랜덤 빈 피킹 완벽 가이드
랜덤 빈 피킹이란?
랜덤 빈 피킹은 3D 카메라를 활용하여 로봇이 무작위로 배열된 객체를 인식하고 집어 올리는 자동화 작업입니다. 객체는 불규칙한 방향 및 비정형적인 위치에 놓여 있으며, 로봇은 이를 효과적으로 감지하고 처리해야 합니다. 이 과정은 주로 제조업 및 물류 창고에서 활용되며, 무작위로 쌓인 물체를 자동으로 인식하고 픽업하는 것이 주요 목표입니다.
Solomon Technology Corporation
해외 필드 애플리케이션 엔지니어 매니저
William Lemus의 전문가 통찰
랜덤 빈 피킹 적용 산업 및 사례
랜덤 빈 피킹은 빈 또는 컨테이너에서 반복적으로 물체를 분류하고 처리하는 산업에서 매우 중요한 역할을 합니다. 이는 노동 집약적이고 시간 소모적인 작업을 자동화하는 데 효과적입니다. 다양한 산업에서 활용되는 빈 피킹 적용 사례는 다음과 같습니다.
금속 부품 랜덤 빈 피킹
물류 산업
물류 및 창고 환경에서는 랜덤 빈 피킹을 통해 무작위로 적재된 여러 패키지를 정렬하고 처리합니다. 예를 들어, 글로벌 전자상거래 플랫폼에서 다양한 크기의 패키지를 빈에서 픽업하여 컨베이어 벨트로 자동 배치하는 프로젝트가 진행되었습니다. 주요 과제는 빠른 픽업 속도를 유지하면서 무거운 패키지를 안전하게 취급하는 것이었습니다. Solomon의 AI 솔루션을 적용하여 고속 처리율을 유지하면서 다양한 크기와 무게의 패키지를 안전하고 정확하게 처리할 수 있도록 했습니다.
자동차 산업
식음료 산업
식품 산업에서는 랜덤 빈 피킹을 활용하여 식품 제품의 자동 분류 및 처리 작업을 수행하며, 이를 통해 운영 효율성이 크게 향상됩니다. Solomon은 글로벌 제과업체와 협력하여 빈에서 포장된 쿠키를 픽업한 후 컨베이어 벨트로 옮기는 자동화 시스템을 구축한 바 있습니다. 주요 도전 과제는 초당 30~35개의 쿠키를 픽업하고 배치하는 사이클 시간을 충족하는 것이었습니다.
제조업
제조업에서는 다양한 부품을 선택 및 분류하는 데 빈 피킹이 널리 사용됩니다. 주요 과제는 엄격한 사이클 시간과 높은 정밀도 요구였습니다. 금속 부품의 광택 표면은 3D 카메라의 광 반사 문제를 유발하여 2D 이미지 및 3D 포인트 클라우드 왜곡을 초래하고, 피킹 정확도를 저하시킬 가능성이 있었습니다. 이를 해결하기 위해, 일반적인 백색광 대신 녹색 프로젝터 광원을 사용하는 SolScan 산업용 3D 카메라를 적용하였습니다.
원본 2D 이미지
각도 인식을 포함한 2D AI 감지
픽업 포인트가 포함된 3D 포인트 클라우드
제약 및 의료 산업
제약 및 의료 산업에서는 고속 환경에서 다양한 물품을 정밀하게 처리하기 위해 빈 피킹 시스템이 필수적입니다. 한 제약 유통업체는 다양한 크기, 모양 및 색상의 박스와 병을 포함한 여러 종류의 용기를 관리했으며, 각 빈에는 약 5개의 제품이 무작위로 배치되어 있었습니다.
주요 과제는 제품을 픽업하는 동안 바코드가 항상 스캐너에서 읽을 수 있도록 유지하는 것이었습니다. 작업 공간이 제한적이며, 로봇은 엄격한 사이클 시간을 충족하기 위해 고속으로 작동해야 했기 때문에 충돌 위험이 증가했습니다. 이 문제를 해결하기 위해 AccuPick이 사용되었습니다.
AccuPick의 모션 플래닝 소프트웨어는 안전한 충돌 방지 경로를 계산하였으며, 내장된 AI가 고정밀 감지를 수행하여 로봇이 바코드를 가리지 않고 상단, 측면, 하단 등 어느 위치에서든 제품을 집을 수 있도록 지원했습니다. 크기가 다른 두 가지 로봇 엔드 이펙터(대형 석션 컵 및 소형 석션 컵)가 사용되었으며, 객체 감지 결과, 위치, 유형(박스 또는 병)에 따라 최적의 엔드 이펙터를 자동으로 선택하도록 전략적 조건과 규칙을 설정하였습니다.
