Das richtige 3D-Vision-System für Ihre industrielle Automatisierung wählen

Grundlegende Parameter, auf die Sie achten sollten

Maschinensicht ist eine der treibenden Kräfte der industriellen Automatisierung. Lange wurde sie primär durch Verbesserungen in der 2D-Bilderfassung vorangetrieben, und für einige Anwendungen sind 2D-Methoden immer noch eine optimale Wahl.

Die meisten Herausforderungen, denen sich Maschinensicht heute stellt, haben jedoch einen 3D-Charakter. Daher betrachtet dieser Artikel die Methoden, die 3D-Vision-Systeme befähigen, eine 3D-Oberfläche zu erfassen.

Obwohl der Markt eine breite Palette an 3D-Sensorlösungen bietet, muss man die Unterschiede zwischen ihnen und ihre Eignung für spezifische Anwendungen verstehen. Es ist wichtig zu realisieren, dass es letztlich unmöglich ist, eine optimale Lösung zu entwickeln, die alle Bedürfnisse befriedigt.

Dieser Artikel konzentriert sich auf die wichtigsten Parameter von 3D-Vision-Systemen, die man bei der Auswahl einer Lösung für eine spezifische Anwendung berücksichtigen sollte, und auf die Trade-offs, wenn einige Parameter besonders hoch sind. Jeder Parameter wird in 5 Stufen unterteilt, um einen besseren Vergleich der einzelnen Technologien und der Möglichkeiten, die sie bieten, zu ermöglichen.

Unser nächster Artikel wird die 3D-Sensing-Technologien im Detail betrachten und ihre Vor- und Limitationen in Bezug auf die Scanparameter diskutieren.

Die Technologien, die 3D-Vision-Systeme antreiben, lassen sich in folgende Kategorien unterteilen:

A. Time-of-Flight

• Area Scan
• LiDAR

B. Triangulationsbasierte Methoden

• Lasertriangulation (oder Profilometrie)
• Photogrammetrie
• Stereo Vision (passiv und aktiv)
• Strukturiertes Licht (ein Frame, mehrere Frames)
• Die neue „Parallel Structured Light“-Technologie

Parameter

Scanvolumen

Ein typisches Betriebsvolumen eines Systems für Metrologieanwendungen beträgt ca. 100 mm x 100 mm x 20 mm, während die Standardanforderung für Bin-Picking-Lösungen ca. 1 m³ beträgt. Dies mag wie eine einfache Parameteränderung aussehen, jedoch können unterschiedliche Technologien bei unterschiedlichen Betriebsvolumen brillieren.

Während die Erweiterung des Bereichs in XY-Richtung eher mit dem Sichtfeld (FOV) eines Systems zusammenhängt und durch ein breiteres Objektiv erweitert werden kann, bringt eine Erweiterung in Z-Richtung das Problem mit sich, ein Objekt im Fokus zu halten. Dies nennt man Tiefenschärfe. Je tiefer die Tiefenschärfe sein muss, desto kleiner muss die Blende der Kamera (oder des Projektors) sein. Dies begrenzt die Anzahl der Photonen, die den Sensor erreichen, stark und limitiert somit den Einsatz einiger Technologien für größere Tiefenbereiche.

Wir können fünf Kategorien basierend auf dem Tiefenbereich definieren:

1. Sehr klein: bis 50 mm

2. Klein: bis 500 mm

3. Mittel: bis 1500 mm

4. Groß: bis 4 m

5. Sehr groß: bis 100 m

Während der Tiefenbereich einer Kamera durch Verkleinerung der Blende erweitert werden kann, wird dies die Menge des erfassten Lichts begrenzen (sowohl von der Lichtquelle in einem aktiven System als auch von der Umgebungsbeleuchtung). Ein komplexeres Problem ist die Erweiterung des Tiefenbereichs eines aktiven Projektionssystems, wo die Verkleinerung der Blende nur das Signal, nicht aber die Umgebungsbeleuchtung limitiert. Hier exzellieren laserbasierte Projektionssysteme (wie die von Photoneos 3D-Sensoren), da sie große und praktische Volumen für Roboteranwendungen erreichen können.

Datenerfassungs- & Verarbeitungszeit

Eine der wertvollsten Ressourcen im 3D-Scannen ist Licht. So viele Photonen wie möglich von einer korrekten Lichtquelle in Pixel zu bekommen, ist essenziell für ein gutes Signal-Rausch-Verhältnis der Messung. Dies kann eine Herausforderung für Anwendungen mit begrenzter Erfassungszeit sein.

