Avec l'amélioration du rapport coût-performance des équipements d'imagerie et de la vitesse de traitement des informations informatiques, ainsi que le perfectionnement des théories connexes, la technologie de l'asservissement de la vision a rempli les conditions techniques pour une application pratique, et les questions techniques connexes sont devenues le point névralgique de la recherche actuelle. Définition de l'asservissement de la vision La plupart des informations que les humains acquièrent [...]
Avec l'amélioration du rapport coût-performance des équipements d'imagerie et de la vitesse de traitement des informations informatiques, ainsi que le perfectionnement des théories connexes, la technologie de l'asservissement de la vision a rempli les conditions techniques pour une application pratique, et les questions techniques connexes sont devenues le point névralgique de la recherche actuelle.
La plupart des informations que l'homme acquiert du monde extérieur sont obtenues par les yeux. Depuis des siècles, l'humanité rêve de créer des machines intelligentes, dont la première fonction est d'imiter l'œil humain, permettant la reconnaissance et la compréhension du monde extérieur.
De nombreuses structures du cerveau humain participent au traitement des informations visuelles, ce qui permet de traiter sans effort de nombreux problèmes liés à la vision. Cependant, notre compréhension de la cognition visuelle reste limitée, ce qui rend le rêve de machines intelligentes difficile à réaliser.
Avec le développement de la technologie des caméras et l'émergence de la technologie informatique, des machines intelligentes dotées de fonctions visuelles ont commencé à être fabriquées par l'homme, formant progressivement la discipline et l'industrie de la vision industrielle.
La vision industrielle, telle que définie par la division Vision industrielle de la Society of Manufacturing Engineers (SME) et l'Automated Imaging Association de la Robotic Industries Association (RIA), est "la réception et le traitement automatiques d'une image d'un objet réel par le biais de dispositifs optiques et de capteurs sans contact afin d'obtenir les informations requises ou de contrôler les mouvements d'un robot".
En tant que système biomimétique similaire à l'œil humain, la vision industrielle englobe largement l'acquisition d'informations sur des objets réels par le biais de dispositifs optiques, ainsi que le traitement et l'exécution des informations correspondantes. Cela inclut la vision visible et non visible, et même l'acquisition et le traitement d'informations à l'intérieur d'objets que la vision humaine ne peut pas observer directement.
Dans les années 1960, grâce aux progrès de la robotique et de l'informatique, des recherches ont été menées sur les robots dotés de capacités visuelles. Toutefois, dans ces études, la vision et le mouvement du robot étaient, à proprement parler, en boucle ouverte.
Le système visuel du robot traite l'image pour déterminer la position et l'orientation de la cible, calcule la posture du mouvement du robot sur cette base et fournit ces informations en une seule fois, sans autre intervention.
En 1973, le concept de retour visuel a été introduit lorsque quelqu'un a appliqué un système visuel à la commande d'un robot.
Ce n'est qu'en 1979 que Hill et Park ont proposé le concept d'"asservissement visuel". Contrairement à la rétroaction visuelle, qui n'extrait que les signaux des informations visuelles, l'asservissement visuel englobe l'ensemble du processus, du traitement des signaux visuels à la commande du robot, offrant ainsi un reflet plus complet des recherches pertinentes sur la vision et la commande des robots.
Depuis les années 1980, avec les progrès de la technologie informatique et de l'équipement photographique, les questions techniques des systèmes d'asservissement visuel robotisés ont attiré l'attention de nombreux chercheurs. Ces dernières années, des progrès significatifs ont été réalisés tant dans la théorie que dans l'application de l'asservissement visuel robotique.
Cette technologie fait souvent l'objet d'un thème spécial dans de nombreuses conférences universitaires et s'est progressivement transformée en une technologie indépendante couvrant les domaines de la robotique, du contrôle automatique et du traitement d'images.
Actuellement, la vision robotique servocommande peuvent être classés dans les catégories suivantes :
● En fonction du nombre de caméras, ils peuvent être divisés en systèmes d'asservissement de la vision monoculaire, systèmes d'asservissement de la vision binoculaire et systèmes d'asservissement de la vision multi-œil.
Les systèmes de vision monoculaire ne peuvent obtenir que des images bidimensionnelles et ne peuvent pas obtenir directement les informations sur la profondeur de la cible.
Les systèmes d'asservissement de vision multi-œil peuvent capturer des images de la cible à partir de plusieurs directions, fournissant ainsi de nombreuses informations. Cependant, ils nécessitent de grandes quantités de traitement de données d'image et plus il y a de caméras, plus il est difficile de maintenir la stabilité du système. Actuellement, la vision binoculaire est principalement utilisée dans les systèmes d'asservissement par vision.
● En fonction de l'emplacement de la caméra, les systèmes peuvent être classés en systèmes œil-main et en systèmes à caméra fixe (œil-main ou autonome).
En théorie, les systèmes œil-main peuvent permettre un contrôle précis, mais ils sont sensibles aux erreurs d'étalonnage et aux erreurs de mouvement du robot.
Les systèmes à caméra fixe ne sont pas sensibles aux erreurs cinématiques du robot, mais dans les mêmes conditions, la précision des informations sur la position de la cible obtenue n'est pas aussi bonne que celle du système œil-main, ce qui se traduit par une précision de contrôle relativement plus faible.
● Sur la base de la position spatiale du robot ou des caractéristiques de l'image, les systèmes d'asservissement par vision sont divisés en systèmes d'asservissement par vision basés sur la position et en systèmes d'asservissement par vision basés sur l'image.
Dans les systèmes d'asservissement de la vision basés sur la positionAprès traitement de l'image, la position de la cible par rapport à la caméra et au robot est calculée.
