不久前，某汽车座椅腰部组件供应商要求四名工人将装满执行器的料仓从馈线输送机上转移到组装台上，然后从料仓中取出每个执行器，或者拆除料仓内的隔板，以到达后续的各层执行器。然后，工人们将每个执行器放入一个“巢”中，使用金属丝垫进行最终组装。生产每个部件的过程大约需要90秒，主要是由于操作装配过程中使用的锋利、灵活的金属丝垫有难度。
为了加快这一过程，供应商求助于系统集成商Systematix，开发一种视觉引导的机器人拣箱应用程序，可作为该公司汽车座椅腰部致动器总成工作单元的一部分。
机器人
显然，机器人面临的最大挑战是如何从箱子中取出驱动器和电线垫，将零件放入“巢”中，以及如何组装连接件。
Systematix公司的Rob Veldhuis指出，在设计这个由7个安川机器人组成的工作单元时，最关键的挑战之一是如何对机器人进行编程，以高准确度和速度可靠地拾取随机排序的零件。机器人必须满足新工作单元的周期时间要求，每组装5秒。在这个苛刻的要求之上，Systematix必须在不重新设计箱子的情况下交付这些要求，这将增加成本并影响其他生产步骤。
机器人需要克服的挑战不仅仅是在这些箱子中分层放置执行器。由于执行器没有固定在箱子里，当它们在设施中移动时可能会移位。这意味着机器人需要有能力定位每个驱动器进行采摘。此外，由于供应商在垃圾箱中分层放置了执行器，机器人的视觉系统还必须能够在拾取垃圾箱时根据垂直距离的差异进行调整。
为了解决这个特殊的视觉问题，Systematix没有选择使用三维(3D)传感器的典型设置。他们为什么做出这个决定?由于这种系统捕获图像需要时间，将其发送到单独的计算机或设备进行处理，执行先进的3D分析算法，并将结果传递给机器人。由于新的工作单元要求每次组装5秒，因此速度对该系统至关重要。Systematix选择了二维(2D)零件定位系统，使用光电测距传感器提供三维(高度)信息，而不是3D传感器。
的视觉系统
视觉系统的最大挑战是在高速下定位随机定位的执行器和料仓分隔器。为了解决这个问题，Systematix将IFM Efector 200光电测距传感器与安装在IAI伺服驱动滑梯上的Cognex In-Sight 8000智能相机配对。In-Sight智能相机机器视觉系统是康耐视PatMax RedLine模式搜索算法的标配，据报道，该算法可以将零件定位速度提高10倍。PatMax之所以能够做到这一点，是因为它使用一组绑定到像素网格的边界曲线来学习物体的几何形状，然后在图像中寻找相似的形状，而不依赖于特定的灰度级别。Cognex表示，这极大地提高了系统精确查找物体的能力，尽管角度、大小和阴影发生了变化。
使用PatMax, in- sight 8000相机在拣箱应用程序中处理零件图像，并将其与参考图像进行比较，以确定机器人的每个零件的方向。以像素为单位的相机图像被转换成以毫米为单位的机器人挑选坐标。从摄像头到机器人的数据传输由康耐视Connect软件处理，康耐视表示，该软件不需要在工业设备之间进行中间处理。
在Systematix对这些自动化技术的安排中，传感器测量到料仓分隔器的垂直距离，其结果指导幻灯片的运动，从而保持相机和分隔器之间的固定距离。使用这种方式的传感器和滑块消除了需要重新计算二维相机图像的垃圾箱层空。
Systematix在满足新工作单元的时间要求方面的一个关键策略是使机器人能够从机器人正前面的拣箱后面的拣箱中拣出一件物品。虽然这似乎违反直觉，但它为空桶移动和新桶前进提供了更多的时间，同时仍然满足每5秒组装一个新零件的要求。
