AGV/AMR分野における3Dビジョンの応用を理解する

重要なポイント:

3D ビジョンにより、移動ロボットは周囲の環境を視覚的に確認し、理解し、対話することができます。これは、コンピュータ グラフィックス、コンピュータ ビジョン、人工知能を組み合わせた多分野にわたるテクノロジです。3D ビジョン テクノロジは、3D カメラを通じて視野内のすべてのポイントの 3 次元座標をキャプチャし、アルゴリズムを使用して 3D 画像を再構築します。2D イメージングと比較して、3D ビジョンはより安定しており、環境や照明の変化に対して耐性があり、ユーザー エクスペリエンスと安全性が向上します。

3Dビジョンテクノロジーの道筋

3D センサーは 3D ビジョンの「目」として機能し、複数のカメラと深度センサーを組み合わせて、物体の 3 次元位置とサイズに関するデータを収集します。現在利用可能な主な 3D ビジョン センサーは、双眼カメラ、構造化光カメラ、および TOF (Time of Flight) カメラです。

• 3D構造化光技術: この方法では、特定のエンコードでオブジェクトに投影された赤外線を使用します。光が反射すると、オブジェクトまでの距離に応じてパターンが変形します。イメージセンサーは変形したパターンをキャプチャし、三角測量を使用して各ピクセルの変形を計算し、対応する視差を導出し、さらに深度値を計算します。

• TOF（飛行時間）原理: この技術は、赤外線光源を使用して物体に高周波光パルスを放射し、反射パルスを受信し、光パルスの移動時間を測定することでカメラから物体までの距離を計算します。現在、市場には dTOF と iTOF という 2 つの主流の TOF ソリューションがあります。業界の専門家は、解像度、精度、超低消費電力、強力な耐干渉機能、簡単なキャリブレーションなどの主要な側面で優れた性能を発揮する dTOF が徐々に iTOF に取って代わると考えています。ただし、dTOF には高い技術的障壁、高度なシステム統合、および限られたサプライ チェーン リソースがあります。

• 両眼立体視技術: この方法は、同じオブジェクトを 2 つの視点から観察し、異なる視点からオブジェクトの画像を取得することで、人間の視覚をシミュレートします。三角測量を使用して、画像内のピクセル間の位置偏差 (視差) を計算し、オブジェクトの 3D 画像を取得します。両眼立体視のハードウェア構造では、通常、視覚信号取得デバイスとして 2 台のカメラを使用します。これらのカメラは、デュアル入力チャネル画像取得カードを介してコンピューターに接続され、カメラによって収集されたアナログ信号はサンプリング、フィルタリング、強化され、デジタル形式に変換され、最終的にコンピューターに画像データが提供されます。

移動ロボットにおける3Dビジョンの応用

ビジョン技術が 2D から 3D に進化するにつれ、3D ビジョン センサーはモバイル ロボットにとって不可欠なものとなり、奥行き認識を提供し、3 次元空間でのリアルタイム センシング、正確な物体認識、複数の障害物の検出と回避、インテリジェントな意思決定、自動誘導を可能にします。これらの機能は、物流、電子商取引、自動化、製造、産業用およびサービス ロボット、商業環境などでますます応用され、アプリケーションの境界が拡大しています。

移動ロボットでは、3D ビジョンは主にナビゲーション、障害物回避、最終材料の認識とドッキングに使用されます。

• ナビゲーション: 正確な環境センシングは、移動ロボットの主なタスクです。ここでの「環境」には、屋内と屋外の異なる照明条件による干渉、経路上の障害物、経路が明確で平坦であるかどうか、環境内のオブジェクトの種類、ロボットの速度低下や停止を引き起こす可能性のある人がいるかどうか、前方のパレットが空かいっぱいか、積載パレットの挿入スロットがどこにあるか、ピックアップのルートをどのように計画するかなど、さまざまな要素が含まれます。簡単に言えば、視覚ベースの移動ロボットは、周囲を正確に認識し、動的および静的な障害物を回避し、対象オブジェクトに動的にアプローチし（ナビゲーション）、対象オブジェクトと正しく相互作用する（オブジェクト検出と位置認識）必要があるというロジックです。

• 障害物回避: 市場には、シングルライン LiDAR、超音波、衝突ストリップなど、さまざまな障害物回避センサーがあります。衝突ストリップは通常、激しい衝突を防ぐための最後の防衛線です。超音波障害物回避は多くの場合、誤検知になります。シングルライン LiDAR には大きな死角があります (2 次元平面内の障害物のみを検出し、レーザーの下または上にある障害物を検出できないため、安全上のリスクがあります)。3D ビジョン センサーは、これらの欠点を補うことができます。現在、移動ロボットに最適な障害物回避ソリューションは、3D ビジョン センサーと LiDAR を組み合わせたもので、3D ビジョン センサーは短距離および中距離の障害物を正確に回避し、LiDAR は長距離の 2 次元障害物回避に使用します。TOF カメラには事実上死角がないため、現在、AGV 障害物回避に最も広く使用されている 3D ビジョン カメラです。

• 端末認識とドッキング: 一部の倉庫では、商品の配置が複雑で、手作業や車両によるパレットの配置が不正確になることがよくあります。この不正確さにより、無人フォークリフトは従来の機械的な制限や単眼カメラ認識を使用してパレットを正確に識別することが困難になり、パレットドッキング中に頻繁に位置決めエラーが発生し、結果的に操作効率が低下します。3Dビジョンを使用してパレット画像をキャプチャし、適切な画像処理アルゴリズムを組み合わせることで、フォークリフトはパレットの位置と姿勢の座標を識別し、挿入方向をインテリジェントに調整し、無人のインテリジェントパレットハンドリングを実現し、無人フォークリフトパレットドッキング中の大きな角度偏差の問題を解決します。さらに、AIアルゴリズムを使用してパレット認識モデルを強化し、深く学習することで、パレットの認識と追跡の精度をさらに高めることができます。
•  

将来の方向性: 高解像度、高速フレームレート、環境適応性の向上

モバイル ロボットのアプリケーションが深化するにつれて、より高度なセンシング機能に対する需要が高まり、3D ビジョン テクノロジの開発もこの方向に進んでいます。ただし、モバイル ロボットにおける 3D ビジョンの現在のアプリケーションはまだ初期段階にあります。モバイル ロボットが進化を続け、アプリケーション環境が多様化するにつれて、3D ビジョン システムに対する要件はより厳しくなり、3D ビジョン テクノロジのさらなるアップグレードが推進されます。

詳細については、以下のリンクをクリックしてください。

リーマン ムーンナイト ロボットシャーシのご紹介

フラッシュフードデリバリーロボットのご紹介

看護師病院配送ロボットのご紹介