C122_Automatización para la Industria 4.0

15 ESPECIAL ROBÓTICA bien en un determinado escena- rio y con ciertos equipos, pero puede no funcionar para una aplicación dife- rente. El sistema InPicker es compatible con múlti- ples tecnologías de análisis de imagen y visión artificial 2D/3D como la estereoscopía pasiva, la estereoscopía activa, la triangulación láser o “fringe pro- jection” para detectar y localizar los objetos. Gracias a este enfoque flexible y universal, InPicker puede integrarse fácilmente en cualquier sistema de control de calidad exis- tente. Además, el software ofrece un asistente de configuración intuitivo y fácil de usar y una herramienta de calibración automática, lo que sim- plifica la gestión del proceso para los usuarios sin experiencia previa en visión artificial. Gracias a un alto nivel de personalización, se pueden añadir fácilmente nuevas funciona- lidades para satisfacer determinadas demandas de las aplicaciones. El sistema es compatible e interac- túa directamente con los principales robots industriales y colaborativos del mercado, incluidos los robots móviles autónomos (AMR) para una mayor flexibilidad y movilidad. La solución móvil de InPicker (InPicker Mobile) es un innovador sistema universal de pick & place embarcado en un AMR, capaz de procesar material distri- buido aleatoriamente en ubicaciones no organizadas, a la vez que traslada productos parcialmente acabados de una línea de fabricación a otra. InPicker Mobile elige la ruta más efi- ciente y libre de colisiones hacia el destino en la línea de montaje. Los tiempos de picking rápidos, sin errores ni interrupciones, permiten un rápido retorno de la inversión. La mayoría de los sistemas industria- les de Bin Picking trabajan con un conjunto de puntos de agarre pre- definidos para un modelo CAD de objetos conocidos y utilizan la visión para estimar la posición de los obje- tos con el fin de extraerlos con una pinza construida específicamente. En la actualidad, la investigación se centra en piezas desconocidas en entornos desordenados y en el uso de algoritmos de aprendizaje para su extracción. Dado que InPicker está diseñado para trabajar en aplicaciones industriales, los modelos CAD suelen estar dis- ponibles especialmente en sectores como la automoción o la electrónica. Sin embargo, a veces no es suficiente trabajar con un archivo CAD o incluso no disponemos de modelos en ciertos casos. Por ejemplo, algunos objetos o piezas se ajustan al modelo CAD original cuando se fabrican, pero pueden rom- perse o deformarse tras ser apilados y transportados. Otros elementos deformables o naturales, como la fruta, la carne o los mine- rales, no tienen un modelo CAD. InPicker puede trabajar con o sin modelos CAD de los objetos. El algoritmo de matching 3D deter- mina la posición y orientación de todas las instancias del objeto que se encuentran en la escena com- probando sus características y comparándolas con el modelo CAD del objeto ideal. Para los casos donde no existe unmodelo CAD disponible, InPicker ha añadido nuevos algoritmos de preproce- samiento y búsqueda sinmodelo, así como el matching de formas primitivas (cilindros, esferas, cajas, Matching de objetos sin modelo CAD y picking de objetos desconocidos. etc.) que mejoran la configuración del modelo del objeto y aumentan la velocidad de búsqueda. Además, InPicker emplea algoritmos de Deep Learning para la detec- ción y localización de objetos desconocidos sin CAD. En aplicaciones de Bin Picking, el Deep Learning ofrece una ventaja sobre los enfoques tradicionales de visión artificial, que tienen dificultades para apreciar la variabilidad y la desviación entre piezas muy similares visualmente: cuando toda la escena está llena de instancias del mismo objeto, una simple segmen- tación no es suficiente, ya que todos los píxeles de la escena pertenecen a la misma categoría. La capacidad de ofrecer un conjunto de características únicas de hardware preconfigurado con el software InPicker satisface las necesidades actuales y futuras de los usuarios finales. 