Ein weiterer wichtiger Zeitfaktor ist die Fähigkeit einer Technologie, Objekte in Bewegung ohne Anhalten zu erfassen (Objekte auf einem Förderband, Sensoren an einem bewegten Roboter etc.). Bei dynamischen Szenen sind nur „One-Shot-Ansätze“ anwendbar (in unserem Datenerfassungszeit-Parameter mit Score 5 markiert). Andere Ansätze erfordern mehrere Frames zur Erfassung einer 3D-Oberfläche; bewegt sich das gescannte Objekt oder der Sensor, wäre die Ausgabe verzerrt.

Ein weiterer Aspekt im Zusammenhang mit der Zykluszeit ist, ob eine Anwendung reaktiv ist und ein sofortiges Ergebnis erfordert (z. B. smarte Robotik, Sortierung etc.) oder ob eine spätere Ergebnislieferung ausreicht (z. B. Offline-Metrologie, Rekonstruktion eines Fabrikgrundrisses, Digitalisierung eines Tatorts).

Generell gilt: Je länger die Erfassungszeit, desto höher die Qualität, und umgekehrt. Wenn ein Kunde kurze Zeit und hohe Qualität verlangt, ist die „Parallel Structured Light“-Methode die optimale Lösung.

Datenerfassungszeit:

1. Sehr hoch: Minuten und mehr

2. Hoch: ~5 s

3. Mittel: ~2 s

4. Kurz: ~500 ms

5. Sehr kurz: ~50 ms

Datenverarbeitungszeit:

1. Sehr hoch: Stunden und mehr

2. Hoch: ~5 s

3. Mittel: ~2 s

4. Kurz: ~500 ms

5. Sehr kurz: ~50 ms

Auflösung

Auflösung ist die Fähigkeit eines Systems, Details zu erkennen. Hohe Auflösung ist notwendig für Anwendungen, bei denen kleine 3D-Merkmale innerhalb eines großen Betriebsvolumens vorhanden sind.

Die größte Herausforderung bei der Erhöhung der Auflösung in allen kamerabasierten Systemen ist die Abnahme der Lichtmenge, die einzelne Pixel erreicht. Stellen Sie sich eine Apfelsortieranwendung auf einem Förderband vor. Zunächst ist nur die Apfelgröße der Sortierparameter. Der Kunde möchte jedoch möglicherweise auch das Vorhandensein eines Stiels prüfen. Die Datenanalyse würde zeigen, dass man die Objektabtastrate verdoppeln muss, um die notwendigen Daten zu erhalten.

Um die Objektabtastrate zu verdoppeln, muss die Auflösung des Bildsensors um den Faktor vier steigen. Dies begrenzt die Lichtmenge um den Faktor vier (derselbe Lichtstrom wird auf vier Pixel aufgeteilt). Der knifflige Teil ist, dass wir die Tiefenschärfe des ursprünglichen Systems beibehalten müssen. Dazu müssen wir die Blende verringern, was das Licht um einen weiteren Faktor vier limitiert. Das bedeutet, um Objekte in derselben Qualität zu erfassen, müssen wir sie entweder sechzehnmal länger belichten oder sechzehnmal stärkere Lichtquellen haben. Dies begrenzt die maximal mögliche Auflösung von Echtzeitsystemen stark.

Als Faustregel: Nutzen Sie die minimal erforderliche Auflösung, um gescannte Objekte schnell zu erfassen. Sie sparen auch Zeit durch kürzere Verarbeitungszeit. Als Alternative haben einige Geräte (z. B. Photoneos PhoXi 3D Scanner) die Fähigkeit, zwischen mittlerer und hoher Auflösung zu wechseln, um den Bedürfnissen einer Anwendung gerecht zu werden.

5 Kategorien gemäß durchschnittlicher 3D-Punkte pro Messung, oder XY-Auflösung:

1. Sehr klein: ~100k Punkte

2. Klein: ~300k Punkte (VGA)

3. Mittel: ~1M Punkte

4. Hoch: ~4M Punkte

5. Erweitert: ~100M Punkte

Genauigkeit & Präzision

Genauigkeit ist die Fähigkeit eines Systems, Tiefeninformationen abzurufen. Während einige Technologien skalierbar sind, um präzise Messungen zu erhalten (wie die meisten Triangulationssysteme), sind andere es aufgrund physikalischer Limitationen nicht (wie Time-of-Flight-Systeme).

Wir nennen dies Tiefenauflösung:

1. Sehr klein: >10 cm

2. Klein: ~2 cm

3. Mittel: ~2 mm

4. Hoch: ~250 µm

5. Sehr hoch: ~50 µm

Robustheit

Robustheit bezieht sich auf die Fähigkeit eines Systems, hochwertige Daten unter verschiedenen Beleuchtungsbedingungen zu liefern. Einige Systeme verlassen sich beispielsweise auf externes Licht (wie Sonnenlicht oder Innenbeleuchtung) oder können nur innerhalb begrenzter Umgebungslichtpegel betrieben werden (Licht, das nicht Teil des Systembetriebs ist). Umgebungslicht erhöht die von internen Sensoren gemeldeten Intensitätswerte und erhöht das Messrauschen.

