Mehatronika 2- Kompijuterska Vizija Brčaninović Zijad

UNIVERZITET U TUZLI – MAŠINSKI FAKULTET

S E M I N A R S K I R A D

TEMA: Kompijuterska vizijaPREDMET: Osnovi Mehatronike 2

Ime i prezime: Zijad BrčaninovićBroj indeksa: III-71/05Odsjek: MehatronikaDatum: 8. 06. 2012. godine

Kopmijuterska vizija Brčaninović Zijad

Sadržaj

1.0 Uvod - Osnovni pojmovi......................................................................................................4

2.0 Koncept vještačke vizije.......................................................................................................5

2.1. Procesiranje slike.............................................................................................................5

2.2. Klasifikacija likova..........................................................................................................6

2.3. Analiza scene...................................................................................................................7

3.0. Primjena sistema vizije u robotici........................................................................................9

3.1. Kontrola kvaliteta.............................................................................................................9

3.2. Vođenje robota...............................................................................................................11

4.0 Karakteristike senzora vizije...............................................................................................13

4.1. Principi gradnje..............................................................................................................13

4.2. Tehnike osvetljavanja....................................................................................................14

5.0. Elektronske kamere............................................................................................................16

5.1. Poluprovodničke (CCD) kamere....................................................................................16

5.2. Adaptacija komercijalnih kamera..................................................................................19

6.0. Zaključak............................................................................................................................21

Literatura...................................................................................................................................22

___________________________________________________________________________2


POPIS SLIKA

Slika 1. Hijerarhijska organizacija vještačke vizijeSlika 2. Prepoznavanje na bazi geometrije ivica: a) tipovi tIemena, b) primJer označavanja ivica i tjemena na prizmatičnom tijeluSlika 3. Kamere za kontrolu vizije, kontrola dimenzija (lijevo), kontrola ispunjenosti boce (desno)Slika 4. Kontrola: a) dimenzija proizvoda na traci, b) štampanih pločaSlika 5. Kontrola štampane ploče – detektovan kratki spojSlika 6. Primjena vještačke vizije u vođenju robota za uzimanje određenog elemenata iz gomileSlika 7. Strukturna blok−šema senzora vizijeSlika 8. Tehnike osvjetljavanja: a) direktna metoda, b) ogledalo satamnim defektima (poljima), c) ogledalo sa svijetlim defektima , d) optičkidjelitelj, e) formiranje senki, f) difuzor, g) kondenzator, h) kolimator, i)retroreflektor, j) strukturno svetloSlika 9. Fotodioda: a) rad u režimu akumulacije fotonaelektrisanja, b)fotodioda i FET, c) fotodioda kao deo FET−a, d) tankoslojna fotodioda iFETSlika 10. MOS kondenzator kao fotoelement: a) presek, b) šematskiprikaz potencijalnogudubljenja sa akumuliranim naelektrisanjemSlika 11. Reali izgled CMOS i CCD senzoraSlika 12. Očitanje fotonaelektrisanja: a) principijelni funkcionalnidijagram, b) adresno očitanjeSlika 13. Adaptacija minijaturne kamere: a) izgled radnih komada, b) manipulator sa kamerom

___________________________________________________________________________3


1.0 Uvod - Osnovni pojmovi

Vještačka-računarska vizija je multidisciplinarno područje koje povezuje računarstvo, elektroniku i robotiku sa ciljem da se vještački imitira čovjekova percepcija. Imitacija triju komponenti čovjekove vizuelne percepcije – oka, optičkog nerva i moždanih funkcija – pojedinim aspektima je bolja, a u pojedinim slabija od uzora. Kada su u pitanju brzina, kontinualni rad, objektivnost mjerenja i izdržljivost u nepogodnoj okolini, prednos je na strani vještačkih sistema vizije.

Emulacija suštinskih funkcija čovjekovog vida, međutim još uvijek nije zadovoljavajuća. Čovjek percipira i interpretira realni svijet u tri dimenzije, dok svi kompijuterski displeji daju dvodimenzionalnu sliku kao rezultat projekcije 3D – predmeta na 2D – ravan. Ovaj proces može se opisati matematski. Obrnuti proces nije lahko izvodljiv i teško se opisuje matematski, a upravo je njegova primjena od suštinskog značaja za automatske sisteme vizije jer treba daomogući robotu kretanje u 3D−okolini i prepoznavanje predmeta.

Većina savremenih sistema vizije u robotici zasniva se na primjeni kamera koje daju ravansku sliku, a dodatnim sredstvima dolazi sedo dubine (reljefa) prostora. Uređaji koji daju prostornu sliku još uvijek su komplikovani i skupi za širu upotrebu.