주요 과제는 제품을 픽업하는 동안 바코드가 항상 스캐너에서 읽을 수 있도록 유지하는 것이었습니다. 작업 공간이 제한적이며, 로봇은 엄격한 사이클 시간을 충족하기 위해 고속으로 작동해야 했기 때문에 충돌 위험이 증가했습니다. 이 문제를 해결하기 위해 AccuPick이 사용되었습니다.
AccuPick의 모션 플래닝 소프트웨어는 안전한 충돌 방지 경로를 계산하였으며, 내장된 AI가 고정밀 감지를 수행하여 로봇이 바코드를 가리지 않고 상단, 측면, 하단 등 어느 위치에서든 제품을 집을 수 있도록 지원했습니다. 크기가 다른 두 가지 로봇 엔드 이펙터(대형 석션 컵 및 소형 석션 컵)가 사용되었으며, 객체 감지 결과, 위치, 유형(박스 또는 병)에 따라 최적의 엔드 이펙터를 자동으로 선택하도록 전략적 조건과 규칙을 설정하였습니다.
랜덤 빈 피킹 시스템의 필수 요소
툴 센터 포인트(TCP) 보정
로봇의 TCP 보정은 선택된 엔드 이펙터를 로봇 플랜지에 장착한 후 수행해야 합니다. TCP는 로봇이 엔드 이펙터의 정확한 위치와 방향을 인식하도록 하는 기준점 역할을 합니다.
TCP 보정
비전-로봇 보정
비전 시스템과 로봇 간의 보정 과정은 필수적입니다. 3D 카메라의 좌표 원점은 카메라의 기저부에 위치하고, 로봇의 좌표 원점은 로봇의 기저부에 위치합니다. 따라서 보정을 통해 로봇이 카메라의 좌표 시스템을 이해하고, 이를 로봇의 좌표로 변환할 수 있도록 해야 합니다. 이 과정이 완료되면 3D 스캐너에서 로봇으로 전송된 모든 위치 및 회전 좌표가 정확하게 해석되며, 로봇이 필요한 위치와 회전 각도로 특정 지점을 정확하게 도달할 수 있게 됩니다.
3D 스캐닝 및 객체 감지
3D 스캐너는 빈 내 객체의 2D 이미지와 3D 포인트 클라우드를 캡처합니다. 이 데이터는 기본적인 픽업 기준을 충족하는 객체에 대해 픽업 포인트를 생성하는 데 사용됩니다. 이러한 기준은 프로젝트마다 다를 수 있지만, 일반적으로 다음을 포함합니다.
• 빈의 상단 표면에 위치한 객체
• 다른 항목에 의해 가려지지 않거나 부분적으로만 가려진 객체
• 객체의 픽업 방향을 결정하는 데 도움이 되는 가시적 특징이 있는 경우
• 로봇 또는 엔드 이펙터가 픽업 중 충돌하지 않도록 안전하게 배치되고 회전된 객체
• 빈의 상단 표면에 위치한 객체
• 다른 항목에 의해 가려지지 않거나 부분적으로만 가려진 객체
• 객체의 픽업 방향을 결정하는 데 도움이 되는 가시적 특징이 있는 경우
• 로봇 또는 엔드 이펙터가 픽업 중 충돌하지 않도록 안전하게 배치되고 회전된 객체
픽업 포인트 생성 및 실행
각 객체의 픽업 포인트는 일반적으로 위치 및 회전 좌표를 포함합니다. 픽업 포인트가 생성되면, 로봇이 이를 수신한 후 컨트롤러가 해당 위치까지 도달하는 궤적을 계산합니다. 충돌 회피가 필요한 복잡한 환경에서는 안전한 궤적을 계산하기 위해 모션 플래닝 소프트웨어가 필수적입니다. 로봇이 픽업 포인트에 도달하면 객체를 집어 올리고 원하는 위치 또는 빈에 배치합니다.
사이클 반복
현재 사이클에서 감지된 모든 객체가 픽업 및 배치되면, 스캐닝 단계에서 새로운 사이클이 시작됩니다. 이 과정은 빈이 완전히 비워질 때까지 지속적으로 반복됩니다.
랜덤 빈 피킹의 과제 및 해결책
엄격한 사이클 시간 요구 사항
사이클 시간이 엄격하게 요구되는 프로젝트는 각 단계가 신속하게 완료되어야 하므로 큰 도전 과제를 안고 있습니다. 주요 고려 사항은 다음과 같습니다.
• 3D 카메라 캡처 시간: 3D 카메라는 2D 이미지와 3D 포인트 클라우드를 신속하게 캡처해야 합니다.
• 이미지 및 포인트 클라우드 생성: 2D 이미지 및 3D 포인트 클라우드를 생성하는 알고리즘은 효율적이고 최적화되어야 합니다.
