Wat is zichtbaar?
De camera maakt kleur, intensiteit en diepte meetbaar, inclusief ontbrekende of onbetrouwbare pixels.
De korte versie
Wanneer volstaat 2D en wanneer is 3D nodig?
Begin niet automatisch bij de meest uitgebreide 3D-oplossing. Liggen onderdelen op een bekende hoogte en steeds met dezelfde zijde boven, dan kan een eenvoudige 2D-camera al voldoende zijn. Pas wanneer hoogte, kanteling en overlap steeds veranderen, moet de robotcel meer zelf waarnemen en plannen.
Van vaste positie naar willekeurige stapel
Niet iedere pick uit een bak is random bin picking
Een bak zegt op zichzelf nog weinig over de moeilijkheid. Liggen onderdelen altijd op een vaste plek in een tray, dan kan de robot vrijwel steeds dezelfde beweging maken. Liggen ze los door elkaar, dan moet het systeem bij iedere pick opnieuw bepalen wat zichtbaar, bereikbaar en veilig te pakken is.
| Presentatie | Wat is bekend? | Vaak passende aanpak | Belangrijkste beperking |
|---|---|---|---|
| Vaste tray of mal | Positie, hoogte en oriëntatie zijn vooraf bepaald. | Robotprogramma met aanwezigheidscontrole; soms geen vision nodig. | Weinig flexibiliteit bij productwissels. |
| Gescheiden op vlak | Bekende hoogte, beperkte oriëntaties, geen overlap. | 2D-camera voor X, Y en rotatie in het vlak. | Werkt niet wanneer delen kantelen of elkaar bedekken. |
| Lagen of semi-geordend | Zelfde zijde boven, maar hoogte of lichte kanteling varieert. | 2.5D-hoogtebeeld of 3D-guidance met beperkte posevrijheid. | Een dieptebeeld ziet alleen zichtbare oppervlakken. |
| Willekeurig gestort | Positie en oriëntatie zijn onbekend; delen overlappen. | 3D-waarneming, pose- of greepbepaling en botsingsbewuste planning. | Iedere pick verandert de scene; opnieuw meten is meestal nodig. |
| In elkaar gehaakt of vervormbaar | Vorm en onderlinge verbinding kunnen tijdens de pick veranderen. | 3D plus speciale grijper, actieve herschikking of mechanische singulatie. | Direct uit de bulk grijpen kan technisch of economisch ongunstig zijn. |
Waarom een bekende objecthoogte zoveel helpt
Bij een vlakke ondergrond en bekende onderdeelhoogte kan een 2D-detectie vaak rechtstreeks naar een vaste pick-Z worden vertaald. Ook het aantal mogelijke oriëntaties neemt af. Zodra delen op elkaar liggen, kantelen of van vorm variëren, vervalt die vereenvoudiging: de werkelijke hoogte, oppervlaknormaal en vrije grijpruimte moeten dan opnieuw uit de scene worden bepaald.
De volledige keten
Een bin-pickingsysteem moet zes vragen beantwoorden
Een mens overziet deze stappen bijna vanzelf. Voor een robot moeten ze stuk voor stuk meetbaar en controleerbaar worden gemaakt. Pas dan ontstaat een cel die niet alleen tijdens een demonstratie werkt, maar ook een volledige dienst blijft draaien.
Welk onderdeel is dit?
Software scheidt instanties, herkent het type en schat positie en oriëntatie of direct mogelijke grijppunten.
Waar kan de grijper contact maken?
Vlakheid, randen, gaten, materiaal, zwaartepunt en vrije ruimte bepalen welke greep stabiel is.
Kan de robot erbij?
Bereik, gewrichtslimieten, singulariteiten, binwanden en de volledige grijpergeometrie begrenzen de keuze.
Kan het onderdeel eruit?
De benadering, het sluiten van de grijper, de lift en de uitgaande route moeten botsingsvrij zijn, ook met het onderdeel vast.
Is de pick echt gelukt?
Vacuümdruk, vingerpositie, krachtmeting of een controlebeeld bevestigt de pick en stuurt herstelgedrag aan.