___________________________________________________________________________4


2.0 Koncept vještačke vizije

Koncept vještačke vizije strukturisan je hijerarhijski (slika 1). Na najnižem hijerarhijskom

nivou je procesiranje slike IP (Image Processing), odnosno dobijanje slike i njene poboljšane verzije. Na srednjem nivou je klasifikacija likova PC (Pattern Classification), odnosno sposobnost prepoznavanja objekata na sceni.

Analiza scene SA (Scene Analysis) je najviši i najsloženiji nivo vještačke vizije jer se tu vrši interpretacija dobijenih dvodimenzionalnih slika u skladu sa trodimenzionalnim objektima na sceni.

Slika 1. Hijerarhijska organizacija vještačke vizije

2.1. Procesiranje slike

Prvi nivo u stvaranju vještačke vizije je procesiranje slike, odnosno dobijanje slike i njene poboljšane verzije. Bitne etape su: rješavanje problema sa ograničenjima scene, uzorkovanje scene i primarna obrada slike.

Ograničenja scene. Objekti moraju biti vidljivi u području optičkog spektra u kome sistem vizije radi. Zato je definisanje ograničenja posmatrane scene etapa od koje zavisi kvalitet uzorkovanja, a time i kvalitet konačne slike. Najvažnija ograničenja su: osvetljenost radnog prostora, raspored i vrsta proizvodne opreme, operativna međudjelovanja, faktori sigurnosti, prisutnost prašine i eksplozivnih sastojaka, priroda i veličina radne okoline.

Akvizicija slike je uzorkovanje scene u okviru postojećih ograničenja. To je optoelektronski proces u kome se svetlosni signali s ( x, y, z, t) pretvaraju u električne signale. Senzori koji rade na ovom principu označavaju se kao senzori vizije ili senzori slike. Oni su poredani u matricu, pa je ukupni rezultat pretvaranja slika scene f ( x, y, t) određene rezolucije, obično do 512×512 piksela. To znači da slika nije prostorno kontinualna i da ne zavisi od koordinate z, odnosno od dubine prostora. Slika dobijena u jednom trenutku je statička, a sukcesivni niz takvih slika odgovara dinamičkim promenama u prostoru.Svakom pikselu kao elementu slike pridružuje se određenasjajnost L (luminentnost = intenzitet svetlosti po jedinici površine,cd/m2): binarna vrednost (1 bit), redukovana skala od 16 sivih tonova(4 bita) ili puna skala od 256 sivih tonova (8 bita). Obično je crno 0,a bijelo − zavisno

___________________________________________________________________________5


od broja bita − 1, 15 ili 255. Crno−bijela slika sa 256tonova sivog omogućava da se riješi šrok spektar problema uindustrijskoj primeni. Za specifične zahtjeve neophodna je slika uboji. Njeno dobijanje i obrada nešto su složeniji u odnosu nacrno−bijelu sliku.

Pretprocesiranje se odnosi na poboljšanje i transformacijuoriginalne slike u formu pogodnu za dalju obradu. Obimpretprocesiranja ograničen je vremenom (40 ms za monitore sa 25slika/s) i računarskim resursima. Operatori pretprocesiranja delujuprostorno − piksel po piksel, ili integralno na celu sliku. Tipičneoperacije su filtracija šumova, podešavanje sjajnosti slike ipodešavanje kontrasta.

Filtracija šuma neophodna je da bi se popravio kvalitet slike.Zbog prisustva šuma pojedini detalji kao što su ivice objekata svetlijisu ili tamniji više nego što bi trebalo da budu, pa ih je težedetektovati. Za eliminaciju šuma tradicionalno se primenjujeniskopropusni filter.

Podešavanje sjajnosti slike provodi se kada je slika svetlija ili tamnija od željene.Ova transformacija jednostavno se realizuje dodavanjem ili oduzimanjem određene sjajnosti od svih piksela.

Podešavanje kontrasta primenjuje se zbog neadekvatnog osvetljenja scene ili neadekvatne ekspozicije. Kada slika ima slab kontrast, histogram raspodjele piksela po sjajnosti (skala sivog) ima otklon prema svetlijim ili tamnijim regijama, pa su konture predmeta u tim regijama slabo izražene.

2.2. Klasifikacija likova

Drugi nivo u hijerarhijskoj koncepciji vizije, kako jepredstavljeno na slici 1, jeste sposobnost prepoznavanja likova na sceni. Na prethodnom nivou optoelektronskim postupkom dobijena je dvodimenzionalna slika scene i izvršene su određene korekcijeradi poboljšanja kvaliteta slike. Klasifikacija je postupak izdvajanjaodređenih karakteristika likova na slici i njihovo prepoznavanjeprema ranije definisanom kriterijumu. Postoji veliki broj algoritamaza tu namjenu. Za rad u realnom vremenu najpogodniji su algoritmina bazi detekcije linija i kontura ili na bazi detekcije regija.

