Automatic Robot Path Planning for Visual Inspection from Object Shape

要約

目視検査は、さまざまな業界で重要だが時間のかかる作業です。
確立された多くの方法では検査タスクに機械学習が採用されており、モデルのトレーニングに不可欠な事前定義された検査ポーズやトレーニング画像を含む特定のトレーニング データが必要です。
このようなデータの取得と検査フレームワークへの統合は、関係するオブジェクトやシーンが多様であること、および人間によるトレーニング データの手動収集によって引き起こされる追加のボトルネックにより困難であるため、さまざまな領域にわたる目視検査の自動化が妨げられます。
この研究では、ロボット マニピュレータに取り付けられた単一の深度カメラを使用した自動経路計画のソリューションを提案します。
深度画像から取得された点群は処理およびフィルタリングされてオブジェクトのプロファイルが抽出され、ロボットのエンドエフェクターの検査対象パスに変換されます。
このアプローチはオブジェクトの形状に依存し、表面に垂直な形状に従う検査パスを生成します。
オブジェクトのサイズと形状に応じて、検査パスは単一パス プランまたはマルチパス プランとして定義できます。
結果はシミュレーション環境と現実世界の両方の環境で実証され、さまざまなサイズや形状のオブジェクトに対して有望な検査パスが得られます。
コードとビデオはオープンソースで、https://github.com/CuriousLad1000/Auto-Path-Planner から入手できます。

要約(オリジナル)

Visual inspection is a crucial yet time-consuming task across various industries. Numerous established methods employ machine learning in inspection tasks, necessitating specific training data that includes predefined inspection poses and training images essential for the training of models. The acquisition of such data and their integration into an inspection framework is challenging due to the variety in objects and scenes involved and due to additional bottlenecks caused by the manual collection of training data by humans, thereby hindering the automation of visual inspection across diverse domains. This work proposes a solution for automatic path planning using a single depth camera mounted on a robot manipulator. Point clouds obtained from the depth images are processed and filtered to extract object profiles and transformed to inspection target paths for the robot end-effector. The approach relies on the geometry of the object and generates an inspection path that follows the shape normal to the surface. Depending on the object size and shape, inspection paths can be defined as single or multi-path plans. Results are demonstrated in both simulated and real-world environments, yielding promising inspection paths for objects with varying sizes and shapes. Code and video are open-source available at: https://github.com/CuriousLad1000/Auto-Path-Planner

arxiv情報

提供元, 利用サービス

arxiv.jp, Google