JP2010122777A - ワーク識別方法およびワーク識別装置 - Google Patents
ワーク識別方法およびワーク識別装置 Download PDFInfo
- Publication number
- JP2010122777A JP2010122777A JP2008294153A JP2008294153A JP2010122777A JP 2010122777 A JP2010122777 A JP 2010122777A JP 2008294153 A JP2008294153 A JP 2008294153A JP 2008294153 A JP2008294153 A JP 2008294153A JP 2010122777 A JP2010122777 A JP 2010122777A
- Authority
- JP
- Japan
- Prior art keywords
- image
- mark
- workpiece
- work
- master image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Manipulator (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
【課題】カメラ画像からワークの種類および姿勢を認識するときの処理時間を短縮する。
【解決手段】ワークWiは外面Fごとに方向性を有する識別可能なマークCが付与され、ロボット10は前記マークCおよび前記ワークWiを撮像する撮像手段12と前記マークCが撮像されたマークマスタ画像Mを格納する第1マスタ画像格納手段42と、前記ワークWiが撮像された前記ワークWiの姿勢ごとのワークマスタ画像Nを格納する第2マスタ画像格納手段43とを有し、上記画像を取り込む画像入力工程S3と、前記マーク画像Pと前記マークマスタ画像Mとを比較する第1画像比較工程S4と、その結果から前記ワークWiの姿勢を判定する姿勢判定工程S5と、判定結果の姿勢に対応する前記ワークマスタ画像Nと前記ワーク画像Rとを比較する第2画像比較工程S6と、その結果から前記ワークWiの種類を判定する種類判定工程S7とを有するワーク識別方法。
【選択図】図1
【解決手段】ワークWiは外面Fごとに方向性を有する識別可能なマークCが付与され、ロボット10は前記マークCおよび前記ワークWiを撮像する撮像手段12と前記マークCが撮像されたマークマスタ画像Mを格納する第1マスタ画像格納手段42と、前記ワークWiが撮像された前記ワークWiの姿勢ごとのワークマスタ画像Nを格納する第2マスタ画像格納手段43とを有し、上記画像を取り込む画像入力工程S3と、前記マーク画像Pと前記マークマスタ画像Mとを比較する第1画像比較工程S4と、その結果から前記ワークWiの姿勢を判定する姿勢判定工程S5と、判定結果の姿勢に対応する前記ワークマスタ画像Nと前記ワーク画像Rとを比較する第2画像比較工程S6と、その結果から前記ワークWiの種類を判定する種類判定工程S7とを有するワーク識別方法。
【選択図】図1
Description
本発明は、ランダムな姿勢で供給される複数の種類のワークに対して作業を実施するロボットにおけるワーク識別方法およびワーク識別装置に関する。
各種生産現場において、作業の高速化、効率化を訴求するためロボットが多用されている。ロボットに作業対象物であるワークを供給する場合、1種類のワークを整列もしくは位置決めして供給することが一般的であった。ところが、近年、生産効率の向上のため、ワークの整列もしくは位置決め工程を省略し、複数の種類のワークをランダムに供給して、ロボット自身がワークの種類や姿勢を認識して必要部位に作業を実施することが求められている。
ワークの種類や姿勢の認識方法としては、例えば、ワークの輪郭を輪郭パラメータとして捉え、輪郭パラメータデータベースと輪郭照合する方法が知られている。対象物体(ワーク)の位置や姿勢を認識する方法としては、三次元の数値データが与えられた対象物体(ワーク)をカメラにより複数の姿勢として捉え、対象物体(ワーク)の輪郭点から輪郭関数を算定し輪郭関数データベースを作成する。そして、実空間での対象物体(ワーク)をカメラで撮像して、カメラ画像から輪郭関数を抽出する。抽出された輪郭関数とデータベースに格納された輪郭関数との相関について、フーリエ変換を用いて相関係数を算定し、その結果から対象物体の位置や姿勢を推定する画像推定方法が提案されている(例えば、特許文献1参照)。なお、上述の方法は、対象物体(ワーク)の種類を推定する場合にも適用し得る。
しかしながら、上述の方法では、対象物体のカメラ画像から輪郭関数を得る際や、得られた輪郭関数と輪郭関数データベースとの相関をとる際に、データ量が多くなったり複雑な演算処理を行うため、多大な計算時間を要してしまうとの問題がある。
本発明は、上述の課題の少なくとも一部を解決するためになされたものであり、以下の形態または適用例として実現することが可能である。
(適用例1)ランダムに供給される複数の種類のワークに対して作業を実施するロボットにおける前記ワークの種類および姿勢を認識するワーク識別方法であって、前記ワークは、複数の外面を有し、外面ごとに、方向性を有するとともに識別可能なマークが付与されており、前記ロボットは、少なくとも、前記マークおよび前記ワークを撮像する撮像手段と、前記マークに対して、前記撮像手段により撮像されたマークマスタ画像を予め格納する第1マスタ画像格納手段と、複数の種類の前記ワークに対して、前記撮像手段により撮像された前記ワークの姿勢ごとのワークマスタ画像を予め格納する第2マスタ画像格納手段と、を有し、前記撮像手段により撮像されるマーク画像およびワーク画像を取り込む画像入力工程と、取り込まれた前記マーク画像と前記第1マスタ画像格納手段に格納される前記マークマスタ画像とを比較して、前記マーク画像と前記マークマスタ画像との一致度もしくは差異を検出する第1画像比較工程と、前記第1画像比較工程で得られた比較結果から前記ワークの姿勢を判定する姿勢判定工程と前記姿勢判定工程で得られた判定結果の姿勢に対応する前記ワークマスタ画像を、前記第2マスタ画像格納手段から抽出して、取り込まれた前記ワーク画像と比較して、前記ワーク画像と前記ワークマスタ画像との一致度もしくは差異を検出する第2画像比較工程と、前記第2画像比較工程で得られた比較結果から前記ワークの種類を判定する種類判定工程と、を有することを特徴とするワーク識別方法。
(適用例2)前記第1画像比較工程において、前記マーク画像と前記マークマスタ画像とを順次比較して、前記マーク画像と最大に一致する前記マークマスタ画像を検出して前記マークの種類を認識するとともに、前記マーク画像と前記マークマスタ画像との方向もしくは角度の違いを検出し、前記姿勢判定工程では、前記マークの種類から前記撮像手段に対向する前記ワークの外面を認識し、前記マーク画像の方向もしくは角度の違いから、前記マークマスタ画像を取得したときの前記ワークの姿勢からの方向および角度を認識することを特徴とする上記のワーク識別方法。
(適用例3)前記第2マスタ画像格納手段に格納される前記ワークマスタ画像は、複数の種類の前記ワークに対して、前記ワークの姿勢を一定の割合で変化させながら前記撮像手段により撮像されることを特徴とする上記のワーク識別方法。
これらの方法によれば、ワークにはそれぞれの外面ごとに識別可能となる異なる種類のマークが付与されている。そのため、第1画像比較工程および姿勢判定工程において、撮像手段によって撮像されたマーク画像とマークマスタ画像とを比較してマークの種類を認識することによって、ワークのいずれの面が撮像手段が設けられている方向に面しているか容易に判断することができる。すなわち、ワークの向きを判断することができる。また、正面のマークマスタ画像との一致度もしくは差異を比較することによって、方向性を有するマークがどの方向を示しているのか、または、どれだけ傾いているかを判断することができる。その結果、マークが付与されたワークの向き、方向、傾き、角度を容易に判定することができ、ワークの姿勢を判定することができる。従って、複雑な演算処理を行わず、簡単にワークの姿勢を判定することができる。
