1. Sådan fungerer 3D-visionssystemet
I modsætning til simple sensorer skaber et 3D-visionssystem en punktsky med høj tæthed – et digitalt 3D-kort over pallens overflade.
Billeddannelse: Et 3D-kamera (normalt monteret over hovedet) optager hele laget i ét "billede".
Segmentering (AI): Kunstig intelligens-algoritmer skelner mellem individuelle poser, selvom de er presset tæt sammen eller har komplekse mønstre.
Positionsestimering: Systemet beregner de nøjagtige x-, y- og z-koordinater samt retningen på den bedste pose at vælge.
Kollisionsundgåelse: Vision-softwaren planlægger en bane for robotarmen for at sikre, at den ikke rammer pallevæggene eller tilstødende poser under plukningen.
2. Vigtigste udfordringer løst
Problemet med den "sorte pose": Mørke materialer eller reflekterende plastfilm "absorberer" eller "spreder" ofte lys, hvilket gør dem usynlige for standardkameraer. Moderne AI-drevne 3D-systemer bruger specialiserede filtre og HDR-billeddannelse til at se disse vanskelige overflader tydeligt.
Overlappende poser: AI kan registrere "kanten" af en pose, selv når den er delvist begravet under en anden.
Blandede SKU'er: Systemet kan identificere forskellige typer poser på den samme palle og sortere dem i overensstemmelse hermed.
Pallets hældning: Hvis pallen ikke er helt i vater, justerer 3D-visionen automatisk robottens tilkørselsvinkel.
3. Tekniske fordele
Høj succesrate: Moderne systemer opnår >99,9% genkendelsesnøjagtighed.
Hastighed: Cyklustider er typisk 400-1.000 poser i timen, afhængigt af robottens nyttelast.
Arbejdssikkerhed: Eliminerer risikoen for kroniske rygskader forårsaget af manuel depalletering af sække på 25 kg-50 kg.