Detekcija ivica je prvi korak u klasifikaciji i sastoji se usegmentaciji, tj. deljenju slike na elementarne ivice i njihovomspajanju u linije i konture objekta. Broj piksela koji pripada linijimali je u odnosu na ukupan broj piksela na slici. Međutim, njihovoodređivanje je veoma važno jer su informacije sadržane u linijamaključne za prepoznavanje predmeta.

Detekcija ivica i komparacija. Zajedno sa korisnimsignalom filter će propustiti šumove i fluktuacije na slici zaostalenakon prethodne obrade, što se odražava na tačnost detekcije ivica. Zato se iza diferencijalnih operatora uvek stavlja komparator. Pragdetekcije komparatora T (Threshold) primenjuje se lokalno na dijeluslike ili integralno na celoj slici. Vrednost praga određena je premanekom kriterijumu. Na primjer, prag detekcije može se odreditipojedinačno za svaki piksel na osnovu njegove sjajnosti, na osnovudistribucije sjajnosti piksela koji okružuju razmatrani piksel ili naosnovu transformacije histograma intenziteta tako da težinski udeosvakog piksela zavisi od njegovih lokalnih svojstava.

___________________________________________________________________________6


Spajanje ivica u linije i konture objekta realizuje seposebnim postupcima. Široku primjenu ima trejsing (tracing),postupak kojim se binarna slika dobijena komparacijom skeniraprozorom određenih dimenzija − najmanje 3×3. Kada se detektujejedinica ona se spaja sa prethodnom jedinicom u liniju, a kada sedetektuje nula to se registruje kao kraj tekuće linije.

Izdvajanje regija je metoda klasifikacije objekata koja seprimjenjuje samostalno ili kao dopuna metodi izdvajanja ivica.Zasnovana je na segmentaciji slike na oblasti sličnih karakteristika. Najčešći kriterijum sličnosti je sjajnost piksela. Histogramdistribucije piksela sastoji se od vrhova i udolina. Iz teorijeverovatnoće je poznato da pikseli oko vrha imaju približno jednakusjajnost, pa se na osnovu toga pretpostavlja da pripadaju istoj regiji.

Ekstrakcija i klasifikacija se odnose na identifikacijuistovrsnih karakteristika različitih objekata radi njihovog poređenja ikonačnog prepoznavanja. Tipične karakteristike su kvadrat,pravougaonik, elipsa, krug, duž, perimetar, centar mase, minimalnipravouganik oko objekta, ugao orijentacije i dr. Time se smanjujepotreba za velikim memorijskim prostorom u kasnijim etapamaobrade i pojednostavljuje klasifikacija, tj. prepoznavanje likova.

2.3.Analiza scene

Završni nivo vještačke vizije je analiza scene, koja se odvijakroz interpretaciju i aktuaciju.Interpretacija slike vezana je zarazvoj vještačke inteligencije i ekspertnih sistema. Osnovni problemje transformacija relativno prostih karakteristika 2D−slike uapstraktni opis3D−objekata prisutnih na sceni. Inteligentni sistemivizije imaju baze podataka i sposobnost a priornih znanja o datojklasi objekata, čime se poboljšavaju rezultati analizirane scene.

Interpretacija pomoću geometrije ivica. Polazište urješavanju navedenih problema je klasifikacija ivica na:

• vanjske (leće na granicama najveće promjene skale sivog iobilježavaju se strelicom →);• unutrašnje konkavne (leće na dodiru dviju površina izmeđukojih je ugao veći od 180° i obilježavaju se znakom +);• unutrašnje konveksne (leće na granici dviju površina izmeđukojih je ugao manji od 180° i obilježavaju se znakom -);• konektivene (leće na spoju dva tijela i obilježavajuse slovom C);• granične (leće na prijelazu između pozadine scene).

Sa ovim linijama mogu se predstaviti samo prizmatična tijela.Posebna pravila razrađena su za tjemena, tj. za spojeve više linija(slika 2. a). Primjer opisivanja scene na bazi geometrije ivica rezimiran je za prizmatično tijelo sa sjenkom (slika 2. b).

___________________________________________________________________________7


Slika 2. Prepoznavanje na bazi geometrije ivica: a) tipovi tIemena, b) primJer označavanja ivica i tjemena na prizmatičnom tijelu

___________________________________________________________________________8


3.0. Primjena sistema vizije u robotici

Primena vještačke vizije najprije je započela u prepoznavanjupisanih znakova, u prepoznavanju biološkog materijala umikroskopiji i u prepoznavanju različitih objekata vojne namene.Razvoju vještačke vizije posebno su doprinijele vještačka inteligencija iprepoznavanje oblika kao naučne discipline, računari kao sredstvo zaobimne i brze proračune, te digitalna televizija i robotika kao novetehničke oblasti.Dva osnovna područja primene vještačkih sistema vizije suvizuelna kontrola kvaliteta i vođenje robota.

