IC4 - TransVision

In der Intralogistik werden Roboter beispielsweise zur Depalettierung von verpackten Getränke-Gebinden eingesetzt. Bei der Erkennung der Gebindegrenzen zur Ermittlung von Greifpunkten für den Roboter spielt das Material der Oberfläche eine große Rolle. Transparente Oberflächen können nicht durch eine Standard-Reflektionserkennung erkannt werden, da von ihnen zu wenig Licht reflektiert wird. Daher funktionieren klassische Ansätze der Lasermesstechnik wie die Streifenprojektion nicht.

Ziel

Das Projekt beschäftigte sich mit der Entwicklung eines innovativen Sensorkonzepts zur Lokalisierung von teiltransparenten Gebinden (z.B. PET-Flaschen) auf Paletten. Ziel war es, diese für einen Roboter so zu erkennen, dass eine automatisierte und präzise Depalettierung möglich wird. Das besondere Problem bestand darin, dass klassische Sensorlösungen wie Lasersysteme bei transparenten Materialien aufgrund mangelnder Reflexion oft versagen.

Lösungansätze

Während der Projektarbeit wurden drei Lösungsansätze zur Detektion transparenter Gebinde untersucht:

1. Thermographiekameras: Diese Technologie nutzte Infrarotstrahlung, um die Kanten von PET-Gebinden sichtbar zu machen. Aufgrund von Störungen durch die kühlende Wirkung der Flüssigkeit in den Flaschen wurde dieser Ansatz jedoch nicht weiterverfolgt.
2. 2D-Abstandssensoren: Dieser Ansatz setzte auf Ultraschallsensoren, die jedoch Schwierigkeiten bei der genauen Erkennung nebeneinanderstehender Gebinde aufwiesen.
3. 3D-Rekonstruktion von nicht transparenten Bereichen: Dieser Ansatz, der schließlich zum Erfolg führte, identifizierte nicht-transparente Bereiche der Gebinde, wie Flaschendeckel oder Etiketten, und rekonstruierte die Positionen mithilfe eines auf künstlicher Intelligenz (KI) basierenden Algorithmus.

Ergebnisse

Der erfolgreich eingesetzte Ansatz basiert auf einem 3D-Streifenprojektionsverfahren, das nicht-transparente Bereiche der Gebinde erkennt. Der entwickelte KI-Algorithmus identifiziert anhand von etwa 20 realen Aufnahmen die Gebinde und ergänzt diese durch ca. 1000 virtuelle Trainingsdaten. Dadurch kann der Roboter die Greifpunkte der Flaschen mit einer Erfolgsquote von 98 % zuverlässig berechnen.

Zur Validierung der Ergebnisse wurde ein Demonstrator aufgebaut, der die Funktionsweise in realen Anwendungsszenarien erfolgreich zeigte. Die Resultate wurden auf Messen und Veranstaltungen des InnovationsCampus Mobilität der Zukunft vorgestellt, was bei potenziellen Partnern aus der Industrie großes Interesse weckte.

Zukunftsperspektiven

Die Forschungsergebnisse werden aktuell von der Firma PremiumRobotics weiterentwickelt, um sie in kommerziellen Anwendungen zu integrieren. Ein Folgeprojekt, das sich mit der vollständigen Erkennung transparenter Bereiche beschäftigt, ist bereits in Planung.