Complicerende factoren
Waarom 3D bin picking in de echte wereld moeilijk is
Voor een mens is het vanzelfsprekend om eerst het bovenste vrije onderdeel te pakken en een vastgehaakt deel te laten liggen. Een robot moet zulke keuzes afleiden uit camerabeelden, geometrie en vaste regels. Juist de combinatie van glans, overlap, bakranden en beperkte bewegingsruimte maakt de praktijk lastiger dan een nette demonstratie.
Occlusie en contact tussen delen
De camera meet alleen zichtbare oppervlakken. Een verborgen rand of onderzijde wordt geschat uit een CAD-model of geleerd patroon, maar niet werkelijk waargenomen. Bovendien kan het doel onder een buurdeel vastzitten.
Glans, zwart en transparantie
Glanzende oppervlakken kunnen geprojecteerd licht wegspiegelen of de sensor verzadigen. Donkere materialen geven soms te weinig retourlicht; transparante delen breken of laten licht door. Geen enkele dieptetechniek lost al deze materialen universeel op.
Symmetrie en weinig onderscheidende vorm
Een cilinder kan meerdere gelijkwaardige oriëntaties hebben. Dat is geen probleem wanneer iedere oriëntatie goed is, maar wel wanneer een verborgen nok later precies moet worden uitgelijnd.
Binwanden, hoeken en afnemend vulniveau
Randen veroorzaken schaduw, reflecties en beperkte grijperruimte. Een vaste camera ziet bovendien een volle en bijna lege bak vanaf verschillende afstanden en hoeken.
Nesten, haken en dubbele picks
Ringen, clips, veren en plaatdelen kunnen in elkaar grijpen. Een goede pose zegt dan nog niet dat precies een onderdeel loskomt.
Kalibratie en tolerantieketen
Fouten in camera-intrinsics, camera-naar-robotkalibratie, robotnauwkeurigheid en tool-center-point tellen bij elkaar op. Een nauwkeurige dieptemeting garandeert daarom nog geen nauwkeurige pick.
Pose gevonden. En dan?
De camera wijst een kansrijke pick aan; de robot moet hem nog veilig uitvoeren
De camera kan precies aangeven waar een onderdeel ligt, maar daarmee is het nog niet gepakt. Een magneet of vacuümgrijper heeft vooral een vrij contactvlak nodig. Een vinger- of klauwgrijper moet aan meerdere kanten langs het onderdeel kunnen komen en eromheen kunnen sluiten. Vervolgens moet de robot een houding en route vinden waarmee zowel de grijper als het opgepakte onderdeel veilig langs de bakrand en de overige delen beweegt.
Vision en grasp planning
- Herkenning, segmentatie en posebepaling
- Meerdere mogelijke grijppunten genereren
- Onzekere diepte en afgedekte oppervlakken meenemen
- Greep kiezen op contactkwaliteit en vrije ruimte
Robot en motion planning
- Inverse kinematics en gewrichtslimieten controleren
- Zelfbotsing, binwanden en buuronderdelen vermijden
- Benadering, lift, extractie, transport en plaatsing plannen
- Snelheid en acceleratie aan grip en payload aanpassen
Een praktisch voorbeeld
De camera vindt een correct geposeerd onderdeel tegen de zijwand. Een bovenzuiger kan het oppervlak bereiken, maar de pols botst tijdens de benadering tegen de bakrand. De juiste systeemreactie is niet “pose gevonden, dus pakken”, maar een andere greep, een andere robotconfiguratie, een andere cameraweergave of een ander onderdeel kiezen.
Complexiteit doelgericht verminderen
Wat maakt een toepassing aantoonbaar eenvoudiger?
Bekende hoogte of steunvlak
Reduceert het probleem vaak van zes naar drie vrijheidsgraden en maakt een vaste pickhoogte mogelijk.
Een enkele laag
Minder afdekking, minder botsingsrisico en vaak meerdere picks uit een meting.
Matte, stijve onderdelen
Geven doorgaans stabielere diepte en behouden hun vorm tijdens detectie en grijpen.