3.1. Kontrola kvaliteta

Vizuelna kontrola (inspekcija) je poređenje neke slike ilinjenog dijela sa prethodno definisanim standardom. Obično se radi okontroli dimenzija, karakteristikama oblika ili površine radnogpredmeta nakon određene operacije. U industriji se razlikuju trispecifične oblasti primjene:kontrola dimenzija, kontrola površineproizvoda i kontrola štampanih ploča u mikroelektronici.

Slika 3. Kamere za kontrolu vizije, kontrola dimenzija (lijevo), kontrola ispunjenosti boce (desno)

___________________________________________________________________________9


Kontrola dimenzija (oblika) proizvoda primjenjuje se uautomobilskoj, tekstilnoj, prehrambenoj i metalsko−prerađivačkojindustriji. Proizvodi koji odstupaju od dozvoljenih tolerancija skidajuse sa pokretne trake, pri čemu su posebno složene situacije kada seproizvodi prekrivaju ili im nedostaje jedan dio. U takvim situacijamakorisno je imati dvije kamere pod uglom od 90° ili 180° (slika 3.a). Dopunske informacije o teksturi površine daju taktilnisenzori.

a)

b)

Slika 4. Kontrola: a) dimenzija proizvoda na traci, b) štampanih ploča

Kontrola površine proizvoda od metala, drveta i tekstila primenjuje se u određenim fazama obrade kao što su poliranje,struganje, bojenje i zavarivanje. Kada manipulator sa odgovarajućimalatom otklanja defekte na površini, uporedo sa kontrolom površine često je potrebna i kontrola dimenzija.

Kontrola štampanih ploča pri ugradnji elektronskihelementa izdvaja se od drugih tipova kontrole zbog velikog brojarazličitih elemenata. Cilj je da se otkriju greške u proizvodnji ploče(prekid provodne linije, nedovoljan razmak između linija, nedovoljna širina linije, kratki spojevi (slika 5.), polomljeni kontakti) i greške priasembliranju elemenata

___________________________________________________________________________10


(nepravilno insertovanje, defekti pribušenju, defekti na spojevima, zamjena elemenata), (slika 4.b).Najprostija struktura sistema za vizuelnu kontrolu štampanihploča sastoji se od dvije kamere koje snimaju referentnu i radnuploču. Upoređivanjem dviju slika dobija se informacija o broju ivrsti i defekata (slika 4.b). Na određenim etapama provjerava se ifunkconalnost ploče.

Slika 5. Kontrola štampane ploče – detektovan kratki spoj

3.2. Vođenje robota

Vizuelno upravljanje kretanjem robota sastoji se odplaniranja trajektorije, izbjegavanja kolizije sa predmetima u radnojokolini, adaptivnog upravljanja pozicije i usmeravanja robota u3D−prostoru na tačno određenu poziciju. Većina industrijskih robotaradi u dobro strukturisanoj (poznatoj) okolini, pa je određivanjepozicije pri kontroli relativno jednostavno pomoću tehnika 2D−vizije.Mobilni roboti kreću se u slabo strukturisanoj okolini, pa je zaveću pouzdanost i ponovljivost radnih operacija neophodna primjena3D−vizije. Primjena vještačke vizije u vođenju robota karakterističnaje za sledeće oblasti: automatsko asembliranje u proizvodnji,asembliranje elektronskih elemenata i uzimanje određenogelemenata iz gomile.

Automatsko asembliranje i proizvodnja. Obično sistemvizije daje binarnu sliku na osnovu koje se brzo prepoznaju elementii određuje njihova lokacija i orijentacija. Slika sa

___________________________________________________________________________11


skraćenom ilipunom skalom sivih nijansi ima više informacija od binarne, ali jenjena obrada složenija. Na primer, najviši vrhovi histogramadistribucije skale sivog odgovaraju pozadini jer je to najveća regija, anajniži objektu. Poseban slučaj vizije dobija se kada su fotosenzoriugrađeni neposredno na manipulatoru. Tada je rezolucija znatnoveća, a prepoznavanje objekta složenije zbog promjenljive tačkeposmatranja.

Asembliranje elektronskih elemenata je poseban slučajautomatskog asembliranja jer se zahtijeva visoka tačnost pozicioniranja− do 0,1 mm. Uz to je potrebna visoka pouzdanost asembliranjaelemenata, jer se potpuno funkcionalno testiranje kartice možeobaviti tek kada je njeno opremanje u cijelosti završeno.

