Objekterkennung

Ein neuer Blick in die Tiefe technischer Zeichnungen: Ein Deep-Learning-Framework liest CAD-Grafiken so genau wie nie zuvor – erkennt Formtoleranzen, Maße und jedes Detail. Was früher mühsam von Hand geschah, übernimmt nun eine KI, die sich in die Besonderheiten jeder Linie und Beschriftung einfühlt. Diese vielversprechende Technologie steigert nicht nur die Genauigkeit, sondern beschleunigt auch die Verarbeitung von Zeichnungen erheblich. So eröffnet das System neue Wege für Präzision in der Produktion.

Die komplexe Dynamik von Blocklagern stellt die manuelle Bestandserfassung vor große Herausforderungen. Häufiges Umlagern von Paletten, Kisten oder Gitterboxen ohne feste Stellplätze führt zu einem zeitaufwändigen und fehleranfälligen Prozess, bei dem Waren oft gesucht werden müssen und Schäden durch unsachgemäße Lagerung auftreten können. Der Einsatz von (teil-)autonomen Fahrzeugen bietet eine vielversprechende Lösung, um eine automatisierte Bestandserfassung zu ermöglichen – insbesondere wenn sie mit einer optischen Erfassung der Waren ausgestattet sind.

[2018] Die rasanten Fortschritte im Bereich der 3D Sensorik und der künstlichen Intelligenz ermöglichen die Entwicklung neuer kognitiver und flexibler Robotersysteme, die keine im Vorfeld festgelegten und konstanten Umgebungsbedingungen erfordern und auch auf unvorhergesehene Ereignisse reagieren können.

Im Gegensatz zum Einsatz von Robotern in standardisierten Produktionsprozessen müssen Roboter innerhalb von dynamischen Logistikprozessen flexibel und anpassungsfähig gegenüber variablen Umgebungsbedingungen und nicht standardisierten Gütern sein. Durch die Fortschritte im Bereich der künstlichen Intelligenz und die Vernetzung durch Industrie 4.0 werden Roboter in Zukunft auch komplexe Aufgabenstellungen in der Logistik zuverlässig ausführen können. Eine entscheidende Komponente eines Robotersystems stellt die Interpretation der Arbeitsumgebung mithilfe von multi-modalen Sensorsystemen dar. Der Beitrag beschreibt Anwendungen für Robotersysteme in der Logistik und stellt im Rahmen der Depalettierung ein Beispiel der Interpretation von multi-modalen Sensordaten vor.

Die rasanten Fortschritte im Bereich der 3D-Sensorik und der künstlichen Intelligenz ermöglichen neue flexible Robotersysteme, die keine im Vorfeld festgelegten und konstanten Umgebungsbedingungen sowie standardisierten Prozesse erfordern. Hierdurch entstehen große Potenziale für die Automatisierung logistischer Prozesse, die aufgrund dynamischer Randbedingungen und der hohen Gütervielfalt bisher hauptsächlich manuell durchgeführt werden. Ein Beispiel hierfür ist die automatische Entladung von mit heterogenen Stückgütern beladenen Containern. Die Entwicklung eines entsprechenden Entladeroboters erfordert neben geeigneten Greifsystemen eine zuverlässige Objekterkennungsmethode, um einzelne Stückgüter innerhalb eines Packszenarios korrekt erkennen und lokalisieren zu können. Dieser Beitrag stellt eine Objekt-erkennungsmethode für Stückgüter aus drei unterschiedlichen Formkategorien vor. Sie verwendet die 3D-Punktwolke eines Laserscanners und wird mithilfe von realen ...

Trotz der großen Verbreitung von Robotern kommen diese in wichtigen Einsatzgebieten, wie bspw. Inspektion und Wartung oder Be- und Entladen nicht uniformer Güter, bislang kaum zum Einsatz. Dieser Beitrag geht der Frage nach, warum diese Anwendungsszenarien so schwierig sind und stellt das Dual-Arm-System AILA vor, das erste Entwicklungsschritte in Richtung eines solchen Einsatzes unternimmt.

Die automatische Entladung von Massenstückgütern und deren automatisierte Überführung in die logistischen Systeme ist eine große technische Herausforderung. Bisherige Forschungsarbeiten sind in der Lage eine Lage- und Positionsbestimmung von kubischen Stückgütern durchzuführen und die Stückgüter mit einer angepassten Handhabung aus dem Ladungsträger zu entnehmen. Der Einsatz hat gezeigt, dass unterschiedliche Umgebungen, sich ändernde Stückgüter und deren Zustand die Weiterentwicklung zu einem anpassungsfähigen technischen System erfordern. Innerhalb des Beitrags stellen wir daher ein Konzept zur Lösung dieser Herausforderung vor, indem kognitive Methoden und Technologien in die Teilsysteme Objekterkennung, Robotersteuerung und Handhabung zu integrieren und zu einem Gesamtsystem zusammenzufügen.