また、ワークマスタ画像は、複数のワークに対して、それぞれのワークの姿勢を一定の割合で変化させながら撮像手段により撮像されている。すなわち、ワークマスタ画像群は、姿勢を同一とする複数の種類のワークからなるワークマスタ画像のグループから構成されている。そのため、第2画像比較工程および種類判定工程において、上記の姿勢判定工程で判定された姿勢に近い姿勢からなるワークマスタ画像のグループを抽出して、取り込まれたワーク画像と順次比較して、一致度の最も高いワークマスタ画像を抽出することができる。そして、取り込まれたワーク画像と抽出されたワークマスタ画像とを比較してワークの種類を判定することができる。その結果、取り込まれたワーク画像と比較するワークマスタ画像の数を絞り込むことができるとともに、複雑な演算処理を行わず、簡単にワークの種類を識別することができる。
(適用例4)前記マークは、非対称の形状に形成されることを特徴とする上記のワーク識別方法。
この方法によれば、マークは、方向性を有し、かつ非対称の形状である。そのため、マーク画像とマークマスタ画像とを比較する際において、一致度もしくは差異を容易に認識することができる。また、マークの方向、上下左右の関係、傾き等を容易に判断することができる。
(適用例5)前記マークは、前記ワークのそれぞれの外面ごとに色違いに付与されていることを特徴とする上記のワーク識別方法。
この方法によれば、マークの色を識別することによって、いずれの外面が撮像手段が設けられている方向に面しているか容易に判断することができる。そのため、1つのワークに付与されるマークの形状を同じくすることができる。その結果、マークマスタ画像の種類(データ量)を低減することができ、第1画像比較工程でマーク画像とマークマスタ画像とを比較する時間を低減することができる。
(適用例6)ランダムに供給される複数の種類のワークに対して作業を実施するロボットにおける前記ワークの種類および姿勢を認識するワーク識別装置であって、前記ワークは、複数の外面を有し、外面ごとに、方向性を有するとともに識別可能なマークが付与されており、少なくとも、前記マークおよび前記ワークを撮像する撮像手段と、前記マークに対して前記撮像手段により撮像されたマークマスタ画像を予め格納する第1マスタ画像格納部と、複数の種類の前記ワークに対して、前記撮像手段により撮像された前記ワークの姿勢ごとのワークマスタ画像を予め格納する第2マスタ画像格納部と、前記撮像手段により撮像されるマーク画像およびワーク画像を取り込む画像入力部と、取り込まれた前記マーク画像と前記第1マスタ画像格納部に格納される前記マークマスタ画像とを比較して、前記マーク画像と前記マークマスタ画像との一致度もしくは差異を検出する第1画像比較部と、前記第1画像比較部で得られた比較結果から前記ワークの姿勢を判定する姿勢判定部と、前記姿勢判定部で得られた判定結果の姿勢に対応する前記ワークマスタ画像を、前記第2マスタ画像格納部から抽出して、取り込まれた前記ワーク画像と比較して、前記ワーク画像と前記ワークマスタ画像との一致度もしくは差異を検出する第2画像比較部と、前記第2画像比較部で得られた比較結果から前記ワークの種類を判定する種類判定部と、を備えることを特徴とするワーク識別装置。
(適用例7)前記第1画像比較部において、前記マーク画像と前記マークマスタ画像とを順次比較して、前記マーク画像と最大に一致する前記マークマスタ画像を検出して前記マークの種類を認識するとともに、前記マーク画像と前記マークマスタ画像との方向もしくは角度の違いを検出し、前記姿勢判定部では、前記マークの種類から前記撮像手段に対向する前記ワークの外面を認識し、前記マーク画像の方向もしくは角度の違いから、前記マークマスタ画像を取得したときの前記ワークの姿勢からの方向および角度を認識することを特徴とする上記のワーク識別装置。
(適用例8)前記第2マスタ画像格納部に格納される前記ワークマスタ画像は、複数の種類の前記ワークに対して、前記ワークの姿勢を一定の割合で変化させながら前記撮像手段により撮像されることを特徴とする上記のワーク識別装置。
これらの装置には、それぞれの外面ごとに識別可能となる異なる種類のマークが付与されている複数の種類のワークが適用される。そのため、これらの装置によれば、第1画像比較部および姿勢判定部において、撮像手段によって撮像されたマーク画像とマークマスタ画像とを比較してマークの種類を認識することによって、ワークのいずれの面が撮像手段が設けられている方向に面しているか容易に判断することができる。すなわち、ワークの向きを判断することができる。また、正面のマークマスタ画像との一致度もしくは差異を比較することによって、方向性を有するマークがどの方向を示しているのか、または、どれだけ傾いているか判断することができる。その結果、マークが付与されたワークの向き、方向、傾き、角度を容易に判定することができ、ワークの姿勢を判定することができる。従って、複雑な演算処理を行わず、簡単にワークの姿勢を判定することができる。
また、ワークマスタ画像は、複数のワークに対して、それぞれのワークの姿勢を一定の割合で変化させながら撮像手段により撮像されている。すなわち、ワークマスタ画像群は、姿勢を同一とする複数の種類のワークからなるワークマスタ画像のグループから構成されている。そのため、第2画像比較部および種類判定部において、上記の姿勢判定部で判定された姿勢に近い姿勢からなるワークマスタ画像のグループを抽出して、取り込まれたワーク画像と順次比較して、一致度の最も高いワークマスタ画像を抽出することができる。そして、取り込まれたワーク画像と抽出されたワークマスタ画像とを比較してワークの種類を判定することができる。その結果、取り込まれたワーク画像と比較するワークマスタ画像の数を絞り込むことができるとともに、複雑な演算処理を行わず、簡単にワークの種類を識別することができる。
(適用例9)前記マークは、非対称の形状に形成されることを特徴とする上記のワーク識別装置。
この装置によれば、マークは、方向性を有し、かつ非対称の形状である。そのため、マーク画像とマークマスタ画像とを比較する場合において、一致度もしくは差異を容易に認識することができる。また、マークの方向、上下左右の関係、傾き等を容易に判断することができる。
(適用例10)前記マークは、前記ワークのそれぞれの外面ごとに色違いに付与されていることを特徴とする上記のワーク識別装置。
この装置によれば、マークの色を識別することによって、いずれの外面が撮像手段が設けられている方向に面しているか容易に判断することができる。そのため、1つのワークに付与されるマークの形状を同じくすることができる。その結果、マークマスタ画像の種類(データ量)を低減することができ、第1画像比較部でマーク画像とマークマスタ画像とを比較する時間を低減することができる。
(ワーク識別装置について)
本発明のワーク識別方法を適用したワーク識別装置について、図1を参照して説明する。図1は、ワーク識別装置の構成例を示す図である。
本発明のワーク識別方法を適用したワーク識別装置について、図1を参照して説明する。図1は、ワーク識別装置の構成例を示す図である。
図1に示すように、ワーク識別装置1は、ワーク載置部5と、ロボット10と、ロボット10を制御する制御部20とから構成されている。ワーク載置部5は、後述するマークが付与された作業対象物であるワークWを保持する。そして、ワーク載置部5でロボット10による作業が実施される。ワークWは、例えば、ベルトコンベア7で搬送されワーク載置部5に搬入されロボット10による作業が実施された後、次のワーク載置部5もしくは次の工程に搬出される。
なお、この作業において、複数の種類のワークWがランダムな姿勢で搬送され、それぞれのワークWに対して固有の作業が実施される。すなわち、生産効率向上および設備の汎用化および簡素化のため、複数の種類のワークWを1つのロボット10で作業するとともに、ワークWの整列装置や位置決め装置を設けていない。