Uzimanje elemenata iz kutije ili sa neuređene gomile.Ova oblast vještačke vizije nije jednostavna jer se elementi dodiruju ipreklapaju, tako da postoje teškoće u pojedinačnoj identifikacijielementa. Obično se zahtijeva da hvataljka robota prvo mora da sepozicionira iznad elementa koji je na vrhu gomile i da njega prenesena odredište. U vezi sa ovim problemima razvijeni su različitialgoritmi za prepoznavanje i lokaciju objekata na osnovu analizeivica ili regija na slici.

Slika 6. Primjena vještačke vizije u vođenju robota za uzimanje određenog elemenata iz gomile

___________________________________________________________________________12


4.0 Karakteristike senzora vizije

4.1. Principi gradnje

Senzor vizije je optoelektronski sistem vizije koji pretvaraoptičko zračenje u sliku ili u električni signal. Kod aktivnog senzoravizije predajnik emituje u okolinu svetlost određene talasne dužine,a prijemnik na toj istoj talasnoj dužini prima reflektovanu svjetlost izokoline. Pasivni senzor vizije ima samo prijemnik svjetlosti osetljivna optičko zračenje okoline ili na relflektovano zračenje od okolinekoje potiče od drugih izvora.Razvojni put senzora vizije počinje primjenom optoelektronskihsenzora blizine da bi se nastavio izgradnjom optoelektronskihnizova i 2D−matrica. Današnje stanje karakteriše se primjenomtelevizijske kamere kao fundamentalnog senzora u sistemima vizije inastojanjima da se vizija ostvari pomoću lasera i optičkih vlakana.

Struktura senzora vizije. U strukturi senzora vizije moguse izdvojiti komponente (slika 7.):

• optički elementi (ogledalo, prizma, sočivo, filter, djeliteljzračenja);• optoelektronski senzor zajedno sa elektronskim kolima zaprimarnu obradu signala (pretpojačavač, U/I konvertor,mehanizam za hlađenje);• kola za obradu signala slike (multiplekser, A/D pretvarač,mikroprocesor) i prateći softver;• upravljačka jedinica za koordinaciju rada dijelova sistema ivezu sa displejom;• izvor osvjetljenja, koji nije doslovno dio senzora vizije, ali jestekomponenta bez koje se ne može kompletirati slika objekta.

Slika 7. Strukturna blok−šema senzora vizije

Parametri navedenih komponenti senzora vizije određuju se uzavisnosti od toga šta je cilj vizije i kako se definiše scena. Cilj vizijemože biti detekcija, prepoznavanje ili identifikacija objekta, urealnom vremenu ili kasnije, sa slikom na displeju ili bez nje, sasenzorom vizije koji treba da ima određenu dugovječnost, veličinu,težinu i dr.

Radna okolina ili scena koja podliježe viziji je prirodna ilivještačka (kontrolisana) i proučava se posebno za svaki konkretnislučaj. Razlog je u velikom broju karakteristika:

• radnog objekta (spektralna karakteristika, temperatura,dimenzije, oblik, lokacija);• ambijenta (temperatura, broj i raspored svjetlosnih izvora);• pozadine (konfiguracija, atmosfera, veličina, spektralnakarakteristika);• načina posmatranja (opseg − maksimalna i minimalnaudaljenost od objekta, neposredni i ukupni vidni ugao,rezolucija);

___________________________________________________________________________13


• dinamike senzora vizije i okoline (relativno pomijeranje ibrzina, brzina uzorkovanja scene radi procesiranja).

4.2. Tehnike osvetljavanja

Problem osvjetljavanja radnog prostora u robotici potenciranje činjenicom da radni predmet, okolina, senzor, robot i izvorsvjetlosti mogu da se kreću − zajedno ili pojedinačno. Raspored iintenzitet izvora svjetlosti određuju se analizom mehaničkih ioptičkih parametara svih dijelova scene. Od rješenja donijetih na ovojetapi zavisi izbor karakteritika senzora vizije.

Frontalno ili direktno osvetljenje radnog prostora primjenjujese kada karakteristike radne površine mogu da se upotijrebe kaosvojstvo slike (slika 8.a). Na taj način izdvajaju se tamne i svijetlezone (binarna detekcija) ili zone sa skalom sivih tonova(analogno/digitalno procesiranje).

Ogledalske površine. Osvjetljavanje površina sa izrazitomrefleksijom (ogledalske površine) provodi se radi detekcije tamnihmrlja (defekata). Senzor vizije i izvor svjetlosti mogu se tada postavitina dva načina. U prvom slučaju senzor vizije prima svjetlosni signalsamo pri nailasku defekta, a u drugom slučaju stalno prima svetlosnisignal i gubi ga jedino pri nailasku defekta (slika 8.b,c).

