3Dライブラリソフトウェア

３次元画像認識　ライブラリ構成

認識した物体からピッキングを行うには、複数認識した物体から、ロボットハンドの形状を認識した物体に当てはめ、アプローチ可能か干渉チェックを行い、どの物体からピックするか順位付けをします。
当社の開発したソフトウェアでは、各種パラメーターの設定により、干渉チェックから、順位付けまで行いますので、システム構築にかかる工数を大幅に削減できます。また、各種ロボット通信にサンプルソフトウェアも用意しております。

定型品・幾何形状の認識（自動車・電子部品等）

自動車・電子部品などの幾何形状に近い製品は３CADなどのモデルデータと使用して３次元認識を行います。バラ積みピッキングの場合には、３Dカメラで取得した製品のバラ積み状態の点群データから、３次元認識により部品の位置を特定致します。より単純な形状、例えば円筒、リングなどの部品は、３CADを使用せず、部品の形状の数値データを入力するとソフトウェア内部でモデルデータを自動で作成し認識を行います。

不定形品・箱/袋などの認識

不定形品の認識は、主に不定形でサイズ情報もない場合と、不定形ではあるがサイズ情報（誤差は多い）はある場合があり、ぞれぞれで認識ライブラリは異なります。サイズ情報がある場合は、概算のサイズLWHを数値入力し、サイズ情報に基づく３Ｄマッチング用のモデルを内部で作成し、幾何形状とマッチングと同じような手法で、物体の位置を認識させます。箱などの同一平面情報に製品が連なってある場合には、サイズ情報があれば、個体認識の精度は上がります。

ランダムワークのピッキング

無限に近い形状があり、混載状態にある製品の認識は非常に難易度が高く、認識対象物の事前情報（次に流れてくるワークの種類も形状もわかならい）が無い場合には、ロボットハンドが干渉せず、混載状態にある製品の形状情報（３Ｄの点群情報）から、ぞれぞれの点群の密度や2次元の色情報などを組合せ、個体認識をさせます。事前情報がないため、認識率は高いとは言い切れませんが、ピック＆プレースの場合は、本来の目的であるピックするという考えに基づき、認識し、ピックＮＧの場合には次の候補に以降する方法で稼働率を上げていきます。現在の弊社にランダムワーク認識は、認識率を向上させるために、DeepLearningによる認識を併用して行う場合が増えてきております。
ランダムワークの形状は、主に、円筒ボトル系、箱物、袋・パウチ・ブリスターパック系、薄物（封筒）、異型物（洗剤ボトル等）様々、3Ｄモデルマッチング方式では認識はほぼ不可能に近い。弊社では、個体認識で重要な、個々の分断ポイント・境界線などを3次元と2次元を組合せて認識させ、更に精度向上を目的としてAI(Deep Learningなどの機械学習）を使用し、認識高めております。

外形輪郭ベースの認識

ピッキング対象物のモデルデータを作成し、対象物の輪郭ベースでマッチングを行い、位置を認識いたします。リアルタイムでの認識が可能です。単純な幾何形状の物体認識に最適です。