Grote vrije grijpoppervlakken
Meer kandidaatgrepen en meer tolerantie voor meet- en kalibratiefouten.
Een ondiepe, toegankelijke bak
Betere zichtlijnen en meer ruimte voor pols, grijper en uitgaande beweging.
Mechanische voorbewerking
Een trilplaat, band, step feeder of tussenstation kan overlap verminderen voordat vision begint.
Belangrijk: mechanische singulatie is geen mislukte vorm van vision. Wanneer delen sterk haken, moeilijk meetbaar zijn of een zeer korte cyclustijd vragen, kan eenvoudige mechanica de robuustste en goedkoopste systeemoplossing zijn.
Typen oplossingen
Kies eerst de architectuur, daarna de camera
2D met bekende pickhoogte
Voor vlakke, gescheiden onderdelen. Snel, uitlegbaar en vaak eenvoudiger te onderhouden.
2.5D-hoogtebeeld
Voor lagen, dozen of bovenvlakken met hoogteverschil. Een hoogtebeeld bevat per beeldpunt een zichtbare diepte, maar geen verborgen geometrie.
CAD-gebaseerde 6D-pose
Past bekende 3D-geometrie op de gemeten puntenwolk. Sterk bij vaste industriële onderdelen, mits CAD, kalibratie en zichtbare vorm voldoende overeenkomen.
AI voor segmentatie of directe grepen
Kan helpen bij variabele verschijningsvorm, instance-scheiding en greepschatting. Training moet wel representatief zijn voor echte materialen, belichting en stapeltoestanden.
Hybride aanpak
Combineert bijvoorbeeld AI-segmentatie met CAD-pose, dieptecontrole en expliciete collision checking. Dit is vaak beter uitlegbaar dan een volledig end-to-end model.
Singulatie voor de robot
Spreidt of doseert onderdelen zodat de robot daarna met 2D of eenvoudige 3D kan werken. Vooral interessant bij kleine, hakende of snel te verwerken delen.
Diepte meten
3D-technieken falen op verschillende manieren
De beste methode volgt uit werkafstand, meetgebied, materiaal, benodigde detaillering en beweging tijdens opname. Test daarom niet alleen gemiddelde nauwkeurigheid, maar ook hoeveel geldige diepte op kritieke grijpoppervlakken overblijft.
Stereo en active stereo
Bepalen diepte uit beeldverschil tussen camera's. Geprojecteerde textuur helpt op egale oppervlakken; herhalende patronen, glans en afdekking blijven lastig.
Structured light
Projecteert een bekend patroon en meet de vervorming. Kan gedetailleerde diepte leveren in gecontroleerde omstandigheden, maar schaduw, omgevingslicht en beweging tijdens patroonopname kunnen storen.
Time of flight
Bepaalt afstand uit de looptijd of fase van actief licht. Levert snel een dicht dieptebeeld, maar multipath, verzadiging en weinig retourlicht kunnen pixels ongeldig maken.
Vaste camera
Eenvoudige kalibratie en vaak kortere cyclustijd wanneer de volledige bak binnen meetbereik en beeldveld blijft. Bij diepe bakken verandert de opnamekwaliteit tussen vol en leeg.
Camera op de robot
Maakt verschillende kijkhoeken en een gelijkmatiger werkafstand mogelijk. Daar staan extra robotbeweging, stilstand tijdens opname, payload, bescherming en kabelrouting tegenover.
Van demonstratie naar productie
Een haalbaarheidstest moet de moeilijke picks opzoeken
Leg voor een test niet alleen een paar makkelijke onderdelen bovenop. Gebruik echte onderdelen en de echte bak, en laat juist ook volle hoeken, glanzende vlakken, vastgehaakte delen en een bijna lege bak aan bod komen. Zo ontdekt u voordat u investeert waar de robot hulp of een andere aanpak nodig heeft.