ロボット10は、撮像手段としてのカメラ12と、ロボットハンド14と、ロボットアーム16,17と、関節部18とから構成されている。ロボット10は、いわゆる多関節型ロボットであり、ロボットアーム16,17が関節部18を支点として自在に可動する。そして、ロボットハンド14を用いてワークWに対して作業が実施される。カメラ12は、いわばロボット10の眼として機能するものであり、ワークWの種類、位置、姿勢、作業部位等を認識する。
制御部20は、少なくとも、画像処理装置30と、記憶装置40と、コンピュータ50とから構成されている。画像処理装置30は、少なくとも、画像入力部32と、第1画像比較処理部34と、第2画像比較処理部35と、カメラ位置制御部36とを含む。記憶装置40は、少なくとも、第1マスタ画像格納部42と、第2マスタ画像格納部43と、認識結果格納部44とを含む。コンピュータ50は、中央処理装置として機能し、ロボット10、画像処理装置30、および記憶装置40等を総括的に制御するものである。制御部20の動作については後述する。
(ワークについて)
ここで、ワークについて、図2および図3を参照して説明する。図2は、マークが付与されるワークの1例を示す図であり、図3は、その他のワークの例を示す図である。
ここで、ワークについて、図2および図3を参照して説明する。図2は、マークが付与されるワークの1例を示す図であり、図3は、その他のワークの例を示す図である。
本実施形態では、複数の種類のワークWi(iはワークWの種類をあらわす自然数)が適用される。図2に示すように、ワークWiの1つの種類であるワークW1は、例えば、長方形の面がそれぞれ平行に対向する六面体、すなわちレンガ形状に対して、4つの側面の一部が天面側からそれぞれ異なる角度で斜めに切り落とされた形状に形成されている。すなわち、このワークW1は、上下、前後、左右に方向性を有している。なお、以降、ワークWiの各外面Fに関して、図2に示す面F3を正面から見た図を正面図として、天面をF1、底面をF2、前面をF3、後面をF4、右面をF5、左面をF6と称する。
図3(a)に示すように、ワークWiの他の種類であるワークW2は、図2に示すワークW1に対して、例えば、天面F1から左面F6への切り落としがない形状に形成されている。すなわち、ワークW2は、W1に対して斜面が1つ少ない。図3(b)に示すように、ワークW3は、ワークW1に対して、例えば、天面F1から左面F6への切り落としが平面ではなく曲面によって結ばれている。すなわち、ワークW3は、W1に対して1つの面形状が異なっている。このようにワークWiは、それぞれ異なる種類に構成されている。また、これらワークW1〜3の外面Fには、マークが付与されている。
(マークについて)
次いで、ワークに付与するマークについて、図4を参照して説明する。図4は、マークを説明する図である。
次いで、ワークに付与するマークについて、図4を参照して説明する。図4は、マークを説明する図である。
図4に示すように、マークCは、例えば、変形された矢印形状を呈している。すなわち、矢印Aは、矢の矢羽に相当する部分が矢竹を中心にいずれか片側のみしか形成されていない。すなわち、マークCとしての矢印Aは非対称形に形成されている。この場合、矢印Aの矢aの向きで図4中の上下の方向を、矢印Aの矢竹に対する矢羽根bのある位置で図4中の左右を表す。
図2および図3(a),(b)に示すワークW1,2,3には、天面F1、底面F2、前面F3、後面F4、右面F5、左面F6に対して、図4に示す矢印A1を基本として、わずかずつ変形され識別可能となった矢印Aが付与される。矢印Aは、例えば、付与される矢羽根bの数によって識別される。すなわち、矢印A1は矢羽根bが1つ、矢印A2は矢羽根bが2つ、矢印A3は矢羽根bが3つ、矢印A4は矢羽根bが4つ、矢印A5は矢羽根bが5つ、矢印A6は矢羽根bが6つ付与され、それぞれ識別される。本実施形態では、ワークW1,2,3の天面F1には矢印A1が、底面F2には矢印A2が、前面F3には矢印A3が、後面F4には矢印A4が、右面F5には矢印A5が、左面F6には矢印A6がそれぞれ付与される。
このとき、天面F1、底面F2には、矢印Aの矢aの向きが左面F6から右面F5に向かうように、前面F3、後面F4、右面F5、左面F6には、矢印Aの矢aの向きが底面F2から天面F1に向かうように付与される。また、天面F1、底面F2には矢印Aの矢羽根bが後面F4方向にあるように、前面F3、後面F4には矢印Aの矢羽根bが左面F6方向にあるように、右面F5、左面F6には前面F3方向にあるように付与される。すなわち、外面Fに付与された矢印Aの種類、矢aの方向および矢羽根bの向きを知ることによって、外面Fの種類、方向、向きを知ることができる。なお、本実施形態では、マークCがそれぞれ各外面Fに小さく印刷されている。ただし、図面においては、説明をわかりやすくするためマークCを拡大し強調して示している。
(マークマスタ画像について)
ここで、第1マスタ画像格納部に格納されるマークマスタ画像について、図5を参照して説明する。図5は、マークマスタ画像の例を示す図である。
ここで、第1マスタ画像格納部に格納されるマークマスタ画像について、図5を参照して説明する。図5は、マークマスタ画像の例を示す図である。
図1に示すカメラ12を用いて、上述のワークWiに付与されるマークCのそれぞれに対して正面から観察した時のマークマスタ画像を予め用意しておく。例えば、図1に示すワーク識別装置1のロボット10のカメラ12を用い、図2に示すワークW1の各外面Fに付与されたマークCとしての矢印A1を、矢aが上方向をさすようにして正面から撮像してマークマスタ画像とする。詳しくは、制御部20の画像処理装置30のカメラ位置制御部36でカメラ12の位置を制御して、ワーク載置部5に載置されたワークW1の各外面の正面にカメラ12を位置決めしてそれぞれ撮像する。
その結果、図5に示すようなマークマスタ画像Mが得られる。マークマスタ画像M1は、天面F1の矢印A1を、マークマスタ画像M2は、底面F2の矢印A2を、マークマスタ画像M3は、前面F3の矢印A3を撮像した画像である。同様に、マークマスタ画像M4は、後面F4の矢印A4を、マークマスタ画像M5は、右面F5の矢印A5を、マークマスタ画像M6は、左面F6の矢印A6を撮像した画像である。この場合、マークマスタ画像M1,M3,M5と、マークマスタ画像M2,M4,M6とは矢印Aの矢羽根bの向きが図中左右異なる。また、いずれのマークマスタ画像Mとも矢aは上方向を指し示している。
このマークマスタ画像Mは、図1に示す制御部20の記憶装置40の第1マスタ画像格納部42に格納される。なお、ワークW1,W2,W3とも各外面Fごとに付与されるマークCの種類は同一であるため、このマークマスタ画像MはワークW1,W2,W3において共通に使用できる。
(ワークマスタ画像について)
次いで、第2マスタ画像格納部に格納されるワークマスタ画像について、図6を参照して説明する。図6は、ワークマスタ画像の例を示す図である。なお、図6に示すX軸、Z軸は、図2に示すX軸、Z軸と同様な方向を示す。
次いで、第2マスタ画像格納部に格納されるワークマスタ画像について、図6を参照して説明する。図6は、ワークマスタ画像の例を示す図である。なお、図6に示すX軸、Z軸は、図2に示すX軸、Z軸と同様な方向を示す。
図1に示すワーク姿勢認識装置1のロボット10のカメラ12を用いて、上述のワークWiに対して、一定の割合でワークWiの姿勢を変化させたときのワークマスタ画像を予め用意しておく。本実施形態では、例えば、ワークWiに対して、カメラ12を図2で示す正面図に正対させ、その姿勢からワークWiを図2中のX軸、Y軸、Z軸に対して一定角度だけ傾けて撮像しワークマスタ画像Nとする。