Viele Ansätze versuchen, durch Mathematik (wie Black-Level-Subtraktion) höhere Resistenz zu erreichen, aber diese Techniken sind eher begrenzt. Das Problem liegt in einem spezifischen Rauschen, dem „Shot Noise“ oder „Quantenrauschen“. Das bedeutet, dass wenn im Durchschnitt zehntausend Photonen ein Pixel erreichen, die Quadratwurzel dieser Zahl – hundert – die Standardabweichung der Unsicherheit ist.

Das Problem liegt im Pegel der Umgebungsbeleuchtung. Wenn das „Shot Noise“, verursacht durch Umgebungsbeleuchtung, die Signallevel der aktiven Beleuchtung des Systems übersteigt, sinkt die scheinbare Datenqualität. Anders ausgedrückt: Die Umgebungsbeleuchtung bringt ein unnötiges Rauschen mit, das schließlich das nützliche Signal überlagern und somit die finale 3D-Datenqualität stören kann.

Lassen Sie uns externe Bedingungen definieren, unter denen ein Gerät betrieben werden kann:

1. Innenraum, dunkler Raum

2. Innenraum, abgeschirmtes Betriebsvolumen

3. Innenraum, starke Halogenlampen und Milchglasfenster

4. Außenbereich, indirektes Sonnenlicht

5. Außenbereich, direktes Sonnenlicht

Bei der Robustheit des Scannens verschiedener Materialien ist der entscheidende Faktor die Fähigkeit, mit Interreflexionen zu arbeiten:

1. Diffuse, gut texturierte Materialien (Felsen, …)

2. Diffuse Materialien (weiße Wand)

3. Halbglänzende Materialien (eloxiertes Aluminium)

4. Glänzende Materialien (polierter Stahl)

5. Spiegelflächen (Chrom)

Design & Konnektivität

Es gibt mehrere Faktoren, die die physische Robustheit von 3D-Vision-Systemen beeinflussen und ihre hohe Leistung auch in anspruchsvollen industriellen Umgebungen sicherstellen. Dazu gehören thermische Kalibrierung, Stromversorgungsoptionen wie PoE (Power over Ethernet) & 24 V, und eine angemessene IP-Schutzart, wobei industrielle 3D-Scanner mindestens IP65 anstreben sollten.

Weitere Faktoren sind Gewicht und Größe eines Geräts, die seinen Einsatz in manchen Anwendungen limitieren. Eine leichte, kompakte, aber leistungsstarke Lösung ermöglicht die Montage praktisch überall. Deshalb verfügt der PhoXi 3D Scanner über einen Carbonfaser-Körper. Neben thermischer Stabilität bietet er geringes Gewicht auch für Systeme mit längerer Baseline.

1. Sehr schwer: >20 kg

2. Schwer: ~10 kg

3. Mittel: ~3 kg

4. Leicht: ~1 kg

5. Sehr leicht: ~300 g

Preis-Leistungs-Verhältnis

Der Preis eines 3D-Vision-Systems ist ein weiterer wichtiger Parameter. Eine Anwendung muss dem Kunden Wert bringen. Sie kann entweder ein kritisches Problem lösen (möglicherweise ein Großbudget-Projekt) oder einen Prozess ökonomischer machen (budgetsensitiv).

Einige Preisaspekte sind an bestimmte Technologien gebunden, andere werden durch Produktionsvolumen oder angebotene Services und Support definiert. In den letzten Jahren hat der Consumermarkt günstige 3D-Sensing-Technologien durch Massenproduktion gebracht. Andererseits bringen solche Technologien Nachteile wie fehlende Anpassungs- und Upgrade-Möglichkeiten, Robustheit, Produktlinienverfügbarkeit und begrenzten Support mit sich.

3D-Vision-Technologien basierend auf ihrem Preis:

1. Sehr hoch: ~100.000 EUR

2. Hoch: ~25.000 EUR

3. Mittel: ~10.000 EUR

4. Niedrig: ~1.000 EUR

5. Sehr niedrig: ~200 EUR

Nun kennen Sie die grundlegenden Parameter von 3D-Vision-Systemen und die Rolle, die jeder in spezifischen Anwendungen und für verschiedene Zwecke spielt.

Unser nächster Artikel wird erklären, wie die einzelnen 3D-Sensing-Technologien in Bezug auf diese Parameter abschneiden, was die grundlegenden Unterschiede zwischen ihnen sind und was ihre Limitationen sowie Vorteile sind.