Model-based
CAD of mesh gematcht aan point cloud of depth image. Sterk wanneer geometrie stabiel is en modellen bestaan.
Kennis · Robotica
Pose estimation voor robot vision
Robot vision vraagt meer dan detectie: de robot moet weten waar en hoe het deel in 3D-ruimte ligt. Dat is 6D pose estimation.
Concept
Wat 6D pose betekent
Zes vrijheidsgraden: translatie (X, Y, Z) en rotatie (roll, pitch, yaw) van het partframe t.o.v. camera of robotbase. 2D vision geeft positie en hoek in het vlak; bin picking vraagt de volledige pose voor gekantelde of gestapelde delen.
Learning-assisted
Netwerken stellen pose of keypoints voor; vaak gecombineerd met geometrische verfijning voor industriële nauwkeurigheid.
Symmetrie
Cilindrische of dubbelzinnige delen vragen expliciete symmetrieregels of equivalente poses naar de robot.
Afhankelijkheden
Kalibratie en modellen
Pose estimation is pas nuttig na hand-eye kalibratie die cameracoördinaten naar het robotframe mapt. Modelkwaliteit en partvariatie bepalen match-stabiliteit.
- 01
Hand-eye transform
Zonder stabiele camera-naar-robot relatie wordt posefout een graspmiss. Zie hand-eye kalibratie.
- 02
CAD / mesh-fideliteit
Gietflash, slijtage of losse toleranties t.o.v. nominaal model verlagen de matchscore in rommelige bins.
- 03
Partiële views
Occlusie beperkt zichtbaar oppervlak; pose estimation moet missende data tolereren of de pick uitstellen.
- 04
Grasp frame downstream
Grepen zijn gedefinieerd t.o.v. het deel; fout in partpose propageert direct naar het TCP-target.
Posenauwkeurigheid in uw cel
Deel partgeometrie, camera-opstelling en greptoleranties. Wij koppelen pose estimation aan kalibratie en bin picking workflow.