特許7551940IP Force 特許公報全文掲載

技術分野

この発明は、容器に収納された複数の部品をロボットハンドによって把持する技術に関し、特にビンピッキングに対して好適に適用できる。

発明が解決しようとする課題[発明の詳細な説明]から抜粋

の方法によれば、ロボットハンドの回転角度の数と対象部品の数とを乗じた枚数のパッチ画像が取得されて、各パッチ画像について把持成功確率が算出される。そのため、演算負荷が過大になるという問題があった。

課題を解決するための手段[発明の詳細な説明]から抜粋

本発明に係る画像処理装置は、容器に収納された複数の部品を示す収納部品画像に含まれる複数の部品のうちの一の部品に対して設定された対象範囲の画像を切り出した第1パッチ画像が入力されると、第1パッチ画像に含まれる一の部品に対して対象範囲の位置を補正するための補正量を出力する位置合わせ部と、補正量だけ対象範囲を補正した範囲の画像を収納部品画像から切り出した、一の部品を含む第2パッチ画像を生成する補正・・・ 続きを知財ポータルサイト IP Force にログインして見る

発明の効果[発明の詳細な説明]から抜粋

本発明によれば、ロボットハンドによって部品の把持を試行した場合の把持成功確率の算出に要する演算負荷を低減することが可能となる。

この特許の権利範囲[特許請求の範囲]

知財ポータルサイト IP Force にログインして確認する (無料)

この特許公報に記載されている図面[図面の簡単な説明]から抜粋

【図1】 本発明に係る部品把持システムの一例を模式的に示す平面図。
【図2】 図1の部品把持システムで部品の把持に使用されるロボットハンドを模式的に示す斜視図。
【図3】 制御装置が備える電気的構成の一例を示すブロック図。
【図4A】 図1の部品把持システムで実行されるビンピッキングの一例を示すフローチャート。
【図4B】 図4Aのビンピッキングで実行されるパッチ画像処理の一例を示すフローチャート。
【図4C】 図4Aのビンピッキングで実行される把持推論の一例を示すフローチャート。
【図4D】 図4Cの把持推論で実行される把持対象部品の決定の一例を示すフローチャート。
【図5A】 図4Bのパッチ画像処理で実行される動作を模式的に示す図。
【図5B】 図4Bのパッチ画像処理で実行される動作を模式的に示す図。
【図5C】 図4Bのパッチ画像処理で実行される動作を模式的に示す図。
【図5D】 図4Bのパッチ画像処理で実行される動作を模式的に示す図。
【図5E】 図4Bのパッチ画像処理で実行される動作を模式的に示す図。
【図6A】 図4Cの把持推論で実行される動作を模式的に示す図。
【図6B】 図4Cの把持推論で実行される動作を模式的に示す図。
【図6C】 図4Cの把持推論で実行される動作を模式的に示す図。
【図7】 図4Cの把持推論で実行される動作を模式的に示す図。
【図8A】 位置合わせニューラルネットワークの学習データの収集方法の一例を示すフローチャート。
【図8B】 パッチ画像から生成される位置判定マスクの一例を模式的に示す図。
【図9A】 図8Aで収集された学習データを位置合わせニューラルネットワークに学習させるフローチャートの一例。
【図9B】 損失関数の算出にマスクの使用が有利となる一例を模式的に示す図。
【図10A】 把持分類ニューラルネットワークに学習を実行させるフローチャートの一例。
【図10B】 把持分類ニューラルネットワークに学習を実行させるフローチャートの一例。
【図10C】 把持分類ニューラルネットワークに学習を実行させるフローチャートの一例。
【図11】 把持分類ネットワーク部の把持分類ニューラルネットワークの再学習方法の一例を示すフローチャート。
【図12】 把持分類ネットワーク部の把持分類ニューラルネットワークの変形例。

代表図 図1本件の代表的な図

1…部品把持システム 3…制御装置(画像処理装置) 311…主制御部(画像取得部) 41…画像合成部 43…パッチ画像生成部 45…位置合わせネットワーク部(位置合わせ部、補正画像生成部) 47…把持分類ネットワーク部(把持分類部) 51…ロボットハンド 91…部品ビン 911…区画収納(容器) Ic…合成画像(収納部品画像) Id…深度画像 Ig…グレースケール画像(輝度画像) Ip…パッチ画像(第1パッチ画像) Ipc…補正パッチ画像(第2パッチ画像) Mp…位置判定マスク P…部品 Rc…切り出し範囲(対象範囲) (Δx,Δy,Δθ)…補正量

全ての図面はログインすると無料で閲覧できます。ログイン・ユーザー登録

[広告欄]

ログインすれば広告は減ります

ログインすれば広告は減ります