18. Выбор деталей из контейнера
В этой главе мы объединим некоторые из рассмотренных ранее методов, чтобы попытаться построить завершенную систему глаз — рука. Мы будем управлять роботом (рукой) так, чтобы он выбирал объекты из некоторой совокупности объектов, используя информацию, полученную с помощью камеры (глаза). Такая замкнутая циклическая система представляет собой интересную модель для проверки алгоритмов машинного зрения. Будем считать, что если система успешно взаимодействует со средой, используя визуальную информацию, то та часть системы, которая относится к машинному видению, работает правильно. Это существенно более исчерпывающий тест, чем представление результата на экране дисплея в графической форме. Интерпретатор-человек может поддаться соблазну считать, что система справляется с поставленной задачей просто потому, что его собственный глаз и мозг обладают замечательной способностью интегрировать изображаемую на дисплее информацию.
Другой причиной рассмотрения проблем, аналогичных проблеме выбора из совокупности объектов, является то, что их решение представляет практический интерес. Одним из оставшихся препятствий массового распространения промышленных роботов является их неспособность работать с деталями, которые не точно позиционированы. В случае ручной сборки компоненты сборки часто подаются в контейнерах, но работающие автоматизированные системы требуют самостоятельных подающих механизмов, которые доставляли бы детали в точно определенном и тщательно контролируемом положении. Здесь мы покажем, какие методы предоставляет машинное видение для автоматического управления механическим манипулятором с целью последовательного выбора объектов из груды объектов.
Всегда интересно рассматривать теоретические результаты с практической точки зрения. При этом много сил приходится затрачивать на такие моменты, которые с первого взгляда не кажутся существенными. Например, приходится учитывать то. что проекции изображений не являются ортогональными, источники света не удалены в бесконечность и датчик не обладает равномерной чувствительностью. Усилия по реализации никогда не пропадают бесследно, и мы здесь также получим некоторые уроки при более точном их описании.
18.1. Общий обзор метода
Положение подлежащего выбору объекта определяется с помощью гистограммы ориентации частей видимой поверхности. Ориентация поверхности в свою очередь определяется с помощью стереофотометрического метода, применяемого к серии изображений. Эти изображения получаются с помощью одной и той же камеры, но при разном освещении. Получаемая в результате игольчатая диаграмма описывает ориентации частей поверхности, соответствующих элементам на изображении (рис. 18.1).
Затем игольчатая диаграмма проектируется на мозаичную единичную сферу для формирования гистограммы ориентации, которая является дискретной аппроксимацией расширенного гауссового образа (рис. 18.2). Ее можно сопоставить с синтетической гистограммой
Рис. 18.1. (см. скан) Информация об ориентации поверхности, полученная стереофотометрическим или каким-либо другим методом. Ее можно визуализировать в форме игольчатой диаграммы. Представленная здесь игольчатая диаграмма наклоненного тора получена с помощью стереофотометрического метода. (Рисунок любезно предоставлен Катсуши Икеучи.)
Рис. 18.2. (см. скан) Гистограмма ориентации, представленная в виде набора шипов. Их длина пропорциональна значениям счетчиков в каждом элементе выбранною мозаичного разбиения сферы. Представленная здесь гистограмма ориентации получена на основе игольчатой диаграммы тора. Относительно длинные векторы внизу и вверху соответствуют тому направлению оси тора, вдоль которого наблюдаются особенности расширенного гауссова образа.
ориентации, полученной по прототипу модели объекта. Такие модели можно взять из базы данных системы автоматизированного проектирования (САПР). Таким образом, рассматриваемый метод требует описания формы объекта, но ограничений на тип объектов не накладывает.
