Verbetering van de fabrieksveiligheid en -productiviteit door het snel toevoegen van een machinevisie aan industriële systemen.

Ontwerpers van machines in de industriële automatisering zijn verplicht om een vorm van machinevisie te implementeren om de afstand tot alle objecten in een bepaald gezichtsveld te bepalen. De redenen voor het implementeren van deze vorm van machinezicht voor ranging kunnen variëren, met inbegrip van het voelen van de algemene omgeving voor veranderingen of inbraak, de reeks van objecten op een productielijn, of de algemene bescherming van de operator of robot tegen gevaren. Met name binnenvoertuigen in industriële magazijnen implementeren machinevisie voor geautomatiseerd rijden, objectlocatie en -identificatie, en obstakeldetectie en -vermijding.

De meest voorkomende methode van indoor machinezicht voor objectafstandsdetectie is lichtdetectie en ranging (LiDAR) waarbij gebruik wordt gemaakt van laserlicht om de afstand tussen objecten te meten. LiDAR meet de retourtijd en de golflengte van het gereflecteerde laserlicht om de afstand tot elk punt te bepalen. Echter, LiDAR machine vision algoritmes zijn zeer complex en hebben een steile leercurve, waardoor experts op het gebied van machine vision de applicatie moeten coderen.

Dit artikel laat ontwikkelaars zien hoe ze een kant-en-klare LiDAR-camera van Intel kunnen gebruiken voor deze toepassingen om de afstand tot objecten in het gezichtsveld te detecteren. Het lost het probleem op van het snel toevoegen van machinevisie aan nieuwe of bestaande systemen zonder de complexiteit van de machinevisietechnologie en -algoritmen te leren kennen. Het zal dan laten zien hoe de Intel LiDAR camera te koppelen met een single-board computer (SBC) van UDOOO met behulp van een snelle USB 3.1 verbinding.

Machinevisie in industriële binnenhuisautomatisering

Industriële automatisering binnenshuis wordt steeds dynamischer en er wordt meer apparatuur aan de vloer toegevoegd, evenals extra operators en benodigdheden. Alle machines, sensoren en verhoogde automatiseringsniveaus zijn bedoeld om de efficiëntie te verhogen en tegelijkertijd de veiligheid van de operator te garanderen.

In veel gevallen zijn de extra sensoren bedoeld om objecten, waaronder mensen, in een doelgebied te detecteren. Een object op een productielijn kan op vele manieren worden gedetecteerd, waaronder een basis lichtsensor die een verandering in het omgevingslicht detecteert als gevolg van het passeren van een object, een mechanische schakelaar die wordt ingedrukt door het gewicht van het object, of een lichtbundel over een productielijn die wordt onderbroken als een product voorbij rolt. Hoewel deze methoden geschikt zijn voor de basisobjectdetectie, heeft de toegenomen verfijning in de automatisering een complexere visuele detectie nodig die vergelijkbaar is met die van het menselijk oog.

Machinevisie is ruwweg analoog aan het toevoegen van gezichtsvermogen aan machines om verschillende kleuren te identificeren, objecten van elkaar te onderscheiden en meerdere bewegingen te herkennen. Een veelvoorkomend en zeer praktisch type machinezicht is echter het detecteren van de afstand van alle objecten in een gezichtsveld.

Er zijn twee gemeenschappelijke methoden voor het uitvoeren van afstandsdetectie voor meerdere objecten. De eerste is de radar, die voor een binnenmilieu de directe zorg heeft om gevaarlijk te zijn voor menselijke operators bij constante blootstelling aan hoogfrequente signalen. In een buitenomgeving stuiteren de radarfrequenties op voorwerpen alvorens deze onschadelijk te maken voor de omgeving. Wanneer de radar binnenshuis wordt gebruikt, zal deze herhaaldelijk tegen meerdere objecten stuiteren, wat resulteert in intense niveaus van elektromagnetische interferentie (EMI). Langdurige blootstelling kan op lange termijn gevolgen hebben voor de gezondheid van de mens.

