AI + 3D機器視覺，
1分鐘讓機器手臂開始夾取

2D與3D機器視覺差異與原理

2D機器視覺只能捕捉物體2維空間(X、Y)位置，3D機器視覺則額外取得Z軸的位置資訊，在製造領域不斷進步至工業4.0的過程中，3D視覺整合機器手臂的應用成為主流並占優勢。

2D成像透過工業相機可取得，但3D成像依光學結構可大致分為以下3類: 低精度的立體視覺(Stereo Vision)、飛時測距(Time of Flight，TOF)及高精度的結構光(Structured Light)。

立體視覺
(Stereo Vision)

模仿人類雙眼運作的原理捕捉物體位置與結構，優點是省電、成本低，難題是易延遲且昏暗環境可能影響結果。除了運用於機器人之外，也應用在新興的AR + AI視覺檢測與辨識系統。

飛時測距
(Time of Flight，TOF)

透過紅外線折返時間計算物體之間的距離，優點是速度快又抗干擾，但精準度較差。

結構光
(Structured Light)

將特殊光紋（通常是黑白相間且不同方向的條紋）投射在物體上，根據光紋變形情況算出物體表面結構，同時高精度取得Z軸深度位置，目前在人臉辨識或AOI自動光學檢測等領域都有應用。

AI讓機器手臂「看懂」物件

在部分複雜物體辨識上，單靠3D視覺的精度與準度仍有困難如: 複雜形狀的半透明奶嘴位置辨識、小零件/高精度金屬件機器手臂夾取。若將AI與3D視覺系統進一步整合，能強化其辨識能力，使機器手臂以正確方向、位置取放物體。

再以外型不規則的極小工件機器手臂取放為例，雖3D視覺可辨識小的物體，但多只限於方正、圓形的外觀，若不規則或複雜形狀就經常辨識失敗，例如ㄇ型金屬件環堆疊時易交疊錯位，此時就需要AI協助辨識並看懂物件。

半透明奶嘴應用
極小金屬零件應用

1分鐘學習完畢的深度學習AI

3D機器視覺整合AI難度高，除了「看」以外，還要考量從辨識到抓取的過程、機器手臂路徑規劃及運動控制等部分。

結合深度學習AI與動作規劃模組(motion planning)的機器人夾取系統，最短1分鐘即可讓AI學習完畢，讓機器人規劃出最短，同時避免撞擊其他物體的路徑，以正確方向、位置等夾取，低成本、高效率滿足混合拆垛(Mixed Depalletizing)、配料(Kitting)、隨機取放(Random Bin Picking)等需求。

更多應用與資訊請點此連結。

相關文章
  • 疫情雖逐步受到控制，但由於機械結構複雜，遠端線上教學未必能清楚描述，一旦失誤，恐導致設備損壞延宕產品生產時程。

    一顆關鍵閘道器　製藥廠掀智造浪潮

    不少企業誤以為，要走向智慧製造，就必須重新建立新廠房、添購新機械設備，才能因應這波轉型。其實，善用工業物聯網技術，進行廠區中各機台的數據蒐集、整合及分析等應用，讓生產效益達到最佳化，正是工廠自動化再升級的新選擇。
    企業刊物所羅門AI機器視覺部落格

  • AI機器視覺是甚麼？原理與應用？看完這篇一次了解

    AI機器視覺是人工智慧的一個分支，使機器和人一樣「看懂」圖像與物件後進行判斷與決策，常用在工業自動化與機器人領域如: 視覺瑕疵檢測、3D視覺定位等，也是新興的AR + AI視覺系統技術核心。
    所羅門AI機器視覺部落格

  • 什麼是深度學習?

    想理解深度學習（Deep Learning, DL），最簡單的解釋，可以將深度學習視為機器學習，若更進一步的定義，深度學習就是機器學習的進化版，是資料科學中的組成關鍵。
    所羅門AI機器視覺部落格

  • 什麼是AOI？AOI的優勢與弱勢？

    AOI(Automated Optical Inspection)自動光學檢查，是依靠機器視覺作為辨識的技術，用以改良或彌補人力用光學檢測的種種缺點，現今已被應用在各式各樣的產業中，AOI最主要的功能為瑕疵檢測、尺寸量測、定位貼合，包括高科技產業、半導體、製藥、食品等，AOI在工業自動化中扮演著重要的角色，目前AOI最常被應用的產業分別是PCB和面板顯示器產業，兩者佔比約為64%和15%。
    所羅門AI機器視覺部落格