Optički djelitelj. Kada je potrebno osvjetljenje duž optičke osesenzora, na primer kao kod detekcije udubljenja, može se upotrijebitioptički djelitelj (slika 8.d). U praksi se često detektuju izbočine iudubljenja pomoću njihovih sjenki, koje se dobijaju kada se izvorsvjetlosti postavi na odgovarajući način (slika 8.e).

Elementi za prilagođavanje rasvjete. Detekcija predmetakoji je između izvora i kamere odlikuje se visokim odnosom S/N.Izvor svetlosti tada je ploča sa difuznom svjetlosti (difuzor), reflektorsa smanjujućim konusom (kondenzer) ili reflektor sa paralelnimzracima (kolimator), (slika 8.f,g,h). Kada su izvor svjetlosti isenzor vizije sa iste strane u odnosu na objekat, tada je neophodanretroreflektor − optičko sredstvo koje reflektuje upadnu svjetlost uistom pravcu odakle je svetlost došla (slika 8.i).

Strukturno svjetlo je tehnika osvjetljavanja koja se u praksimnogo primenjuje. Riječ je o postupku kojim se generiše snopsvjetlosti u ravni, npr. pomoću specijalne laserske diode (LD) kojaemituje svetlost u obliku lepeze ili pomoću obične LD i dugačkihcilindričnih sočiva. Kada se takvim snopom osvijetli praznakonvejerska traka, senzor vizije će detektovati pravu liniju poprečnona traku. Nailaskom radnog objekta, senzor vizije detektuje jednuizlomljenu liniju koja ide po površini objekta, pri čemu linija imaprekide za mesta koja senzor ne vidi (mesta u sjeni), (slika 8.j).

___________________________________________________________________________14


Slika 8. Tehnike osvjetljavanja: a) direktna metoda, b) ogledalo satamnim defektima (poljima), c) ogledalo sa svijetlim defektima , d) optičkidjelitelj, e) formiranje senki, f)

difuzor, g) kondenzator, h) kolimator, i)retroreflektor, j) strukturno svetlo

Prikaz objekta, tj. prikaz njegove geometrijske strukture (odatle naziv metode), ponavlja se u slojevima čiji broj zavisi od frekvencije uzorkovanja. Programskim sredstvima provodi sezavršna obrada i dobijanje konačne slike objekta iz niza slojeva.Složeniji programi omogućavaju izdvajanje predmeta i u slučajunjihovog međusobnog preklapanja.

___________________________________________________________________________15


5.0. Elektronske kamere

5.1. Poluprovodničke (CCD) kamere

Poluprovodničke kamere napravljene su početkom 60−tihgodina na bazi nizova fotodioda. Današnje kamere sa CCDelementima kao senzorima slike nastale su 1973. Princip rada ovihelemenata zasniva se na konverziji fotona u naelektrisanje. Kadafoton svetlosti talasne dužine λ<1 μm uđe u silicijum, nastaje parelektron−šupljina. Ako postoji električno polje u silicijumu, doći će dorazdvajanja elektrona od šupljina i nastaće fotostruja. To je malastruja i za praktičnu upotrebu ona se mora integrisati do mjerljivogiznosa naelektrisanja. Opisana konverzija može se ostvariti pomoćun+p fotodiode ili MOS kondenzatora.

Fotodioda i senzorska matrica. Slika 9.a ilustruje radfotodiode u fazi akumulacije naelektrisanja. Kada se prekidač Pzatvori, pozitivni prednapon V priključen je na n+−oblast diode, diodaje inverzno polarisana i nastaje ispražnjena zona. širina (dubina)prijelazne oblasti zavisi od napona pretpolarizacije. Ako se prekidač otvori i dioda osvijetli, generisani parovi elektron−šupljina serazdvajaju i elektroni akumuliraju u kondenzatoru što ga činiispražnjena zona (≈ 1 pF), a napon diode Vd smanjuje se u odnosu napočetni V. Vrijeme ekspozicije mora biti kratko da ne bi došlo doakumulacije naelektrisanja nastalog usljed termičkog efekta. Vrijemeekspozicije za jedan piksel je od 50 ns do 1 μs, odnosno za cijelumatricu 512×512 iznosi 10−250 ms. Poslije isteka vremenaekspozicije, prekidač P ponovo se zatvara i kako je Vd<V, krozotpornik R nastaje struja resetovanja koja uspostavlja starostacionarno stanje. Maksimalna vrijednost ove struje proporcionalnaje razlici napona Vd − V, odnosno intenzitetu upadne svetlosti.Opisano električno kolo realizuje se u integrisanoj tehnici tako da seprekidač P zamijeni sa FET tranzistorom (slika 9.b).Kada su dioda i FET tranzistor od istog materijala, na primjerod silicijuma, tada dioda može da se napravi kao sors FET−a i da sedobije FET fototranzistor (slika 9.c). Tipične dimenzije jednogpiksela su 15×15 μm. Nedostatak ovih kola je što gejt i drejnzauzimaju veći dio površine senzora, obično 60−70%. Aktivnapovršina mnogo je veća kada se fotodioda deponuje u tankom slojuna silicijumsku osnovu (slika 9.d).

