Aufrufe
vor 7 Monaten

Beispiele mechatronischer Systeme

xlvi 9

xlvi 9 Beispiele mechatronischer Systeme Schnelle Positionierung Genaue Positionierung Störgrößenunterdrückung ■ Vorsteuerung ■ Dauer 200 ms ■ Visual Servoing ■ Dauer 400 ms ■ Visual Servoing ■ Dauer 400 ms ■ Fehler 20 mm ■ Fehler 2 mm ■ Fehler 2 mm Bild 9.42 Ablaufdiagramm der Werkzeug-Positionierung len Roboterposition in Manipulator-Koordinaten transformiert (K S) 0 . Die Transformationen zwischen den Kamera-Koordinatensystemen (Pflanzenklassifikation (K S) PK , Visual Servoing (K S) V S ) und dem Manipulator (K S) 0 sind durch eine initiale Kalibrierung bekannt. Die Umrechnung vom Manipulator-Koordinatensystem (K S) 0 zum Endeffektor-Koordinatensystem (K S) EEF ergibt sich aus der Kinematik des Manipulators. Für die folgenden Ausführungen sind lediglich (K S) 0 und (K S) V S relevant. (K S) 0 (K S) PK (K S) V S y z (K S) G x (K S) EEF Bild 9.43 Transformationsbaum: (K S) G globales Koordinatensystem, (K S) EEF Endeffektor- Koordinatensystem, (K S) V S Visual Servoing Kamera - Koordinatensystem, (K S) PK Pflanzenklassifikation Kamera - Koordinatensystem, (K S) 0 Manipulator-Koordinatensystem. Wenn der Roboter steht, hängt der Fehler der Vorsteuerung lediglich von der Kalibrierung ab. Ist diese hinreichend genau (

9.5 Visual Servoing zur mechanischen Unkrautregulierung mit einem Feldroboter xlvii 9.5.2 Visual Servoing Beim Visual Servoing ist der Regelkreis über einen bildgebenden Sensor geschlossen. Die wesentlichen Aufgaben bestehen darin, einerseits das Zielobjekt zu erkennen und andererseits daraus eine Kamerabewegung so abzuleiten, dass sich eine gewünschte Kameraposition und -orientierung zu dem Zielobjekt einstellt. Merkmalserkennung Die Erkennung des Zielobjekts basiert auf sog. Merkmalen. Sie bestehen aus den Bildkoordinaten u, v (in Pixel) und einer Beschreibung, die eine eindeutige Identifikation des Merkmals ermöglicht. Merkmale müssen nicht immer einzelne Bildpunkte sein. Ebenso ist der Einsatz von Linien- und Kreismerkmalen üblich, die man z. B. über eine HOUGH-Transformation erkennen kann. Eine weitere Möglichkeit ist gar die Verwendung von ganzen Bildausschnitten, zu deren Erkennung Korrelationsverfahren (vgl. Abschnitt 4.1.3) zum Einsatz kommen. Ein Beispiel ist das sog. „template matching“. Die Auswahl des geeigneten Merkmals hängt hauptsächlich vom Zielobjekt und der Umgebung ab. Bei Aufgaben in der industriellen Automation, z. B. in Montagehallen passt man sich häufig die Umgebung geeignet an, um eine einfache Identifikation zu ermöglichen. So sind häufig auf dem Werkstück Marker mit eindeutiger Form und/oder Farbe aufgebracht, die sich robust und mit geringem Rechenaufwand identifizieren lassen. Im Falle der Farbcodierung gelingt dann die Zielerkennung über eine reine Farbfilterung (sog. Blob Detection). In der unstrukturierten Feldumgebung mit der zufälligen Anordnung der Objekte ist der Einsatz von Markern ebenso wenig zielführend wie eine Farbfilterung. Es empfiehlt sich der Einsatz von Punktmerkmalen – hierbei handelt es sich um markante Bildpunkte, welche sich zuverlässig wiedererkennen lassen. Die Bildkoordinaten nennt man bei Punktmerkmalen Keypoints und die Beschreibung Descriptor. Als Analogie dazu kann man sich die Navigation des Menschen in einer fremden Stadt vorstellen, bei der man sich am besten an markanten Gebäuden (Merkmalen), z. B. Kirchturm oder Bahnhof orientiert. Diese Merkmale lassen sich über verschiedene Verfahren finden, z. B. SIFT (Scale Invariant Feature Transform) [Low99], SURF (Speeded Up Robust Features) [BETVG08]. Die genannten Verfahren haben den Vorteil der Skalierungs- und Rotationsinvarianz, d. h. man erkennt die Merkmale eindeutig auch aus unterschiedlichen Blickwinkeln der Kamera. Anschließend erfolgt der Vergleich der Merkmale des Referenzobjektes mit den Merkmalen im Kamerabild. Die gefundenen Korrespondenzen sind die Basis für die anschließende Regelung. Generell gilt: Je höher die Auflösung der Kamerabilder, desto höher ist die erreichbare Genauigkeit. Andererseits impliziert eine höhere Auflösung auch mehr Rechenzeit, welche dann zu größeren Zykluszeiten führt und somit das dynamische Verhalten negativ beeinflusst. Die erreichbare Regelgüte stellt somit einen Kompromiss zwischen dynamischem Verhalten und erreichbarer Genauigkeit dar. Man unterscheidet die nachfolgend beschriebenen zwei Regelungskonzepte, je nachdem, in welchen Koordinaten man die Regelabweichung berechnet [Cor11,PPBC12]. Entsprechend ist auch das Regelverhalten verschieden.

Mechanische und mechatronische Schließsysteme - H+W ...
UNVERGLEICHLICH - ORGLMEISTER Infrarot Systeme
UNVERGLEICHLICH - ORGLMEISTER Infrarot Systeme
Präzisionsstandort Plauen - manroland web systems GmbH
Industrie-PCs/Embedded Systeme - beam - Elektronik & Verlag
Audio-Übertragungs systeme - AUDIOropa
Systeme und Leistungen für Kleinwasserkraftwerke - Kössler
und Regelungstechnik Effiziente Systeme haben einen ... - BDH
e-commerce photography simplified - Visual Data Systems AG
Industrie-PCs/Embedded Systeme - beam - Elektronik & Verlag
PLOSSYS bei Braun - Lösungsbeschreibung - SEAL Systems AG
Trend zu kompletten Systemen - IEE
SYsTEmE unD KOmPOnEnTEn - Hennig GmbH
PDF-Broschüre Kernkompetenzen - MENERGA Energie-Systeme ...
Industrie-PCs/Embedded Systeme - beam - Elektronik & Verlag
100 dpi - Widemann Systeme GmbH
keso.com - Wagner Sicherheitstechnik GmbH
TRIMBLE SITE POSITIONING SYSTEME - sitech
International Associate Engineer in Mechatronic Systems
Mobile Systeme - Systemintegration - Steep
Manufacturing Execution Systems (MES) 2013/14 - IT&Production
Zertifikat „IDW PS 880“ - tollense.comp Business Systeme GmbH
Hightech-Kabel & Systeme für die Schienenverkehrstechnik
Virtuelle IT-Systeme im GMP-Umfeld ... - GMP-Navigator
sicherung - bei MCS Moorbek Computer Systeme GmbH
Flexible Systeme erfordern individuelle Lösungen - Böhm Gmbh ...
Die Kameras von Siemens. - WYM Security Systems
4/26/10 Seite 20 - best Systeme Gmbh