その結果、例えば、図6に示すようなワークマスタ画像Ni(nx,ny,nz)が得られる。なお、ここで、iは撮像されるワークWiの種類をあらわす自然数である。また、nxはX軸に対してワークWiをnx度傾けた状態で撮像したことを示し、nyはY軸に対してワークWiをny度傾けた状態で撮像したことを示し、nzはZ軸に対してワークWiをnz度傾けた状態で撮像したことを示す。なお、傾け角度nx,ny,nzは、図中の矢印g,hの矢印の方向すなわち反時計方向の角度を正とし、時計方向の角度を負とする。なお、ここではワークWiとしてワークW1を例にとり説明するが、他のワークW2,W3も同様である。また、説明の簡便のため、X軸,Z軸に対する傾きを例にとり説明するが、Y軸に対する傾きに関しても同様である。
図6の中央に位置するワークマスタ画像N1(0,0,0)は、ワークW1をX軸、Y軸、Z軸に対して傾けずに撮像したこと、すなわち、カメラ12を図2に示す正面図の方向に正対させ撮像して得たワークマスタ画像Nである。また、ワークマスタ画像N1(0,0,0)の図中上に位置するワークマスタ画像N1(α,0,0)は、ワークW1をX軸に対してα°(αは任意の角度)だけ矢印x方向に回転させ(傾けて)、Y軸、Z軸に対してはワークW1を回転させず(傾けず)に撮像して得たワークマスタ画像Nである。また、ワークマスタ画像N1(0,0,0)の図中左斜め上に位置するワークマスタ画像N1(α,0,β)は、ワークW1をX軸に対してα°、Z軸に対してβ°(βは任意の角度)反時計方向に回転させ(傾けて)、Y軸に対して回転させず(傾けず)に撮像して得たワークマスタ画像Nである。
なお、このワークW1に対するワークマスタ画像N1(nx,ny,nz)は、X軸、Y軸、Z軸に対して回転(傾け)角度を任意に変化させ、上記の方法で所定の個数作成される。そして、図1に示す制御部20の記憶装置40の第2マスタ画像格納部43に、ワークWiの種類および角度等によりそれぞれ層別またはグループ分けされ格納される。さらには、ワークW2およびW3に対しても、同様に、ワークマスタ画像N2(nx,ny,nz)およびワークマスタ画像N3(nx,ny,nz)を生成して記憶装置40の第2マスタ画像格納部43に格納する。
(ワーク識別方法について)
(第1実施例)
次いで、本発明のワーク識別方法について、図7〜図12を参照して説明する。図7は、ワーク識別方法の流れを示すフローチャートであり、図8は、ワーク識別方法を説明する図であり、図9は、マーク画像の例を示す図である。また、図10は、ワーク画像の例を示す図であり、図11は、マーク画像とマークマスタ画像との比較処理を説明する図であり、図12は、ワーク画像とワークマスタ画像との比較処理を説明する図である。なお、図8で示すX軸、Y軸、Z軸は、ロボット10の作業における絶対座標の基本となるX軸、Y軸、Z軸を示す。すなわち、ロボット10のロボットハンド14の移動制御において、移動始点および移動終点等の位置を示す座標の基本となる座標軸である。本実施形態では、ロボット10は、XZ平面に正対しY方向を向いた位置にセットされている。
(第1実施例)
次いで、本発明のワーク識別方法について、図7〜図12を参照して説明する。図7は、ワーク識別方法の流れを示すフローチャートであり、図8は、ワーク識別方法を説明する図であり、図9は、マーク画像の例を示す図である。また、図10は、ワーク画像の例を示す図であり、図11は、マーク画像とマークマスタ画像との比較処理を説明する図であり、図12は、ワーク画像とワークマスタ画像との比較処理を説明する図である。なお、図8で示すX軸、Y軸、Z軸は、ロボット10の作業における絶対座標の基本となるX軸、Y軸、Z軸を示す。すなわち、ロボット10のロボットハンド14の移動制御において、移動始点および移動終点等の位置を示す座標の基本となる座標軸である。本実施形態では、ロボット10は、XZ平面に正対しY方向を向いた位置にセットされている。
このワーク識別方法は、複数の種類のワークWiがランダムな順番およびランダムな姿勢で搬入もしくはバラ積み状態で供給される生産ライン等において、供給されるワークWiの種類および姿勢を上述のワーク識別装置1を用いて識別するものである。ワーク識別方法は、図7に示すように、ワーク搬入工程S1、マーク&ワーク撮像工程S2、画像入力工程S3、第1画像比較工程S4、姿勢判定工程S5、第2画像比較工程S6、および種類判定工程S7を有している。
ステップS1のワーク搬入工程では、図1に示すワーク識別装置1において、上述のマークCが付与されたワークWiが、ベルトコンベア7等で搬送されワーク載置部5に供給される。このときワークWiは、ランダムな順番およびランダムな姿勢で供給される。そのため、例えば、図8(a)に示すように、搬入されたワークWiがどの種類のワークWiなのか、どの外面Fがどの方向を向いているのか、または、図示しない他のワークWi等と重なり合い干渉して、図8中のX軸、Y軸、Z軸に対してどの位の角度で配置されているかわからない。そこで、ステップS2に進む。
図7に示すステップS2のマーク&ワーク撮像工程では、図1に示すカメラ12を用いて、供給されたワークWiおよびワークWiに付与されているマークCを撮像する。まず、図1に示すロボット10のカメラ12を、画像処理装置30のカメラ位置制御部36により、図8(a)中のXY平面に正対させZ(+)方向より、ワークWiのマークCを撮像する。この場合、Z(+)方向にはマークCaが付与されているため、マークCaが撮影され図9に示すマーク画像P1を得る。
次いで、カメラ12を、図8(a)中のXZ平面に正対させY(−)方向より、ワークWiのマークCを撮像する。この場合、Y(−)方向にはマークCbが付与されているため、マークCbが撮影され図9に示すマーク画像P2を得る。次いで、カメラ12を、図8(a)中のYZ平面に正対させX(+)方向より、ワークWiのマークCを撮像する。この場合、X(+)方向にはマークCcが付与されているため、マークCcが撮影され図9に示すマーク画像P3を得る。すなわち、図8の絶対座標軸としてのX軸方向、Y軸方向およびZ軸方向から対向するマークCを撮影して、それぞれのマーク画像Pを得る。
次いで、カメラ12を基準位置(図6で示すNi(0,0,0)を撮像した位置)に配置して、作業対象のワークWiを撮像して図10に示すワーク画像Riを得る。そして、ステップS3に進む。
ステップS3の画像入力工程では、カメラ12によって撮像された上記マーク画像P1,P2,P3およびワーク画像Riを、図1に示す制御部20の画像処理装置30の画像入力部32に取り込む。
そして、ステップS4の第1画像比較工程およびステップS5の姿勢判定工程では、取り込まれたマーク画像Pと第1マスタ画像格納部42に格納されたマークマスタ画像Mとの比較処理およびワークWiの姿勢の判定処理を行う。この比較処理および判定処理は、図1に示す制御部20の第1画像比較処理部34で、コンピュータ50の指令、制御により行われる。
まず、ステップS4の第1画像比較工程では、ステップS2で得られたマーク画像P1について比較検証する。図11(a)に示すように、マーク画像P1にあるマークCaを観察すると、マークCaは矢印Aaであり、矢印Aaは矢羽根bを1つ具備している。そのため、矢印Aaは、ワークWiの天面F1に付与される矢印A1であることがわかる。そこで、第1マスタ画像格納部42に格納された矢印A1を撮像したマークマスタ画像M1を第1画像比較処理部34に取り込み、マーク画像P1とマークマスタ画像M1とを比較する。すると、矢印Aaの矢aの向いている方向は概略同じ図中のY(+)方向の範囲であるが、マークマスタ画像M1の矢印A1と比較して傾きがZ軸を中心にβ度反時計方向に異なっていることがわかる。また、矢印Aaの矢羽根bは、X(−)方向に向いていることがわかる。
次いで、マーク画像P2について比較検証する。図11(b)に示すように、マーク画像P2にあるマークCbを観察すると、マークCbは矢印Abであり、矢印Abは矢羽根bを6つ具備している。そのため、矢印Abは、ワークWiの左面F6に付与される矢印A6であることがわかる。そこで、第1マスタ画像格納部42に格納された矢印A6を撮像したマークマスタ画像M6を第1画像比較処理部34に取り込み、マーク画像P2とマークマスタ画像M6とを比較する。すると、矢印Abの矢aの向いている方向は、図中Z(+)方向と同じであり、傾き等も同じであることがわかる。また、矢印Abの矢羽根bは、X(+)方向に向いていることがわかる。
