Alles im Griff
Lagebestimmung von Eimerhenkeln
mittels Hough-Transformation
Der Eimer ist die klassische Verpackung für viele schüttfähige, flüssige oder pastöse Produkte. Obwohl Roboter für die Automation der Eimerpalettierung schon zum Einsatz kommen, gibt es noch viele Optimierungsmöglichkeiten. In allen Roboterzellen muss bisher das einlaufende Packstück hinsichtlich Position und Orientierung ausgerichtet sein. Würden alternativ dem Roboter diese Angaben mitgeteilt werden, würde dies eine einfachere Zuführtechnik erlauben, verlangt aber im Gegenzug den Einsatz optischer und mathematischer Verfahren.
Für die Eimerpalettierung ist neben der Position des Objektes auch die Lage des Bügels oder Henkels von entscheidender Bedeutung. Bei einer nicht korrekten Positionierung auf der Palette neigen die Eimerhenkel dazu, sich ineinander zu verhaken. Dies hat zur Folge, dass sich die anschließenden Lagen nicht korrekt in die bereits palettierten Produkte einnisten. Es kommt zwangsläufig zu einer Destabilisierung des Packschemas. Sollten zusätzlich die Eimerhenkel bei einer ungenauen Positionierung über die Paletten seitlich hinausragen, so können die palettierten Produkte bei Ein-/Auslagerung bzw. Verladung der Palette beschädigt werden. Da die Ausrichtung der Eimerbügel durch Geländer oder Anschläge nur sehr aufwändig möglich ist, bietet sich für diese Aufgaben die Bildverarbeitung geradezu an. Im Folgenden wird ein Verfahren beschrieben, mit dem die Lage (Position und Orientierung) eines Eimers im Zulauf einer Roboterzelle anhand der Bildverarbeitung ermittelt wird. Mithilfe des Verfahrens der Hough-Transformation für Kreise lässt sich die Position kreisförmiger Objekte, wie z.B. Eimer, Fässer oder Hobbocks bestimmen und in das Koordinatensystem des Roboters transformieren. Mit diesen Informationen ist der Roboter in der Lage, das Objekt Eimer positions- und orientierungsexakt von der einlaufenden Fördertechnik aufzunehmen und zu handhaben.
Hough-Transformation zur Detektion von Kreisen
Die Hough-Transformation ist ein robustes jedoch auch rechenintensives Verfahren, mit dem kreisförmige Objekte detektiert werden. Um den Rechenaufwand zu vermindern und gleichzeitig die Genauigkeit der Objektdetektion zu erhöhen, werden daher nur relevante Informationen von einem Objekt für die Berechnung zur Verfügung gestellt. Aufgrund dessen wird im ersten Schritt eine weitere Bildvorverarbeitung durchgeführt, in der die Kanten des zu untersuchenden Objekts detektiert werden. Für diesen Zweck können zahlreiche Operatoren aus der Bildverarbeitung, wie z.B. Sobel, Laplace, Canny etc., eingesetzt werden. Der nächste Schritt befasst sich mit der Erzeugung eines Akkumulators. Für die Transformation und die anschließende Auswertung wird eine mehrdimensionale Datenstruktur benötigt. Ihre Anzahl wird in Abhängigkeit der Anzahl der zu ermittelnden Radien gewählt. Sollen im Bild Kreise mit einem einzigen festgelegten Radius detektiert werden, fällt die Datenstruktur zwei- ansonsten dreidimensional aus. Grundsätzlich können mit der Hough-Transformation Kreise mit einem beliebigen Radius detektiert werden. Dennoch beschränkt man sich in der Praxis auf eine möglichst geringe Anzahl von Radien. Die Gründe dafür liegen in der vereinfachten Auswertung und der Verringerung der Rechenzeit. Für die weitere Betrachtung wird angenommen, dass Kreise von nur einer Größe detektiert werden sollen. Die Transformation erfolgt in mehreren Durchgängen. Zunächst wird jedes Pixel, das nicht zum Hintergrund des Originalbildes gehört , als ein Kreismittelpunkt im Akkumulator angesehen. Weiterhin wird für jeden Kreismittelpunkt ein Kreis mit den Formeln X=Radius const*cos und Y=Radius const*sin pixelweise berechnet. Somit repräsentiert jedes Pixel im Originalbild einen Kreis im Akkumulator. Abschließend wird für jede berechnete Position der Inhalt der Zelle im Akkumulator inkrementiert. Die Auswertung erfolgt indem der Akkumulator nach dem höchsten Eintrag durchsucht wird. Dessen Position im Akkumulator entspricht der Position des gesuchten Kreismittelpunkts im Originalbild, wenn die Größe des Originalbilds mit der Größe des Akkumulators übereinstimmt.
Bestimmung der Eimer-Orientierung
Die Orientierung des Eimers wird anhand der Henkelausrichtung definiert. In Bild 2 ist der Henkel teilweise von dem Eimerdeckel verdeckt, dadurch wird die Erkennung erschwert. Aus diesem Grund wird an dieser Stelle ein Ansatz verfolgt, der zuerst die Henkelbefestigung detektiert und anschließend aus den ermittelnden Informationen dessen Ausrichtung bestimmt. Im Folgenden wird ein Verfahren beschrieben, mit dem die Henkelbefestigung ermittelt werden kann. Im ersten Schritt wird mittels eines Radius die Größe eines Kreises angegeben, die sich flächenhaft mit der Befestigung des Henkels überdeckt. Anschließend werden zwei dieser Flächen, ausgesehen von dem bereits bestimmten Mittelpunkt in einem Abstand, der sich aus dem Radius des Eimers und dem Radius einer Fläche ergibt, so platziert, dass eine Gerade zwischen dem Mittelpunkt der beiden Flächen und dem Mittelpunkt des Eimers entsteht. Im nächsten Schritt werden die beiden Flächen gleichzeitig auf dem berechneten Radius solange um den Eimer gedreht, bis sie eine maximale Übereinstimmung mit dem Objekt erreichen. Die maximale Übereinstimmung entspricht der Positionen der Befestigung. Des Weiteren werden im Bezug des Eimermittelpunkts die Winkel der gefundenen Befestigung berechnet. Für die Ermittlung der Ausrichtung des Henkels wird der Eimer um einen der berechneten Winkel im Bild rotiert. Das hat zur Folge, dass der Henkel des Eimers sich entweder über dem Mittelpunkt des Eimers bzw. unter dem Mittelpunkt befindet. Außerdem werden zwei gleichgroße Bereiche auf die Anzahl der vorhandenen Pixel untersucht. Der Bereich mit der größeren Anzahl der Pixel beinhaltet den Henkel. Anschließend wird ein Vektor in Richtung des Henkels berechnet und in die Ausgangsposition rotiert. Der Vektor zeigt nun in die Richtung des Henkels im aufgenommenen Bild. Die ermittelte Position wird nach der Transformation im Roboterkoordinatensystem als Aufnahmeposition verwendet.