Slika 9. Fotodioda: a) rad u režimu akumulacije fotonaelektrisanja, b)fotodioda i FET, c) fotodioda kao deo FET−a, d) tankoslojna fotodioda iFET

___________________________________________________________________________16


MOS kondenzator i senzorska matrica. MOS kondenzatorje jednostavniji i ima veći kapacitet od fotodiode iste veličine.Kondenzator se sastoji od metalne elektrode, termički oksidovanogsilicijumskog sloja (oksid, dielektrik) i osnovnog poluprovodničkogsloja p ili n−tipa. Elektroda i dielektrik su transparentni, tako dasvetlost prolazi do osnove (slika 10).

Slika 10. MOS kondenzator kao fotoelement: a) presek, b) šematskiprikaz potencijalnogudubljenja sa akumuliranim naelektrisanjem

Slika 11. Reali izgled CMOS i CCD senzora

Očitanje akumuliranog naelektrisanja sa CCD elemenatasenzorske matrice je daljinsko. Zbog velikog broja piksela (tipično512×512) očitanje se realizuje u tri etape:

___________________________________________________________________________17


• adresiranje, kojim se pristupa fotoelementu i resetujepostojeće naelektrisanje;• prijenos naelektrisanja (ili informacije koja mu jeproporcionalna) od fotoelementa do multipleksera;• multipleksiranje, kojim se paralelna informacija dobijena san×m fotoelemenata pretvara u serijski video signal.

Na slici 12.a prikazan je principijelni dijagram daljinskogočitanja sa matrice fotoelemenata. Savremene realizacije očitanjabazirane su na integrisanim kolima za adresiranje, prenos imultipleksiranje sa odgovarajućim međuvezama. Posebna pažnjausmjerena je na dobijanje jednostavnijeg adresiranja i prenosa,kombinovanje funkcija i optimizaciju veza.

Sekvencijalno adresiranje primijenjeno u vidikon kameramaje najprostije (slika 12.b). Izlazni jednostruki provodnik služi zaprijenos fotonaelektrisanja, odnosno struje reseta, od adresnog kola doizlaza. Multipleksiranje se postiže sekvencijalnim adresiranjem zbog čega se ovaj način očitanja označava kao adresni. Očitanje jeusklađeno sa kretanjem elektronskog mlaza po putanji skeniranja.Zrak se prvo kreće slijeva nadesno duž prve vrste, zatim na isti načinod jednog do drugog elementa druge vrste i tako odozgo nadole doposljednje vrste. Frekvencija horizontalnog skeniranja je:

fH =broj piksela u vrsti

[MHz]vrijeme aktivnosti jedne vrste[µs]

a frekvencija vertikalnog skeniranja fV je iz tradicionalnih razlogausklađena sa frekvencijom napojne mreže od 50 Hz, odnosno trajanjejedne slike je 40 ms. TV kamere sistema PAL (Phase AlternationLine) imaju 625 vrsta (linija), pa je vrijeme aktivnosti jedne linije40 ms/625=64 μs, odnosno linijska frekvencija je standardna i iznosi15625 Hz. Prema tome, za kameru čija je matrica 500×582 dobija seda je frekvencija horizontalnog skeniranja

fH=500/(64⋅10-6)=7 812 500 Hz.

Slika 12. Očitanje fotonaelektrisanja: a) principijelni funkcionalnidijagram, b) adresno očitanje