次いで、マーク画像P3について比較検証する。図11(c)に示すように、マーク画像P3にあるマークCcを観察すると、マークCcは矢印Acであり、矢印Acは矢羽根bを3つ具備している。そのため、矢印Acは、ワークWの前面F3に付与される矢印A3であることがわかる。そこで、第1マスタ画像格納部42に格納された矢印A3を撮像したマークマスタ画像M3を第1画像比較処理部34に取り込み、マーク画像P3とマークマスタ画像M3とを比較する。すると、矢印Acの矢aの向いている方向は概略同じZ(+)方向の範囲であるが、マークマスタ画像M3の矢印A3と比較して傾きがX軸を中心にα度反時計方向に異なっていることがわかる。また、矢印Acの矢羽根bは、Y(−)方向に向いていることがわかる。
ステップS5の姿勢判定工程では、ステップS4の第1画像比較工程で得られたマーク画像Pとマークマスタ画像Mとの上述の比較検証結果により、図8(b)に示すように、マークCaが付された外面Fは天面F1であり、マークCbが付された外面Fは左面F6であり、マークCcが付された外面Fは前面F3であると判定できる。これは、矢印Aの種類、矢aの方向、矢羽根bの向きの組み合わせのいくつか、もしくは、すべてを用いることによって判定できる。また、天面F1の矢印A1がZ軸に対してβ度反時計方向に傾いていること、左面F6の矢印A6が傾いていないこと、前面F3の矢印A3がX軸に対してα度反時計方向に傾いていることがわかる。
すなわち、ワークWiは、天面F1をZ(+)方向に、左面F6をY(−)方向に、前面F5をX(+)方向に向け配置されている。また、ワークWiは、X軸に対してα度反時計方向に傾いて、Z軸からβ度反時計方向に傾いて配置されていることがわかる。すなわち、これらのことでワークWiの姿勢を判定することができる。
図7に示すステップS6の第2画像比較工程およびステップS7の種類判定工程では、取り込まれたワーク画像Riと第2マスタ画像格納部43に格納されたワークマスタ画像Nとの比較処理およびワークWiの種類の判定処理を行う。この比較処理および判定処理は、図1に示す制御部20の第2画像比較処理部35で、コンピュータ50の指令、制御により行われる。
ステップS6の第2画像比較工程およびステップS7の種類判定工程では、ステップS2で得られた図10に示すワーク画像Riについて比較検証する。上述の姿勢判定工程S5でワークWiの姿勢は、X軸に対してα度反時計方向に傾いて、Y軸に対しては傾かず、Z軸からβ度反時計方向に傾いて配置されていることがわかる。すなわち、ワークWiの姿勢(nx,ny,nz)は、姿勢(α,0,β)であることがわかる。つまり、ワーク画像Riに対応するワークマスタ画像Niは、ワークマスタ画像Ni(α,0,β)のグループの中のいずれかであることがわかる。
そこで、第2マスタ画像格納部43に格納されたワークマスタ画像Nの中からワークマスタ画像Ni(α,0,β)に属するものを選択する。すると、図12に示すように、ワークマスタ画像N1(α,0,β),N2(α,0,β),N3(α,0,β)の3つが選択される。次いで、図10に示すワーク画像Riとワークマスタ画像N1(α,0,β),N2(α,0,β),N3(α,0,β)とを順次比較する。その結果、ワーク画像Riとワークマスタ画像N1(α,0,β)とがほぼ一致することがわかる。ワークマスタ画像N1(α,0,β)は、ワークW1をX軸に対してα度だけ傾けて、Y軸に対しては傾けず、Z軸からβ度だけ傾けて撮像した画像である。従って、ワーク画像Riとして撮像されたワークWiはワークW1であることが判別できる。これらの検証結果は、図1に示す制御部20の記憶装置40の認識結果格納部44に格納され、ワークWに対するロボット10の作業に対する指示命令の基本となる。
次いで、ステップS8に進み、次に姿勢および種類を判定するワークWiがあるか否かを判断する。次に姿勢および種類を判定するワークWiがある(YES)場合は、上述のステップS1のワーク搬入工程に進み、上述の作業を繰り返す。次に姿勢および種類を判定するワークWiがない(NO)場合は、この識別作業を終了する。なお、上記説明では、ワークWiがW1の場合を例にとり説明したが、ワークWiがワークW2もしくはワークW3の場合についても、同様に画像比較処理および判定処理が行われる。
以下、本実施例の効果を記載する。
(1)上述のワーク識別装置1を用いたワーク識別方法によれば、ワークWiにはワークWiの各外面Fごとに識別可能なマークとしての矢印Aiが付与される。このとき、矢印Aiは、方向性を示すことができるとともに非対称形に形成されている。そして、異なる種類のワークWiがランダムな順番およびランダムな姿勢で供給される製造ライン等において、ワーク載置部5に搬入されるワークWiに対して、その矢印Aiをカメラ12で撮像してマーク画像Pを得ることができる。そして、そのマーク画像Pを予め用意されている矢印Aiのマークマスタ画像Mと比較することができる。
(1)上述のワーク識別装置1を用いたワーク識別方法によれば、ワークWiにはワークWiの各外面Fごとに識別可能なマークとしての矢印Aiが付与される。このとき、矢印Aiは、方向性を示すことができるとともに非対称形に形成されている。そして、異なる種類のワークWiがランダムな順番およびランダムな姿勢で供給される製造ライン等において、ワーク載置部5に搬入されるワークWiに対して、その矢印Aiをカメラ12で撮像してマーク画像Pを得ることができる。そして、そのマーク画像Pを予め用意されている矢印Aiのマークマスタ画像Mと比較することができる。
そのため、矢印Aiの種類によって、ワークWiのどの外面Fがどの方向に向いているか、矢印Aの矢aの指し示す方向によってワークWiがどの方向に向いているか、マーク画像Pの矢印Aiとマークマスタ画像Mの矢印Aとの傾きの違いによってワークWiがどの方向にどれだけ傾いているか判断することができる。すなわち、マーク画像Pとマークマスタ画像Mとを比較するという簡単な作業でワークWiの姿勢を認識することができる。
そして、ステップS6の第2画像比較工程およびステップS7の種類判定工程で、予め用意された姿勢ごとのワークマスタ画像Nから認識された姿勢に対応するワークマスタ画像Ni(nx,ny,nz)を抽出してワーク画像Riと比較することによってワークWiの種類を認識することができる。その結果、CAD/CAMデータや輪郭関数等を使って複雑な演算処理を行わずにワークWiの種類や姿勢を認識することができる。従って、ワークWの種類の判別や姿勢の認識のための計算時間を短縮することができ、生産の効率化に寄与することができる。
(第2実施例)
ここで、第2実施例のワーク識別方法について説明する。なお、第2実施例は、第1実施例に対して、ワークWの各外面に付与するマークの様態が異なる例である。また、第1実施例と同様な構成および内容については、符号を等しくして説明を省略する。
ここで、第2実施例のワーク識別方法について説明する。なお、第2実施例は、第1実施例に対して、ワークWの各外面に付与するマークの様態が異なる例である。また、第1実施例と同様な構成および内容については、符号を等しくして説明を省略する。
(マークについて)
第2実施例におけるマークについて、図13を参照して説明する。図13は、ワークと第2実施例におけるマークを説明する図である。なお、ワークWiとしてワークW1を例にとり説明する。図13に示すように、第2実施例におけるワークW1は、第1実施例のワークW1と同様な形状を呈している。このワークW1の各外面Fには、マークDが付与されている。マークDは、第1実施例と同様に変形された矢印形状を呈している。マークDの矢印Eは、矢の矢羽に相当する部分が矢竹を中心にいずれか片側のみしか形成されていない。すなわち、マークDとしての矢印Eは非対称形に形成されている。