De tweede gebruikelijke methode voor het uitvoeren van afstandsdetectie van meerdere objecten in een gezichtsveld is laserlicht, ook wel LiDAR genoemd. Een of meer laserlichtstralen worden gericht op de objecten waarvan de afstand moet worden gemeten. De tijd die nodig is voor de laserstraal om terug te reflecteren naar een receptor op het beginpunt, samen met een eventuele faseverschuiving van de straal, wordt vergeleken met de tijd en de fase van de uitgezonden laser. Een algoritme berekent de afstand tot de objecten op basis van het tijd- en faseverschil en zet dit om in centimeters of inches.

De berekening van het tijd- en faseverschil voor een enkele laserstraal om één object te detecteren is vrij eenvoudig. Bij een complexere machinevisietoepassing zou echter de afstand van tientallen objecten in een gezichtsveld moeten worden berekend. Het combineren van deze berekeningen om een visuele kaart van de afstanden te maken is niet triviaal en kan veel tijd in beslag nemen.

Machinevisie met afstandsdetectie

Een praktische oplossing voor een machinevisie-applicatie die snel kan opstarten is de Intel RealSense 82638L515G1PRQ hoge resolutie L515 LiDAR diepte camera (Afbeelding 1). De camera heeft een diameter van 61 millimeter (mm) en een diepte van 26 mm en bevat een LiDAR-beelddiepte-eenheid, een rode, groene, blauwe (RGB) camera en een traagheidsmeeteenheid (IMU). De LiDAR camera kan een 1024 x 768 of een 1920 x 1080 beeldbitmap teruggeven met elke pixel die de afstand van dat punt tot de camera weergeeft.

Afbeelding 1: De Intel RealSense L515 is een zelfstandige, hoge-resolutie LiDAR camera die ook een RGB-camera en IMU heeft. Het is eenvoudig aan te sluiten op een ondersteunende computer met behulp van USB 3.1. (Bron afbeelding: Intel)

De Intel L515 LiDAR-camera geeft een bitmapbeeld van het gebied in zijn gezichtsveld. In plaats van een typisch fotografisch beeld van het gebied terug te geven, geeft de LiDAR-camera echter een beeld waarbij de RGB-waarde van elke pixel staat voor de afstand die elke pixel heeft tot de Intel L515-camera. De camera heeft een resolutie van 0,25 tot 9 meter. Het bevat ook een standaard 2 megapixel (MP) RGB-beeldcamera die nuttig is tijdens de ontwikkeling. Het wordt aanbevolen voor binnenverlichtingssituaties, omdat het niet is ontworpen om te werken op plaatsen waar veel zonlicht is.

Een voorbeeldafbeelding van de Intel L515 is te zien in Afbeelding 2. Het camerabeeld is gecentreerd op een plant op de voorgrond en is verdeeld in twee delen. De linkerzijde toont een regelmatig RGB-camerabeeld van de plant en de achtergrond in natuurlijke kleuren. De rechterzijde is een visuele weergave van de afstand die elk object tot de camera heeft. De plant op de voorgrond wordt weergegeven in blauwe tinten, terwijl de muur op de achtergrond fel oranje is. Aan de rechterkant is de muur verder weg van het cameracentrum, waardoor het beeld diepere roodtinten krijgt.

Afbeelding 2: De Intel L515 LiDAR-camera geeft zowel een RGB-beeld (links) als een bitmapbeeld (rechts) dat de afstand van een object tot de camera weergeeft. Dichter bij de camera verschijnt als blauw, terwijl verderop als dieprood wordt weergegeven. (Bron afbeelding: Intel)

Met behulp van deze informatie kan de software de beeldgegevens verwerken om de afstand tussen objecten en de camera te bepalen.