• 객체 식별: 객체를 빠르게 식별해야 하며, AI를 활용하면 속도와 정확도를 크게 향상시킬 수 있습니다.
• 픽업 포인트 배치: 픽업 포인트를 결정하는 알고리즘은 신속해야 하며, AI를 활용하면 높은 속도를 구현할 수 있습니다.
• 모션 플래닝: 모션 플래닝 시스템은 신속하게 안전한 궤적을 계산해야 합니다.
• 로봇 속도: 로봇은 사이클 시간 요구를 충족하기 위해 고속으로 작동해야 합니다.
• 엔드 이펙터 선택: 적절한 엔드 이펙터를 선택하는 것이 중요하며, 이를 통해 실패한 픽업을 최소화하고 로봇 이동 중 객체가 안전하게 유지되도록 보장해야 합니다.
• 3D 카메라 캡처 시간: 3D 카메라는 2D 이미지와 3D 포인트 클라우드를 신속하게 캡처해야 합니다.
• 이미지 및 포인트 클라우드 생성: 2D 이미지 및 3D 포인트 클라우드를 생성하는 알고리즘은 효율적이고 최적화되어야 합니다.
• 객체 식별: 객체를 빠르게 식별해야 하며, AI를 활용하면 속도와 정확도를 크게 향상시킬 수 있습니다.
• 픽업 포인트 배치: 픽업 포인트를 결정하는 알고리즘은 신속해야 하며, AI를 활용하면 높은 속도를 구현할 수 있습니다.
• 모션 플래닝: 모션 플래닝 시스템은 신속하게 안전한 궤적을 계산해야 합니다.
• 로봇 속도: 로봇은 사이클 시간 요구를 충족하기 위해 고속으로 작동해야 합니다.
• 엔드 이펙터 선택: 적절한 엔드 이펙터를 선택하는 것이 중요하며, 이를 통해 실패한 픽업을 최소화하고 로봇 이동 중 객체가 안전하게 유지되도록 보장해야 합니다.
고정밀 픽업 정확도
랜덤 빈 피킹의 효과적인 수행을 위해 높은 픽업 정확도를 달성하는 것이 필수적입니다. 주요 고려 사항은 다음과 같습니다.
• 적절한 3D 스캐너: 객체의 재질, 작업 거리 및 빈 크기에 적합한 3D 스캐너를 선택하는 것이 중요합니다.
• 고해상도: 3D 스캐너는 세밀한 캡처를 위해 높은 해상도를 지원해야 합니다.
• 컴퓨터 비전 및 이미지 전처리: 고급 컴퓨터 비전 기술과 이미지 전처리를 활용하면 정확도를 크게 향상시킬 수 있습니다.
• 객체 감지를 위한 AI: 적절한 AI 알고리즘을 선택하면 객체 감지 정확도를 향상시킬 수 있습니다.
• 픽업 포인트 배치를 위한 AI: AI 3D 매칭 기법을 사용하면 픽업 포인트 배치 정확도를 더욱 정밀하게 조정할 수 있습니다.
• 정밀 조정: 3D 스캐너 파라미터, 이미지 전처리 기법, 2D 감지 AI 알고리즘 및 픽업 포인트 배치를 위한 3D 매칭 기법을 세밀하게 조정하면 최적의 성능을 확보할 수 있습니다.
• 안정적인 조명 환경: 일정한 결과를 얻기 위해 안정적인 조명 환경을 유지하는 것이 중요합니다.
• 적절한 3D 스캐너: 객체의 재질, 작업 거리 및 빈 크기에 적합한 3D 스캐너를 선택하는 것이 중요합니다.
• 고해상도: 3D 스캐너는 세밀한 캡처를 위해 높은 해상도를 지원해야 합니다.
• 컴퓨터 비전 및 이미지 전처리: 고급 컴퓨터 비전 기술과 이미지 전처리를 활용하면 정확도를 크게 향상시킬 수 있습니다.
• 객체 감지를 위한 AI: 적절한 AI 알고리즘을 선택하면 객체 감지 정확도를 향상시킬 수 있습니다.
• 픽업 포인트 배치를 위한 AI: AI 3D 매칭 기법을 사용하면 픽업 포인트 배치 정확도를 더욱 정밀하게 조정할 수 있습니다.
• 정밀 조정: 3D 스캐너 파라미터, 이미지 전처리 기법, 2D 감지 AI 알고리즘 및 픽업 포인트 배치를 위한 3D 매칭 기법을 세밀하게 조정하면 최적의 성능을 확보할 수 있습니다.
• 안정적인 조명 환경: 일정한 결과를 얻기 위해 안정적인 조명 환경을 유지하는 것이 중요합니다.