第2実施例におけるマークについて、図13を参照して説明する。図13は、ワークと第2実施例におけるマークを説明する図である。なお、ワークWiとしてワークW1を例にとり説明する。図13に示すように、第2実施例におけるワークW1は、第1実施例のワークW1と同様な形状を呈している。このワークW1の各外面Fには、マークDが付与されている。マークDは、第1実施例と同様に変形された矢印形状を呈している。マークDの矢印Eは、矢の矢羽に相当する部分が矢竹を中心にいずれか片側のみしか形成されていない。すなわち、マークDとしての矢印Eは非対称形に形成されている。
図13に示すワークW1には、天面F1、底面F2、前面F3、後面F4、右面F5、左面F6に対して、図4に示す矢印A1を基本として、それぞれ異なる色に着色され識別可能となった矢印Eが付与される。矢印Eは、例えば、矢印E1は赤色、矢印E2は青色、矢印E3は緑色、矢印E4は黄色、矢印E5は黒色、矢印E6は白色に着色され、それぞれ識別される。本実施例では、ワークW1の天面F1には矢印E1が、底面F2には矢印E2が、前面F3には矢印E3が、後面F4には矢印E4が、右面F5には矢印E5が、左面F6には矢印E6がそれぞれ付与される。
このとき、天面F1、底面F2には、矢印Eの矢aの向きが左面F6から右面F5に向かうように、前面F3、後面F4、右面F5、左面F6には、矢印Eの矢aの向きが底面F2から天面F1に向かうように付与される。また、天面F1、底面F2には矢印Eの矢羽根bが後面F4方向にあるように、前面F3、後面F4には矢印Eの矢羽根bが左面F6方向にあるように、右面F5、左面F6には前面F3方向にあるように付与される。すなわち、外面Fに付与された矢印Eの種類すなわち着色された色、矢aの方向および矢羽根bの向きを知ることによって、外面Fの種類、方向、向きを知ることができる。
以降、第1実施例で説明したマークマスタ画像Mの取得および姿勢判定方法を適用して、マークDが付与されたワークW1の姿勢を認識する。すなわち、第2実施例は、マークDとしての矢印E1〜6が矢羽根bの数の違いによって識別されるのではなく、着色された色の違いによって識別される点にある。
以下、本第2実施例の効果を記載する。
(1)上述のワーク姿勢認識方法によれば、ワークWにはそれぞれの外面Fごとに識別可能なマークDとして方向性を示すことができる非対称形かつ色違いの矢印Eが付与されている。そのため、矢印Eの色を識別することによってワークWのどの外面Fがどの方向に向いているか容易に判断することができる。そのため、1つのワークに付与されるマークDの形状を同じくすることができ、マークマスタ画像Mの種類(データ量)を低減することができる。従って、より短時間でワークWの姿勢を認識することができる。
(1)上述のワーク姿勢認識方法によれば、ワークWにはそれぞれの外面Fごとに識別可能なマークDとして方向性を示すことができる非対称形かつ色違いの矢印Eが付与されている。そのため、矢印Eの色を識別することによってワークWのどの外面Fがどの方向に向いているか容易に判断することができる。そのため、1つのワークに付与されるマークDの形状を同じくすることができ、マークマスタ画像Mの種類(データ量)を低減することができる。従って、より短時間でワークWの姿勢を認識することができる。
以上、本発明の実施形態について説明したが、上記実施形態に対しては、本発明の趣旨から逸脱しない範囲で様々な変形を加えることができる。例えば上記実施形態以外の変形例は、以下の通りである。
(第1変形例)上述の実施形態では、図7に示すステップS2のマーク&ワーク撮像工程において、ワークWiの各外面Fごとにマーク画像Pを取得する場合を例にとり説明したがこれに限定されない。第1変形例を説明する図である図14に示すように、供給されたワークWiをそのまま俯瞰してマーク画像Pを取得してもよい。すなわち、マーク画像Pとワーク画像Rを1つの画像として捉えてもよい。図14に示すマーク画像(ワーク画像)P0は、前面F3と右面F5との稜線の上部Qに図1に示すカメラ12を対向させて取得されている。このようにすることによって、天面F1に付与された矢印A1、前面F3に付与された矢印A3、および右面F5に付与された矢印A5が、1つのマーク画像P0に記録される。
また、マークマスタ画像Mの作成において、図1に示すカメラ12を用いてワークWiに付与されている各マークCを角度を変えて複数撮像し複数のマークマスタ画像Mを作成しておく。そして、図7に示すステップS4の第1画像比較工程では、取り込まれたマーク画像P0と第1マスタ画像格納部42に格納された複数のマークマスタ画像Mとを比較して、最も近い(一致度の高い)マークマスタ画像Mを抽出する。そして、マーク画像P0と抽出されたマークマスタ画像Mと一致度および差異を比較検証する。ステップS5の姿勢判定工程では、ステップS4の第1画像比較工程で得られたマーク画像Pとマークマスタ画像Mとの上述の比較検証結果により、ワークWiの姿勢を判断する。
そして、ステップS6の第2画像比較工程およびステップS7の種類判定工程では、第1実施例のワーク画像Riの代わりとしてマーク画像(ワーク画像)P0を用い、第2マスタ画像格納部43に格納されたワークマスタ画像Nとの比較処理およびワークWiの種類の判定処理を行う。この方法によれば、マーク&ワーク撮像工程S2においてマーク画像P0とワーク画像Riとを共通にすることができ、ワークWiの種類や姿勢を判定する時間を短縮したり作業を簡便にすることができる。
(第2変形例)上述の実施形態では、位置および個数の異なる矢羽根bの付いた矢印Aiを基本マークとして用いる場合を例にとり説明したが、これに限定されない。矢印Aiは、一例であり様々な変形、応用が考えられる。例えば、マークとして、矢印の変形例を示す図である図15に示すような矢印J,K,L等が適用され得る。すなわち、マークは、方向性を有するとともに非対称形に形成されていて、わずかな変形を加えることによってそれぞれが識別可能であればよい。なお、矢印J,K,Lは、それぞれ付与される線分の数によって識別される。また、マークは矢印に限定されない。これらの場合でも上述の実施形態と同様な効果を奏することができる。
(第3変形例)上述の実施形態では、ワークWiがベルトコンベア7等でワーク載置部5に搬入される場合を例にとり説明したが、これに限定されない。ワークWiは、例えば、トレイ等にいわゆるバラ積みされていてもよい。この場合でも上述の実施形態と同様な効果を奏することができる。
(第4変形例)上述の実施形態では、マークCとしての矢印AiがワークWiの各外面Fに印刷され付与されている場合を例にとり説明したが、これに限定されない。矢印Aiは、ラベルに印刷されそれぞれの外面Fに貼り付けられていてもよい。また、それぞれの外面Fに刻印されていてもよい。方向性を有するとともに非対称形に形成されていて、わずかな変形を加えることによってそれぞれが識別可能なマークが何らかの方法で付与されていればよい。また、上述の実施形態では、撮像手段としてのカメラ12がロボット10の一体として設けられている場合を例に説明したが、これに限定されない。生産ラインにおいてロボット10とワークWiとを俯瞰する位置に設けられていてもよい。これらの場合でも上述の実施形態と同様な効果を奏することができる。また、上述の実施形態で説明したワークWiの形状は、1例でありこれに限定されない。様々な応用変形が考えられる。
1…ワーク識別装置、5…ワーク載置部、7…ベルトコンベア、10…ロボット、12…撮像手段としてのカメラ、14…ロボットハンド、20…制御部、30…画像処理装置、32…画像入力部、34…第1画像比較処理部、35…第2画像比較処理部、36…カメラ位置制御部、40…記憶装置、42…第1マスタ画像格納部、43…第2マスタ画像格納部、50…コンピュータ、A,Ai,E,Ei(色)マークとしての矢印、C,D…マーク、F…外面、M…マークマスタ画像、N,Ni,Ni(nx,ny,nz)…ワークマスタ画像、S3…画像入力工程、S4…第1画像比較工程、S5…姿勢判定工程、S6…第2画像比較工程、S7…種類判定工程、P,P0…マーク画像、Ri…ワーク画像、Wi…ワーク、a…矢、b…矢羽根。