Test minimaal
- Volle, halfvolle en bijna lege bakken
- Onderdelen tegen iedere wand en in alle hoeken
- Verschillende productiebatches, slijtage, olie, stof en kleurvariatie
- Alle stabiele oriëntaties en ongunstige overlappingen
- Maximale robotreikwijdte en worst-case payload
- Mislukte greep, dubbelgreep, verschoven stapel en geen-detectiescenario
- Complete leegloop van meerdere bakken zonder handmatig herschikken
Meet de complete cel
- Eerste-poging-succes: bevestigde enkelvoudige picks per poging
- Pickbeschikbaarheid: scans met minstens een bereikbare veilige greep
- Plaatsingssucces: correct geplaatste delen per gevraagde cyclus
- Dubbelpick- en drop-rate: fouten per geslaagde greep
- Cyclustijd: mediaan en langzaamste relevante percentielen, inclusief rescans
- Interventiegraad: handmatige ingrepen per bak, uur of duizend delen
- Leegloopprestatie: afgesproken resthoeveelheid zonder interventie
Optimaliseer op tijd per correct geplaatste pick
De snelste losse robotbeweging is niet automatisch de beste strategie. Een iets langzamere greep met hoge slaagkans kan meer productie leveren dan een agressieve greep die vaak een rescan, drop of operatoringreep veroorzaakt.
Beschikbare 3D-hardware
De camera moet passen bij het meetvolume, niet andersom
Binnen het Hikrobot MV-DB-assortiment zijn RGB-D-uitvoeringen beschikbaar voor onder meer singulatie, volume- en posemetingen. Vergelijk per uitvoering meetbereik, vrije afstand, beeldveld, dieptenauwkeurigheid en scansnelheid met de volle en lege bak.
Hikrobot MV-DB
RGB-D-camera's voor diepte, vorm en pose
Gebruik de productpagina om uitvoeringen en specificaties te vergelijken. Materiaalgedrag, kijkhoek, binwanden en grijpertoegang blijven onderdeel van de praktijktest.
Bekijk MV-DB-uitvoeringen →Veelgestelde vragen
Praktische vragen over 3D bin picking
Is een 3D-camera altijd nodig voor robot picking?
Nee. Bij een vlakke, gescheiden aanvoer met bekende hoogte kan 2D-guidance voldoende zijn. 3D wordt relevant wanneer hoogte, kanteling, overlap of botsingsruimte per pick verandert.
Is objectdetectie hetzelfde als bin picking?Nee. Detectie levert een objecthypothese of pose. Bin picking vereist daarnaast een haalbare greep, inverse kinematics, collision checking, een uitvoerbare route, pickcontrole en herstelgedrag.
Kan AI moeilijke oppervlakken oplossen?AI kan segmentatie, pose of ontbrekende geometrie verbeteren, maar maakt niet-gemeten oppervlakken niet fysiek zichtbaar. Glans, transparantie en occlusie blijven aanleiding voor praktijktesten, meerdere kijkhoeken of mechanische vereenvoudiging.
Moet na iedere pick opnieuw worden gemeten?Bij een willekeurige stapel meestal wel, omdat omliggende delen kunnen verschuiven. Bij stabiele lagen of gescheiden producten kunnen soms meerdere picks uit een meting worden gepland.
Wanneer is mechanische singulatie beter?Wanneer onderdelen sterk haken of nesten, slecht optisch meetbaar zijn, weinig vrije grijpruimte bieden of wanneer de vereiste cyclustijd niet haalbaar is met herhaald 3D-scannen en plannen.
Wat moet ik aanleveren voor een eerste beoordeling?Representatieve onderdelen, CAD indien beschikbaar, bakafmetingen, vulhoogte, materiaal en oppervlakteconditie, gewenste uitvoeroriëntatie, robot- en grijpergegevens, cyclustijd en toegestane interventiegraad.
Verder binnen Sedeco
Van handmatig werk naar een robotcel die blijft draaien
Een eerste beoordeling hoeft niet ingewikkeld te zijn. Met een paar representatieve onderdelen, de echte bak en de gewenste cyclustijd kunnen we meestal snel bepalen welke aanpak kansrijk is en wat eerst getest moet worden.