랜덤 객체 방향
빈 내부의 객체들은 일반적으로 무작위로 배열되며, 방향이 불분명하고 비정형적으로 위치합니다. 이러한 랜덤성은 객체들 간의 간섭을 유발할 수 있습니다. 이를 해결하기 위해 다음과 같은 전략을 사용할 수 있습니다.
• 층별 접근 방식: 가장 적합한 객체를 먼저 스캔 및 픽업한 후, 다시 스캔하여 다음 단계를 진행하며 층별로 작업을 수행합니다.
• 빈 셰이커: 빈 셰이커를 사용하여 객체의 위치를 변경합니다.
• 2단계 픽업: 먼저 최적의 방법으로 객체를 픽업한 후, 두 번째 스테이션에서 다른 객체 없이 분리하여 보다 정확한 처리를 수행합니다.
• 엔드 이펙터 선택: 엔드 이펙터를 적절히 선택하면 어려운 상황에서도 픽업 성공률을 높일 수 있습니다.
• 빈 디자인: 빈의 설계가 중요한 역할을 합니다. 일부 응용 분야에서는 역방향 절단 피라미드(인버티드 트렁케이티드 피라미드) 형태의 빈이 효과적인 솔루션이 될 수 있습니다.
• 층별 접근 방식: 가장 적합한 객체를 먼저 스캔 및 픽업한 후, 다시 스캔하여 다음 단계를 진행하며 층별로 작업을 수행합니다.
• 빈 셰이커: 빈 셰이커를 사용하여 객체의 위치를 변경합니다.
• 2단계 픽업: 먼저 최적의 방법으로 객체를 픽업한 후, 두 번째 스테이션에서 다른 객체 없이 분리하여 보다 정확한 처리를 수행합니다.
• 엔드 이펙터 선택: 엔드 이펙터를 적절히 선택하면 어려운 상황에서도 픽업 성공률을 높일 수 있습니다.
• 빈 디자인: 빈의 설계가 중요한 역할을 합니다. 일부 응용 분야에서는 역방향 절단 피라미드(인버티드 트렁케이티드 피라미드) 형태의 빈이 효과적인 솔루션이 될 수 있습니다.
불완전한 픽업 정확도
고급 비전 시스템을 사용하더라도 픽업 정확도가 항상 100%가 될 수는 없습니다. 빈의 하단, 모서리 또는 구석에 위치한 객체들은 위치 특성상 픽업되지 않을 수 있습니다. 이러한 경우, 빈 셰이커를 사용하여 객체를 더 쉽게 접근할 수 있는 위치로 이동시키는 것이 효과적인 해결책이 될 수 있습니다.
제한된 작업 공간 및 고속 로봇 이동
좁은 작업 공간에서 고속으로 로봇을 운용해야 하는 경우, 모션 플래닝 소프트웨어가 필수적입니다. 작업 공간과 엔드 이펙터의 경량 CAD 파일이 필요할 수 있으며, 이 파일에는 로봇 모델이 포함되어 있어야 합니다. 이를 통해 가능한 궤적을 시뮬레이션하고 가장 안전한 경로를 계산할 수 있습니다.
투명 또는 광택 있는 객체
투명하거나 광택이 있는 금속 객체는 픽업 포인트 배치를 위한 정확한 포인트 클라우드 생성을 어렵게 만듭니다. 이 문제를 해결하기 위해 AI, 컴퓨터 비전, 이미지 전처리 기술을 활용하고, 고품질 3D 스캐너를 사용하는 것이 효과적입니다. 스테레오 비전과 구조광 프로젝터를 활용하거나, 다양한 색상의 광원, 고해상도 및 높은 광 강도를 조합하여 이러한 문제를 효과적으로 해결할 수 있습니다.
AI 기반 랜덤 빈 피킹
AI는 산업 환경에서 고품질 객체 감지 및 정밀한 픽업 포인트 배치를 달성하면서도 경쟁력 있는 사이클 타임을 유지하는 데 중요한 역할을 합니다. AI는 컴퓨터 비전 및 이미지 전처리 기술과 결합하면 다양한 환경 조건과 객체 방향에 적응할 수 있습니다. 이러한 적응력 덕분에 AI는 객체가 무작위로 배열된 랜덤 빈 피킹 작업에 특히 적합합니다. 이러한 환경을 위한 AI 모델은 다양한 픽업 문제를 해결할 수 있도록 강력하고 유연하게 설계되어야 합니다.
AI 및 고급 비전 시스템을 기반으로 한 랜덤 빈 피킹은 다양한 산업 분야에서 산업 자동화를 혁신하고 있습니다. Solomon의 AI 및 3D 비전 솔루션이 귀사의 운영을 어떻게 최적화할 수 있는지 확인해 보세요.