3D-Objekterkennung

In der Produktion fehlt es häufig an flexiblen Automatisierungslösungen, insbesondere bei der Bauteilzuführung. Die Werkstücke liegen oft ungeordnet in Kisten oder Gitterboxen vor und werden anschließend mithilfe von Wendelförderern und Förderbändern mit aufwendiger Mechanik vereinzelt, die speziell auf die Teile abgestimmt ist. Daher ist diese Art der automatisierten Zuführung gegenüber Bauteiländerungen unflexibel und notwendige Anpassungen an der Zuführtechnik sind aufwendig und teuer. Eine Alternative hierzu bietet das Greifen der ungeordneten Bauteile mit einem Roboter direkt aus den Kisten oder vom Band. Dies setzt jedoch eine präzise 3D-Objekt- bzw. Objektlageerkennung voraus.

Hierfür wurden verschiedene 3D-Erkennungsverfahren entwickelt, die auf Basis von CAD-Daten oder ganz ohne Bauteilmodell direkt in den Messdaten das Bauteil erkennen und dessen Lage im Raum präzise bestimmen.

Die Basis zur 3D-Objektlageerkennung in 3D-Messpunktwolken ohne CAD-Modell bilden Verfahren zur Bestfit-Einpassung regelgeometrischer Elemente wie Ebenen, Zylinder, Kegel, Kugeln oder Tori. Dieser Ansatz wurde gewählt, da viele technische Werkstücke zylindrische oder konische Formelemente aufweisen. Dabei sind die zu erkennenden Objekte jedoch nicht auf reine Zylinder oder Kegel beschränkt, sondern es können auch deutlich komplexere Werkstücke erkannt werden.

Außerdem wurden CAD-Modell-basierte 3D-Objekterkennungslösungen entwickelt. Diese kommen insbesondere dann zum Einsatz, wenn die zu erkennenden Bauteile keine dominanten regelgeometrischen Elemente enthalten, sondern hauptsächlich aus Freiformflächen bestehen oder eine komplexe Geometrie aufweisen. Bisher scheiterte die Einpassung kompletter CAD-Modelle in die Messdaten an zu langen Rechenzeiten. Die neuen Verfahren zur 3D-Best-Einpassung von STL- bzw. CAD-Modellen in Messpunktwolken können, abhängig von der erforderlichen Genauigkeit des Ergebnisses, verschiedene Rechenverfahren während der Optimierung verwenden und somit die Berechnung stark beschleunigen.