Plano de Tese de Doutoramento em Engenharia Electrotécnica e Computadores 2012 Luís Rocha –...
24
Plano de Tese de Doutoramento em Engenharia Electrotécnica e Computadores 2012 Luís Rocha – [email protected]Orientador: Prof. Dr. António Paulo Moreira Co-Orientador: Prof. Dr. Vitor M. Ferreira dos Santos PROGRAMAÇÃO DE ROBÔS INDUSTRIAIS EM CÉLULAS ROBOTIZADAS FLEXÍVEIS
Plano de Tese de Doutoramento em Engenharia Electrotécnica e Computadores 2012 Luís Rocha – [email protected]@fe.up.pt Orientador: Prof. Dr
Plano de Tese de Doutoramento em Engenharia Electrotcnica e
Computadores 2012 Lus Rocha [email protected]@fe.up.pt
Orientador: Prof. Dr. Antnio Paulo Moreira Co-Orientador: Prof. Dr.
Vitor M. Ferreira dos Santos PROGRAMAO DE ROBS INDUSTRIAIS EM
CLULAS ROBOTIZADAS FLEXVEIS
Slide 2
NDICE Motivao Parceiro Industrial FLUPOL Projecto SIIARI
Objectivos Reviso do Estado da Arte Setup FLUPOL Exemplos Modelos
3D Classificao das Superfcies Modeladas 3D Point Clouds Matching
Support Vector Machine Programao Adaptativa de Manipuladores
Trabalho Futuro
Slide 3
MOTIVAO Situao Actual da Indstria de Manufactura: Customizao de
Produtos: Menos produo em massa e maior adaptao do produto s
necessidades do cliente; Necessidade de reduo dos tempos de setup e
de produo ; Necessidade de flexibilizar todo o sistema produtivo;
Principais Limitaes dos Manipuladores Industriais: Programao:
Realizada em linguagem estruturada. Requer elevado grau de
especializao Muito Demorada Ausncia de deteco/identificao e
localizao dos objectos de trabalho. Rigidez das trajectrias
definidas e respectivos programas;
Slide 4
MOTIVAO Parceiro Industrial FLUPOL rea de Negcio e Principais
Requisitos: Empresa especializada no revestimento de superfcies
essencialmente na rea da industria alimentar resolvendo problemas
de adeso, lubrificao, corroso, etc; Necessidade de elevado grau de
especializao dos seus operadores (>12 meses de treino);
Necessidade de grande flexibilidade do processo produtivo devido ao
elevado leque de produtos tratados na empresa; Objectivo: Criao de
uma clula robtica com identificao e indicao da localizao das peas;
Programao de robs de pintura directamente por um pintor
especializado sem interferncia directa de um programador.
Slide 5
MOTIVAO Projecto SIIARI Sistema ter de ser capaz de :
Ensinamento por demonstrao de manipuladores industriais;
Identificar e parametrizar a pea que se lhe apresenta para a
revestir; Seleccionar o Programa adequado ensinado por demonstrao;
Configurar o programa para a nova parametrizao; Principais valncias
do projecto Permitir a conservao do Know-How dos operadores
especializados actuais; Exportao deste mesmo Know-How ;
Flexibilidade no processo de fabrico;
Slide 6
MOTIVAO Objectivos - PhD Classificao da superfcie sobre a qual
a pintura ser realizada Modelao 3D do tabuleiro alvo Seleco dos
sensores; Classificao do tabuleiro para que se possa seleccionar o
programa de manipulao correcto a ser executado; Adaptao de
trajectrias previamente ensinadas por demonstrao a um determinado
tabuleiro, a um novo que apresente apenas diferenas em dimenses ou
pequenas variaes estruturais:
Slide 7
ESTADO DA ARTE Sensores para reconstruo 3D Laser Range Finders;
Laser Camera triangulation systems; 3D Laser Range Finder and RGB
camera; Kinect; Stereo vision; T ime-offlight camera;
Slide 8
ESTADO DA ARTE Extraco de Features e Reconhecimento de
Superfcies Shape Features As superfcies no so separveis por cor
Pattern Recognition Machine Learning (Redes Neuronais, Support
Vector Machine, k Vizinho Mais Prximos, Hidden Markov Models);
Template Matching (Ploint Cloude Matching); Programao Adaptativa de
Manipuladores;
Slide 9
SETUP FLUPOL
Slide 10
EXEMPLOS MODELOS 3D
Slide 11