Met zijn compacte afmetingen en hoge mate van integratie is de Intel L515 LiDAR-camera geschikt voor industriële automatiseringstoepassingen binnenshuis, waarbij de dieptewaarneming van de machine snel moet worden geïmplementeerd in nieuwe of bestaande systemen. Voor mobiele systemen bevat de Intel L515 een IMU die ±4 g van de versnelling kan voelen en een gyroscoop die tot ±1000˚ per seconde (˚/s) van de rotatie kan voelen. Dit is geschikt voor de meeste binnenvoertuigen of robots die in industriële automatiseringsinstallaties worden gebruikt. Voorzichtigheid is geboden bij het coderen van de firmware voor de IMU, aangezien een voertuig of robot die een obstakel raakt, tijdelijk meer dan 4 gs kan zien, een uitzondering die in aanmerking moet worden genomen.

Machinevisie in een compleet systeem

De Intel L515 kan een interface maken met een PC of een single board computer (SBC) met behulp van een snelle USB 3.1 interface. De camerabehuizing heeft een USB Type-C®-connector, zodat standaard kabels met Type C-connectoren kunnen worden gebruikt voor een gemakkelijke integratie. Aangezien de beeldverwerking van machine vision CPU intensief kan zijn, is het aan te raden om voldoende prestaties te hebben zodat beeldgegevenssets in real-time kunnen worden verwerkt als dat nodig is. De UDOO KTMX-UDOOBL-V8G.00 Bolt V8 is een krachtige SBC gebaseerd op een vier-core processor die draait op 2.0 gigahertz (GHz) (met een 3.6 GHz boost) en wordt ondersteund door maximaal 32 gigabytes (Gbytes) DRAM. Voor het programmageheugen kan het gebruik maken van een M.2 solid state drive (SSD) en ondersteunt het ook een standaard SATA-3 harde schijf interface.

Afbeelding 3: De UDOO Bolt V8 is een krachtige SBC met een vier-coreprocessor die draait tot 3,6 GHz. Het ondersteunt M.2 en SATA-3 externe schijfinterfaces, heeft ruimte voor maximaal 32 Gbytes aan DRAM en heeft een USB 3.1 type C-connector voor de interface met de Intel RealSense L515 LiDAR-camera. (Bron afbeelding: ODOO)

De UDOO Bolt V8 heeft twee HDMI 1.4 video-interfaces voor aansluiting op een monitor. Voor het netwerken kan hij via een bekabelde Gigabit Ethernet verbinding maken met een fabrieksnetwerk via een onboard RJ-45-connector. Wi-Fi en Bluetooth worden ook ondersteund. Stereo audio wordt ondersteund door een 3,5 mm standaard stekker. De SBC zal elk 64-bit x86 compatibel besturingssysteem draaien, inclusief Microsoft Windows en elke 64-bit Linux distributie. Deze krachtige SBC heeft een 19 volt, 65 watt voeding nodig om 2 GHz prestaties te ondersteunen.

Voor machine vision data algoritmen heeft de UDOO Bolt V8 veel rekenkracht. Het kan gegevens van de Intel RealSense L515 opnemen via een snelle USB 3.1 Type C interface, en indien nodig het beeld weergeven op een monitor die is aangesloten op een van de HDMI-interfaces. Geluidswaarschuwingen of waarschuwingen kunnen worden weergegeven door luidsprekers die zijn aangesloten op een van de audio-uitgangsaansluitingen.

Conclusie

Machinevisie met dieptedetectie is een snel groeiend veld dat complexe code en hardware kan vereisen als het vanuit het niets wordt opgebouwd. De integratie van een machine vision systeem met behulp van kant-en-klare oplossingen die de diepteberekeningen in voorgeprogrammeerde firmware uitvoeren, bespaart tijd en geld, wat resulteert in een krachtig machine vision systeem dat snel en betrouwbaar aan het werk kan worden gezet in een industriële automatiseringsomgeving.