekte wahrnimmt. Diese Punkte umgeht sie bei der Bewegungsplanung. Beispielsweise lassen sich durch Filter Reflexionen vermeiden. Ein solcher Filter löst das Problem der Erkennung bei metallischen, glänzenden und reflektierenden Teilen. 

7.      Formfaktor

Eine große Baseline des Bildverarbeitungssystems führt nicht nur zu Verdeckungen, sondern schränkt auch die Verwendung des Bildverarbeitungssystems in verschiedenen Szenarien ein. Wenn beispielsweise ein Roboter Teile montiert, führt eine große Baseline nicht nur zu Fehlern in den Daten. Es ist auch wichtig zu beachten, dass das Bildverarbeitungssystem nicht mit der Bewegung des Roboters kollidiert. Hier muss besondere Sorgfalt herrschen, damit das zu greifende Objekt nicht mit seiner Umgebung kollidiert.  

8.      Systemstabilität

Die Ausweitung der Robotik in allen Industriesparten hat zu Betriebsbedingungen eingeführt, die rau sind und die Qualität, der vom Bildverarbeitungssystem gelieferten 3D-Daten im Laufe der Zeit verschlechtern. Dies ist eine der größten Herausforderungen für automatisierte Greif-Aufgaben. Die Umgebungsbedingungen beeinflussen stark die Vision-Systeme. Ein 3D-System, das sich an die äußeren Bedingungen anpasst und dennoch langfristig prozessstabile Picking-Aufgaben bietet, ist das Gebot der Stunde. Bildverarbeitungssysteme sollte dabei immer industrietauglich sein. Sie sollten gegen Berührungen, Eindringen von Fremdkörpern und Wasser geschützt sein, sowie eine gewisse Stoßfestigkeit aufweisen. 

9.      Stabile Lichtverhältnisse am Einsatzort

Diese sind notwendig, um dauerhaft konstante Daten für ein identisches Setting zu erhalten. Eine vollständige Ausleuchtung der Situation ist ebenfalls notwendig, um Schatten zu vermeiden. Nur so können präzise und richtige Daten über die Handling-Objekte entstehen.

Diese Herausforderungen der industriellen Bildverarbeitung sind nicht unbezwingbar. Sie schränken den Einsatz von automatisierten Picking-Systemen zwar ein, aber immer mehr Firmen stellen sich diesen Herausforderungen und finden effektive Lösungsmöglichkeiten, um menschliche Bewegungen immer besser nachzuahmen.