CLASSIFICAO (PARA 11 CLASSES) 3D Point Clouds Matching Clculo
da matriz de distncias 3D para cada modelo; Feating do modelo 3D da
superfcie actualmente no conveyor na Matriz de distncias de
diferentes superfcies guardadas em base de dados; Minimizao do erro
recorrendo ao algoritmo RPROP;
Slide 12
CLASSIFICAO (PARA 11 CLASSES) 3D Point Clouds Matching Matching
Desvantagem: Tempo de Processamento 4 s para cada tabuleiro;
Slide 13
CLASSIFICAO (PARA 11 CLASSES) SUPPORT VECTOR MACHINE 7 Momentos
de Hu Invariante translao, rotao e escala; Momento estendido (8
momentos); FFT para identificao de padro segundo a horizontal e
vertical da superfcie; Realizao de cortes horizontais e verticais
na superfcie
Slide 14
CLASSIFICAO (PARA 11 CLASSES) SUPPORT VECTOR MACHINE FFT
Componente DC
Slide 15
CLASSIFICAO (PARA 11 CLASSES) SUPPORT VECTOR MACHINE FFT
Componente DC Removido
Slide 16
CLASSIFICAO (PARA 11 CLASSES) SUPPORT VECTOR MACHINE FFT efeito
de leakage atenuado
Slide 17
CLASSIFICAO (PARA 11 CLASSES) SUPPORT VECTOR MACHINE Nmero de
Features Final - 71 8 Momentos de Hu 15 Cortes Horizontais (Para
cada corte amplitude e ndice do pico resultante da FFT guardado);
15 Cortes Verticais (Para cada corte amplitude e ndice do pico
resultante da FFT guardado); Nmero de pontos; Altura e Largura; Ser
que todas as features sero relevantes para distinguir as diferentes
classes de superfcies? Feature Selection Simulated Annealing;
Slide 18
CLASSIFICAO (PARA 11 CLASSES) SUPPORT VECTOR MACHINE Treino 25
Modelos (necessrio optimizar); K-Cross Validation Estimao do
generalization error com maior preciso; Simulated annealing para
seleco de features; Support Vector Machine Estimao da probabilidade
de pertencer a cada um dos conjuntos (uso da livraria libsvm);
Slide 19
CLASSIFICAO (PARA 11 CLASSES) SUPPORT VECTOR MACHINE Resultados
Sem a utilizao do Simulated Annealing a percentagem de classificao
rondou os 20%. Com a utilizao do Simulated Annealing 98% dos
tabuleiros classificados correctamente. Verificando-se que em caso
de erro a superfcie correcta apresenta o segundo maior ndice de
probabilidade. (45 tabuleiros erro de classificao em apenas 1
tabuleiro Para industria no satisfatrio).
Slide 20
ARQUITECTURA PROPOSTA Classificao Triangulao cmara + laser
MODELO 3D Extraco de FEATURES Classificao SVM Seleco dos 2 Melhores
Candidatos Matching nos 2 Melhores Candidatos Resultado:
Classificao da Superfcie
Slide 21
PROGRAMAO ADAPTATIVA DE MANIPULADORES; Ideia Principal Utilizar
o Know-How de pintura para superfcies j conhecidas e com trajectria
de pintura j adquirida e adaptar para superfcies SEMELHANTES
Definio de SEMELHANA: Dimenses da superfcie : Largura e Altura;
Recorrer ao SVM para indicar qual o tabuleiro que mais prximo deste
novo Primeira abordagem. O resultado final apresentado ao operador
para sua validao Se necessrio permitir a realizao de ajustes
simples. Pequenas alteraes de padro (estrutura): Neste caso poder
ser necessrio o operador indicar qual a superfcie conhecida que se
assemelha.
Slide 22
ADAPTAR TRAJECTRIA Adaptar Trajectria Segmentar tendo em conta
os vectores directores entre n pontos (Ideia identificar grande
mudanas de direco). Adaptar segmentos (segundo cada uma das direces
) s dimenses do tabuleiro.
Slide 23
TRABALHO FUTURO Adaptar Trajectria
Slide 24
TRABALHO FUTURO Classificao Ajuste fino dos parmetros do SVM.
Comparao dos Obteno de resultados em ambiente industrial Publicao
de artigo em revista internacional com os resultados obtidos Ajuste
de Trajectrias Definir o conceito de semelhana entre superfcies.
Parametrizao da trajectria de pintura com as novas especificaes da
nova superfcie. Publicao de artigo em revista internacional com os
resultados obtidos