Dieser Abschnitt bietet einen Überblick über 3D-Bildverarbeitung sowie ihre Anwendungen und Funktionsweisen. Werfen Sie auch einen Blick auf die Liste der 8 Hersteller von 3D-Bildverarbeitung und deren Firmenranking.
3D-Machine-Vision ist ein System, das die Position und Stellung von Maschinen und Bauteilen in drei Dimensionen erkennt.
Die maschinelle Bildverarbeitung bezieht sich auf Systeme, die Geräte auf der Grundlage der Ergebnisse der Bilderfassung und -verarbeitung betreiben. Unter diesen Systemen ist die 3D-Machine-Vision dasjenige, das 3D-Informationen verarbeitet.
Die Herausforderung bei der konventionellen maschinellen Bildverarbeitung besteht darin, dass Menschen Prozesse korrigieren müssen, die die Roboter nicht gut beherrschen, damit sie effizient arbeiten können. Die 3D-Machine-Vision löst dieses Problem, indem sie die Bildverarbeitung von der 2D- auf die 3D-Verarbeitung umstellt, die lange Zeit einen hohen Zeit- und Arbeitsaufwand verursacht hat.
Die 3D-Machine-Vision wird für drei Hauptzwecke eingesetzt:
Sie wird in der Automobilindustrie eingesetzt, um die Abmessungen verschiedener Teile, Türstufen und Spalten zu messen, in der Logistik, um die drei Seiten und das Fassungsvermögen von Paketen zu messen, und in der Lebensmittelindustrie, um Fleisch automatisch in Scheiben zu schneiden, Sorten zu sortieren und Herstellungsschwankungen bei Süßwaren zu bestimmen.
Diese Systeme werden eingesetzt, um Autoteile auf Kratzer und Dellen zu prüfen, Leiterplatten und Drahtverbindungen in der Elektro- und Elektronikbranche zu prüfen und Süßwaren in der Lebensmittelindustrie auf Chips zu untersuchen.
Kommissionierung von verschiedenen Industrieprodukten, Palettierung und Entladung in der Logistik.
Die Funktionsweise der 3D-Machine-Vision lässt sich grob in drei Schritte unterteilen: Musterprojektion, Abstandsmessung und Teileerkennung.
Bei der Musterprojektion und Abstandsmessung werden zunächst mehrere Muster auf das Objekt projiziert und der Abstand des Objekts gemessen.
Bei der Teileerkennung wird die Position des Teils anhand der vorregistrierten Wörterbuchdaten und des 3D-CAD-Modells erkannt und entschieden, ob die Hand des Roboterarms sich bewegen kann, ohne mit etwas anderem als dem Objekt in Berührung zu kommen oder nicht.
Schließlich werden die Beurteilungsergebnisse an die Robotersteuerung übertragen und der Roboter wird tatsächlich bewegt.
Die herkömmliche Roboter-Bildverarbeitung wird meist in Systemen eingesetzt, in denen z. B. flache Teile von einem Roboterarm erfasst werden. Dabei handelt es sich um ein System, bei dem das Bildverarbeitungssystem Bilder von Teilen erfasst und verarbeitet, die in einer 2D-Ebene in einer bestimmten Reihenfolge ausgerichtet sind, etwaige Fehlausrichtungen oder Phasenverschiebungen der Teile ausgleicht und sie dann vom Roboterarm aufgenommen werden.
In den letzten Jahren ist jedoch eine wachsende Nachfrage nach Systemen entstanden, die Teile, die in Stücken gestapelt sind, mit einem Roboterarm aufnehmen. Herkömmliche Bildverarbeitungssysteme für Roboter, die von einer zweidimensionalen Ebene ausgehen, können jedoch mit gestapelten Teilen nicht umgehen. Aus diesem Grund haben 3D-Vision-Systeme Aufmerksamkeit erregt.
Die Herausforderung bei der derzeitigen 3D-Machine-Vision besteht darin, dass sie anfällig für Störungen und kleine Fehler ist. Zu den Störungen gehören Lichtquellen bei der Aufnahme von 3D-Bildern. Wenn sich die Lichtquelle bei der Erkennung von diskret gestapelten Teilen ändert, kann die 3D-Machine-Vison die Teile möglicherweise nicht erkennen.
Die Beleuchtung ist ein wichtiger Faktor für die 3D-Machine-Vision. Wenn die Bedingungen durch eine Störung unterbrochen werden, sind die implementierten Algorithmen möglicherweise nicht in der Lage, damit umzugehen, und das System kann unrentabel werden.
Außerdem haben die Komponenten in einer Komponentenbox streng genommen alle unterschiedliche Formen. Das liegt daran, dass jedes einzelne Bauteil kleine Mängel und leichte Maßfehler aufweist. In den meisten Fällen haben solche Unterschiede keine Auswirkungen, wenn die Teile sauber ausgerichtet sind, aber in einigen Fällen kann es je nach Winkel und Position der Teile im Stapel unmöglich sein, festzustellen, ob es sich um die richtigen Teile handelt.
In solchen Situationen werden Teile, die eigentlich als normal gelten sollten, als abnormal behandelt, was eine optimale Produktion erschwert. Um diese Herausforderungen zu überwinden, wird in den letzten Jahren der Einsatz von KI-Technologie in der 3D-Machine-Vision erwogen.
*einschließlich Lieferanten etc.
Nach Merkmalen sortieren
Rangliste in Deutschland
AbleitungsmethodeRang | Unternehmen | Aktie lecken |
---|---|---|
1 | Cognex Corporation | 25% |
2 | The MathWorks, Inc. | 12.5% |
3 | NeuroCheck GmbH | 12.5% |
4 | Compar AG | 12.5% |
5 | Fraunhofer-Institut für Integrierte Schaltungen IIS | 12.5% |
6 | bci GmbH | 12.5% |
7 | Coherent, Inc. | 12.5% |
Rangliste in der Welt
AbleitungsmethodeRang | Unternehmen | Aktie lecken |
---|---|---|
1 | Coherent, Inc. | 42.9% |
2 | Cognex Corporation | 33.3% |
3 | The MathWorks, Inc. | 4.8% |
4 | NeuroCheck GmbH | 4.8% |
5 | Compar AG | 4.8% |
6 | Fraunhofer-Institut für Integrierte Schaltungen IIS | 4.8% |
7 | bci GmbH | 4.8% |
Ableitungsmethode
Das Ranking wird auf der Grundlage des Klickanteils innerhalb dieser Seite berechnet. Der Klickanteil ist definiert als die Gesamtzahl der Klicks für alle Unternehmen während des Zeitraums geteilt durch die Anzahl der Klicks für jedes Unternehmen.Anzahl der Mitarbeiter
Neu gegründetes Unternehmen
Unternehmen mit Geschichte
Diese Version richtet sich an Deutschsprachige in Deutschland. Wenn Sie in einem anderen Land wohnen, wählen Sie bitte die entsprechende Version von Metoree für Ihr Land im Dropdown-Menü.