___________________________________________________________________________18


5.2. Adaptacija komercijalnih kamera

Najrasprostranjeniji senzori vizije u robotici su različiteverzije minijaturnih kamera.To su uređaji namenjeni za televiziju i film, a sa određenim modifikacijama u konstrukciji primjenjujuse u robotici.Kamera je obično postavljena iznad radne oblast radi praćenjaoperacija manipulatora, čime se imitira čovekov pogled na ruketokom rada. Nedostaci ove jednostavne metode su paralaksa(nepodudarnost ose senzora vizije i ose robota), složene transformacijekoordinata i dugo vrijeme kalibracije referentnog sistema robotkamera.Savremene minijaturne kamere relativno lako se ugrađujuu šaku robota (eye in hand). U tom slučaju paralaksa se eliminišeautomatskim pozicioniranjem šake sa kamerom tačno na centralnuosu objekta, a transformacija koordinata svodi se na korekciju zaiznos rastojanja između šake i kamere, pri čemu je to rastojanjeodređeno dimenzijama odstojnika na kome je pričvršćena kamera. Potrebna prostorna rezolucija može se ostvariti pomoću senzoramanje rezolucije nego u slučaju kada je kamera iznad robota.Tipični parametri minijaturnih kamera su: dimenzije od2,5×2×3 cm do 5×5×10 cm, broj piksela od 128×128 do 500×582,optoelektronskih senzora, veličina senzorskog čipa po vertikali ihorizontali od 4,5(V) mm×6(H) mm do 6,4(V) mm×7,84(H) mm,vertikalna sinhronizacija 50 Hz ili 60Hz (15625 kHz ili 15734 kHz),mijerni opseg 10−100 cm, objektiv sa žižnom daljinom 5−20 mm,napajanje jednosmerno 10 V ili naizmenično 220 V, maksimalnastruja 150−200 mA, izlazna impedansa 75 Ω, priključni kabl zanapajanje i spajanje sa monitorom 2−4 m, izlazni video signal 1 Vpp, težina 200−400 g, neosetljivost na vibracije do 2 kHz, radno temperaturno područje od −10 °C do +60 °C.

Primena adaptirane kamere u asembliranju. Položaj iorijentacija predmeta na radnoj površini imaju slučajni karakter.Manipulator vođen kamerom treba da locira predmet, da gapodigne i montira na odgovarajuće mjesto. Neka su u pitanju, naprimer, kružni, eliptični ili pravougaoni metalni komadi sa četiriotvora (slika 13.a), koje treba montirati na armaturu sa četiri šiljka (zavrtnja). Za realizaciju ovog zadatka na manipulator jeugrađena minijaturna kamera sa širokougaonim objektivom.Originalno kućište kamere predstavlja skoro polovinu njene težinei može se zamijeniti lakšim. Objektiv sa optoelektronskimsenzorima i ploča sa elektronskim kolima rotirani su za 90° da biobjektiv bio okrenut prema radnoj površini. Dvije elastične pločeod berilijumove bronze omogućavaju izvjesno vertikalno pomijeranje(5−10 mm) bez rotacionog i horizontalnog pomijeranja. Na slobodnom kraju ploča je elektro magnet koji podiže radne komade težine do 0,5 kg (slika 13.b).

___________________________________________________________________________19


Slika 13. Adaptacija minijaturne kamere: a) izgled radnih komada, b) manipulator sa kamerom

U toku kalibracije prave se slike radnih predmeta u različitim položajima i pamte u memoriji. Slika je definisana sa četirikarakteristična otvora na obodu predmeta. Uz svaku sliku pamte sei odgovarajući položaji manipulatora: položaj u kome je predmetuočen i položaj u kome je predmet podignut. Na taj način formira sedatoteka idealnih radnih predmeta. Kada se u vidnom polju kamerenađe dio radnog predmeta, manipulator se pomijera do ose predmetaodređene presjekom dijagonala povučenih kroz otvore, slika predmetase poredi sa idealnom i koriguje pomijeranje manipulatora sve dok sene postigne detekcija predmeta sa dređenom tačnošću (±0,5 mmtranslatorno i ±5° rotaciono). Nakon toga manipulator podiže radnipredmet i asemblira ga na armaturu sa četiri šiljka. Prvo se uklapajedan otvor, a atim njemu dijagonalan. Kada je drugi korakneuspiješan, pri spuštanju manipulatora dolazi do naprezanja berilijumovih ploča, što se mjeri tenzootpornicima. Tenzootpornici ovdje predstavljaju rudimentirani taktilni senzor i njihovi izlazi služeza finu korekciju uklapanja.

___________________________________________________________________________20


6.0. Zaključak

Većina industrijskih robota radi u dobro strukturisanoj (poznatoj) okolini, pa je određivanje pozicije pri kontroli relativno jednostavno pomoću tehnika 2D−vizije.Mobilni roboti kreću se u slabo strukturisanoj okolini, pa je za veću pouzdanost i ponovljivost radnih operacija neophodna primjena 3D−vizije.

Senzor vizije je optoelektronski sistem vizije koji pretvara optičko zračenje u sliku ili u električni signal. Razvojni put senzora vizije počinje primjenom optoelektronskih senzora blizine da bi se nastavio izgradnjom optoelektronskih nizova i 2D−matrica. Današnje stanje karakteriše se primjenom televizijske kamere kao fundamentalnog senzora u sistemima vizije i nastojanjima da se vizija ostvari pomoću lasera i optičkih vlakana.

___________________________________________________________________________21


Literatura

[1] Mladen Popović : „Senzori u robotici“, Viša elektrotehnička škola Beograd, 1996

[3] Internet:http://bs.wikipedia.org/

___________________________________________________________________________22

Documents

Mehatronika 2- Kompijuterska Vizija Brčaninović Zijad