Pfad Planung und Objekterkennung mittels Computer Vision

AI Quick Summary

Using computer vision to determine positions to place objects. Ausgangslage und Problemstellung:Reagenzgläser, welche für das Testen von Diagnoseinstrumenten benutzt werden, müssen manuell in Racks in einem Tray gestellt werden. Es konnte bereits ein Teil dieser Arbeit automatisiert werden und die Reagenzgläser aus einer Kiste gegriffen und Racks in Trays platziert werden. Dies bedingt jedoch gewisse Voraussetzungen, wie dass die Trays mit 15 Racks befüllt sein müssen und an genauen Positionen platziert werden müssen. Da verschiedene Racktypen im Einsatz sind, soll das Platzieren dynamischer umgesetzt werden. Es sollen verschiedene Racktypen miteinander befüllt werden können. Zusätzlich könnten sich schon beim Start Reagenzgläser in den Racks befinden und dies soll das Befüllen nicht behindern. Ziel der Arbeit und erwartete ResultateDas Ziel dieser Arbeit ist es, mit einer Kamera, die an einem Roboterarm befestigt ist, die freien Positionen in den Racks zu erkennen und diese Positionen als Koordinaten zurückzumelden.Dabei soll die Reihenfolge der Positionen eine Rolle spielen. Bei einem Vorprojekt wurde für das Platzieren ein Vakuumgreifer verwendet. Wegen der Dimensionen dieses Greifers können gewisse Positionen nicht vor Anderen angefahren werden. Hauptaufgaben:Tube Positionen von verschiedenfarbigen 5 Positionen Racks auf Trays für den cobas 6800/8800 und die cobas 5800 Racks mittels Computer Vision ermitteln.Rückgabe der Positionen als Koordinaten für den Roboterarm mit einer Reihenfolge für die optimale Ansteuerung der Positionen in den RacksDemonstration der umgesetzten Lösung, bei der der Roboterarm die Reagenzgläser von einer definierten Position nimmt und an die mittels Computer Vision ermittelten Positionen absetzt. Gewünschte Methoden, VorgehenAls Vorgehen ist ein agiles, iteratives Modell geplant. Kreativität, Varianten, Innovation:Die Lösung soll mit klassischer Computer Vision umgesetzt werden. Falls es nicht möglich sein sollte, die Positionen mit klassischer Computer Vision zu ermitteln, soll Deep Learning verwendet werden.

Project Idea Metadata

Project Idea Name: Pfad Planung und Objekterkennung mittels Computer Vision
Date: 11/25/2022 10:07:17 PM
Administrators:

Project Idea Description

Ausgangslage und Problemstellung:

Reagenzgläser, welche für das Testen von Diagnoseinstrumenten benutzt werden, müssen manuell in Racks in einem Tray gestellt werden. Es konnte bereits ein Teil dieser Arbeit automatisiert werden und die Reagenzgläser aus einer Kiste gegriffen und Racks in Trays platziert werden. Dies bedingt jedoch gewisse Voraussetzungen, wie dass die Trays mit 15 Racks befüllt sein müssen und an genauen Positionen platziert werden müssen.

Da verschiedene Racktypen im Einsatz sind, soll das Platzieren dynamischer umgesetzt werden. Es sollen verschiedene Racktypen miteinander befüllt werden können. Zusätzlich könnten sich schon beim Start Reagenzgläser in den Racks befinden und dies soll das Befüllen nicht behindern.

Ziel der Arbeit und erwartete Resultate

Das Ziel dieser Arbeit ist es, mit einer Kamera, die an einem Roboterarm befestigt ist, die freien Positionen in den Racks zu erkennen und diese Positionen als Koordinaten zurückzumelden.

Dabei soll die Reihenfolge der Positionen eine Rolle spielen. Bei einem Vorprojekt wurde für das Platzieren ein Vakuumgreifer verwendet. Wegen der Dimensionen dieses Greifers können gewisse Positionen nicht vor Anderen angefahren werden.

Hauptaufgaben:

Tube Positionen von verschiedenfarbigen 5 Positionen Racks auf Trays für den cobas 6800/8800 und die cobas 5800 Racks mittels Computer Vision ermitteln.
Rückgabe der Positionen als Koordinaten für den Roboterarm mit einer Reihenfolge für die optimale Ansteuerung der Positionen in den Racks
Demonstration der umgesetzten Lösung, bei der der Roboterarm die Reagenzgläser von einer definierten Position nimmt und an die mittels Computer Vision ermittelten Positionen absetzt.

Gewünschte Methoden, Vorgehen

Als Vorgehen ist ein agiles, iteratives Modell geplant.

Kreativität, Varianten, Innovation:

Die Lösung soll mit klassischer Computer Vision umgesetzt werden. Falls es nicht möglich sein sollte, die Positionen mit klassischer Computer Vision zu ermitteln, soll Deep Learning verwendet werden.

Using computer vision to determine positions to place objects.