Claims (10)
- ランダムに供給される複数の種類のワークに対して作業を実施するロボットにおける前記ワークの種類および姿勢を認識するワーク識別方法であって、
前記ワークは、複数の外面を有し、外面ごとに、方向性を有するとともに識別可能なマークが付与されており、
前記ロボットは、少なくとも、前記マークおよび前記ワークを撮像する撮像手段と、
前記マークに対して、前記撮像手段により撮像されたマークマスタ画像を予め格納する第1マスタ画像格納手段と、
複数の種類の前記ワークに対して、前記撮像手段により撮像された前記ワークの姿勢ごとのワークマスタ画像を予め格納する第2マスタ画像格納手段と、を有し、
前記撮像手段により撮像されるマーク画像およびワーク画像を取り込む画像入力工程と、
取り込まれた前記マーク画像と前記第1マスタ画像格納手段に格納される前記マークマスタ画像とを比較して、前記マーク画像と前記マークマスタ画像との一致度もしくは差異を検出する第1画像比較工程と、
前記第1画像比較工程で得られた比較結果から前記ワークの姿勢を判定する姿勢判定工程と
前記姿勢判定工程で得られた判定結果の姿勢に対応する前記ワークマスタ画像を、前記第2マスタ画像格納手段から抽出して、取り込まれた前記ワーク画像と比較して、前記ワーク画像と前記ワークマスタ画像との一致度もしくは差異を検出する第2画像比較工程と、
前記第2画像比較工程で得られた比較結果から前記ワークの種類を判定する種類判定工程と、を有することを特徴とするワーク識別方法。 - 前記第1画像比較工程において、前記マーク画像と前記マークマスタ画像とを順次比較して、前記マーク画像と最大に一致する前記マークマスタ画像を検出して前記マークの種類を認識するとともに、前記マーク画像と前記マークマスタ画像との方向もしくは角度の違いを検出し、
前記姿勢判定工程では、前記マークの種類から前記撮像手段に対向する前記ワークの外面を認識し、前記マーク画像の方向もしくは角度の違いから、前記マークマスタ画像を取得したときの前記ワークの姿勢からの方向および角度を認識することを特徴とする請求項1に記載のワーク識別方法。 - 前記第2マスタ画像格納手段に格納される前記ワークマスタ画像は、複数の種類の前記ワークに対して、前記ワークの姿勢を一定の割合で変化させながら前記撮像手段により撮像されることを特徴とする請求項1または2に記載のワーク識別方法。
- 前記マークは、非対称の形状に形成されることを特徴とする請求項1乃至3のいずれか一項に記載のワーク識別方法。
- 前記マークは、前記ワークのそれぞれの外面ごとに色違いに付与されていることを特徴とする請求項1乃至4のいずれか一項に記載のワーク識別方法。
- ランダムに供給される複数の種類のワークに対して作業を実施するロボットにおける前記ワークの種類および姿勢を認識するワーク識別装置であって、
前記ワークは、複数の外面を有し、外面ごとに、方向性を有するとともに識別可能なマークが付与されており、
少なくとも、前記マークおよび前記ワークを撮像する撮像手段と、
前記マークに対して前記撮像手段により撮像されたマークマスタ画像を予め格納する第1マスタ画像格納部と、
複数の種類の前記ワークに対して、前記撮像手段により撮像された前記ワークの姿勢ごとのワークマスタ画像を予め格納する第2マスタ画像格納部と、
前記撮像手段により撮像されるマーク画像およびワーク画像を取り込む画像入力部と、
取り込まれた前記マーク画像と前記第1マスタ画像格納部に格納される前記マークマスタ画像とを比較して、前記マーク画像と前記マークマスタ画像との一致度もしくは差異を検出する第1画像比較部と、
前記第1画像比較部で得られた比較結果から前記ワークの姿勢を判定する姿勢判定部と、
前記姿勢判定部で得られた判定結果の姿勢に対応する前記ワークマスタ画像を、前記第2マスタ画像格納部から抽出して、取り込まれた前記ワーク画像と比較して、前記ワーク画像と前記ワークマスタ画像との一致度もしくは差異を検出する第2画像比較部と、
前記第2画像比較部で得られた比較結果から前記ワークの種類を判定する種類判定部と、を備えることを特徴とするワーク識別装置。 - 前記第1画像比較部において、前記マーク画像と前記マークマスタ画像とを順次比較して、前記マーク画像と最大に一致する前記マークマスタ画像を検出して前記マークの種類を認識するとともに、前記マーク画像と前記マークマスタ画像との方向もしくは角度の違いを検出し、
前記姿勢判定部では、前記マークの種類から前記撮像手段に対向する前記ワークの外面を認識し、前記マーク画像の方向もしくは角度の違いから、前記マークマスタ画像を取得したときの前記ワークの姿勢からの方向および角度を認識することを特徴とする請求項6に記載のワーク識別装置。 - 前記第2マスタ画像格納部に格納される前記ワークマスタ画像は、複数の種類の前記ワークに対して、前記ワークの姿勢を一定の割合で変化させながら前記撮像手段により撮像されることを特徴とする請求項6または7に記載のワーク識別装置。
- 前記マークは、非対称の形状に形成されることを特徴とする請求項6乃至8のいずれか一項に記載のワーク識別装置。
- 前記マークは、前記ワークのそれぞれの外面ごとに色違いに付与されていることを特徴とする請求項6乃至9のいずれか一項に記載のワーク識別装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008294153A JP2010122777A (ja) | 2008-11-18 | 2008-11-18 | ワーク識別方法およびワーク識別装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008294153A JP2010122777A (ja) | 2008-11-18 | 2008-11-18 | ワーク識別方法およびワーク識別装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2010122777A true JP2010122777A (ja) | 2010-06-03 |
Family
ID=42324084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008294153A Withdrawn JP2010122777A (ja) | 2008-11-18 | 2008-11-18 | ワーク識別方法およびワーク識別装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2010122777A (ja) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013122013A1 (ja) * | 2012-02-16 | 2013-08-22 | 株式会社日立ハイテクノロジーズ | 自動分析装置の調整システム、及び自動分析装置の調整方法 |
JP2015003284A (ja) * | 2013-06-19 | 2015-01-08 | ヤンマー株式会社 | 選別装置 |
JP2018130789A (ja) * | 2017-02-14 | 2018-08-23 | いすゞ自動車株式会社 | マニピュレータおよび搬送物の判定方法 |
US10596707B2 (en) | 2017-08-03 | 2020-03-24 | Fanuc Corporation | Article transfer device |
JP2020055671A (ja) * | 2018-10-01 | 2020-04-09 | 宮川工機株式会社 | 板状部品移動装置、板状部品移動装置の制御装置、及び、板状部品移動プログラム |
JPWO2018230517A1 (ja) * | 2017-06-13 | 2020-04-23 | 川崎重工業株式会社 | 作業システム |