Cela nécessite un étalonnage des modèles de la caméra, de la cible et du robot, et la précision de l'étalonnage affecte la précision du contrôle, ce qui constitue la difficulté de cette méthode. Pendant le contrôle, le changement de pose requis est converti en angle de rotation des articulations du robot, qui est contrôlé par le contrôleur d'articulation.
Dans les systèmes d'asservissement de la vision basés sur l'image, L'information sur l'erreur de contrôle provient de la différence entre les caractéristiques de l'image cible et les caractéristiques de l'image souhaitée.
Pour cette méthode de contrôle, la question clé est de savoir comment établir la matrice jacobienne de l'image qui reflète la relation entre les changements de différence d'image et les changements de vitesse de pose de la main robotique ; un autre problème est que l'image est bidimensionnelle et que le calcul de la matrice jacobienne de l'image nécessite l'estimation de la profondeur de la cible (information tridimensionnelle), ce qui a toujours été un défi dans la vision par ordinateur.
Les méthodes de calcul de la matrice jacobienne comprennent la dérivation de formules, l'étalonnage, l'estimation, les méthodes d'apprentissage, etc. Les premières peuvent être dérivées ou calibrées sur la base du modèle, et les secondes peuvent être estimées en ligne. Les méthodes d'apprentissage utilisent principalement des méthodes de réseaux neuronaux.
● Pour les robots utilisant des contrôleurs d'articulation en boucle fermée, les systèmes d'asservissement de la vision sont divisés en systèmes dynamiques d'observation-mouvement et en asservissements de vision directe.
Le premier utilise le retour d'information de l'articulation du robot pour stabiliser le bras robotique, et le module de traitement d'image calcule la vitesse ou l'incrément de position que la caméra devrait avoir, qui est ensuite renvoyé au contrôleur de l'articulation du robot. Dans le second cas, le module de traitement d'images calcule directement la quantité de contrôle du mouvement de l'articulation du bras du robot.
La recherche sur l'asservissement visuel s'étend sur près de deux décennies. Toutefois, en raison de sa nature multidisciplinaire, son évolution dépend fortement des progrès réalisés dans ces divers domaines. De nombreux problèmes liés à la recherche sur l'asservissement visuel n'ont toujours pas été résolus.
Les principales orientations futures de la recherche dans le domaine de l'asservissement visuel sont les suivantes :
- La capture rapide et robuste des caractéristiques d'une image dans un environnement réel est une question cruciale pour les systèmes d'asservissement visuel.
Étant donné la grande quantité d'informations dans le traitement des images et le développement de la technologie des dispositifs programmables, la mise en œuvre d'algorithmes généraux basés sur le matériel pour accélérer le traitement de l'information peut faire progresser cette question.
- Établir des théories et des logiciels pertinents pour les systèmes de vision robotique.
De nombreuses méthodes actuelles de traitement d'images dans les systèmes d'asservissement de la vision robotique ne sont pas adaptées à ces systèmes. Si des plates-formes logicielles spécialisées étaient disponibles, elles permettraient de réduire la charge de travail et même d'améliorer les performances du système grâce au traitement des informations de visualisation du matériel.
- Application de diverses méthodes d'intelligence artificielle aux systèmes d'asservissement de la vision robotique.
Si les réseaux neuronaux ont déjà été mis en œuvre dans l'asservissement de la vision robotique, de nombreuses méthodes intelligentes n'ont pas encore été pleinement utilisées.
Une dépendance excessive à l'égard de la modélisation mathématique et des calculs peut conduire à des demandes de calcul excessives en cours d'exploitation, que les vitesses de traitement actuelles des ordinateurs peuvent avoir du mal à satisfaire.
Cependant, les humains ne réalisent pas des fonctions connexes en effectuant de nombreux calculs, ce qui suggère que les méthodes d'intelligence artificielle pourraient réduire les calculs mathématiques et répondre aux exigences de rapidité des systèmes.
- Mise en œuvre de techniques de vision active dans les systèmes d'asservissement de la vision robotique.
La vision active, un sujet d'actualité dans la recherche en informatique et en vision artificielle, permet aux systèmes de vision de percevoir activement leur environnement et d'extraire les caractéristiques d'image nécessaires sur la base de règles définies. Cette approche permet de résoudre des problèmes généralement difficiles à traiter.
- Intégration de capteurs visuels avec d'autres capteurs externes.
Pour permettre aux robots de mieux percevoir leur environnement, notamment pour compléter les informations des systèmes de vision robotique, divers capteurs pourraient être ajoutés aux systèmes de vision robotique.
Cela pourrait résoudre certaines des difficultés rencontrées par les systèmes de vision robotique, mais l'introduction de capteurs multiples nécessiterait de résoudre les problèmes de fusion des informations et de redondance dans les systèmes de vision robotique.
Ces dernières années, des progrès significatifs ont été réalisés dans la technologie de l'asservissement de la vision robotique, avec des applications pratiques de plus en plus nombreuses, tant au niveau national qu'à l'étranger. De nombreux défis techniques devraient être relevés dans le cadre de la recherche à court terme.
Au cours de la période à venir, les systèmes d'asservissement par vision robotique occuperont une place prépondérante dans les domaines suivants technologie robotiqueet leurs applications industrielles continueront à se développer.
En tant que fondateur de MachineMFG, j'ai consacré plus d'une décennie de ma carrière à l'industrie métallurgique. Ma vaste expérience m'a permis de devenir un expert dans les domaines de la fabrication de tôles, de l'usinage, de l'ingénierie mécanique et des machines-outils pour les métaux. Je suis constamment en train de réfléchir, de lire et d'écrire sur ces sujets, m'efforçant constamment de rester à la pointe de mon domaine. Laissez mes connaissances et mon expertise être un atout pour votre entreprise.
FR 
EN 
ES 
RU 
DE 