JP2020125935A (ja) * | 2019-02-01 | 2020-08-20 | 株式会社小野測器 | 計測システム |
CN111626301A (zh) * | 2020-05-07 | 2020-09-04 | 北京海益同展信息科技有限公司 | 一种图像筛选方法、装置、电子设备及存储介质 |
KR102491420B1 (ko) * | 2021-08-20 | 2023-01-26 | 김상훈 | 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법 |
-
2008
- 2008-11-18 JP JP2008294153A patent/JP2010122777A/ja not_active Withdrawn
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013122013A1 (ja) * | 2012-02-16 | 2013-08-22 | 株式会社日立ハイテクノロジーズ | 自動分析装置の調整システム、及び自動分析装置の調整方法 |
CN104105970A (zh) * | 2012-02-16 | 2014-10-15 | 株式会社日立高新技术 | 自动分析装置的调整系统以及自动分析装置的调整方法 |
JPWO2013122013A1 (ja) * | 2012-02-16 | 2015-05-11 | 株式会社日立ハイテクノロジーズ | 自動分析装置の調整システム、及び自動分析装置の調整方法 |
US10041963B2 (en) | 2012-02-16 | 2018-08-07 | Hitachi High-Technologies Corporation | System for adjusting automatic analysis, method for adjusting automatic analysis |
JP2015003284A (ja) * | 2013-06-19 | 2015-01-08 | ヤンマー株式会社 | 選別装置 |
JP2018130789A (ja) * | 2017-02-14 | 2018-08-23 | いすゞ自動車株式会社 | マニピュレータおよび搬送物の判定方法 |
JPWO2018230517A1 (ja) * | 2017-06-13 | 2020-04-23 | 川崎重工業株式会社 | 作業システム |
JP7145851B2 (ja) | 2017-06-13 | 2022-10-03 | 川崎重工業株式会社 | 作業システム |
US10596707B2 (en) | 2017-08-03 | 2020-03-24 | Fanuc Corporation | Article transfer device |
JP2020055671A (ja) * | 2018-10-01 | 2020-04-09 | 宮川工機株式会社 | 板状部品移動装置、板状部品移動装置の制御装置、及び、板状部品移動プログラム |
JP7160270B2 (ja) | 2018-10-01 | 2022-10-25 | 宮川工機株式会社 | 板状部品移動装置、板状部品移動装置の制御装置、及び、板状部品移動プログラム |
JP2020125935A (ja) * | 2019-02-01 | 2020-08-20 | 株式会社小野測器 | 計測システム |
JP7229034B2 (ja) | 2019-02-01 | 2023-02-27 | 株式会社小野測器 | 計測システム |
CN111626301A (zh) * | 2020-05-07 | 2020-09-04 | 北京海益同展信息科技有限公司 | 一种图像筛选方法、装置、电子设备及存储介质 |
CN111626301B (zh) * | 2020-05-07 | 2023-09-26 | 京东科技信息技术有限公司 | 一种图像筛选方法、装置、电子设备及存储介质 |
KR102491420B1 (ko) * | 2021-08-20 | 2023-01-26 | 김상훈 | 인공지능 학습 기반의 동적 플레이트를 이용한 비전 검사를 위한 비전 검사 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2010122777A (ja) | ワーク識別方法およびワーク識別装置 | |
EP3550470B1 (en) | Object recognition processing apparatus and method, and object picking apparatus and method | |
CN102164718B (zh) | 工件取出方法 | |
JP2019063984A (ja) | 情報処理装置、方法及びロボットシステム | |
US9415511B2 (en) | Apparatus and method for picking up article randomly piled using robot | |
JP5835926B2 (ja) | 情報処理装置、情報処理装置の制御方法、およびプログラム | |
US7280687B2 (en) | Device for detecting position/orientation of object | |
WO2015037178A1 (ja) | 姿勢推定方法及びロボット | |
US20150246778A1 (en) | Device and method of arraying articles by using robot, and article transfer system | |
US20130054030A1 (en) | Object gripping apparatus, object gripping method, and object gripping program | |
JP6703812B2 (ja) | 3次元物体検査装置 | |
JP2017091079A5 (ja) | ||
JP5088278B2 (ja) | 物体検出方法と物体検出装置およびロボットシステム | |
JPWO2009028489A1 (ja) | 物体検出方法と物体検出装置およびロボットシステム | |
US20150262012A1 (en) | Object picking system, object detecting device, object detecting method | |
JP2008087074A (ja) | ワーク取り出し装置 | |
US20210023718A1 (en) | Three-dimensional data generation device and robot control system | |
US9824451B2 (en) | Camera pose estimation | |
JP2012030320A (ja) | 作業システム、作業ロボット制御装置および作業プログラム | |
CN112509145B (zh) | 基于三维视觉的物料分拣方法和装置 | |
JP2008217544A (ja) | 物体検出方法、物体検出装置、及びそれを備えたロボット | |
JP5476943B2 (ja) | 姿勢認識方法およびこの方法を用いた3次元視覚センサ | |
TWI675000B (zh) | 物件運送方法及系統 | |
JP2010243405A (ja) | 画像処理用マーカー、それが表示された対象物の位置及び姿勢を検出するための画像処理装置及び画像処理プログラム | |
WO2020157875A1 (ja) | 作業座標作成装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110926 |
|
A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20120302 |