(文章來源:機器視覺前沿)
機器視覺長期以來用于工業(yè)自動化系統(tǒng)中,以通過取代傳統(tǒng)上的人工檢查來提高生產(chǎn)質量和產(chǎn)量。從拾取和放置、對象跟蹤到計量、缺陷檢測等應用,利用視覺數(shù)據(jù)可以通過提供簡單的通過失敗信息或閉環(huán)控制回路,來提高整個系統(tǒng)的性能。
視覺的使用并不僅僅在工業(yè)自動化領域;我們也看到了相機在日常生活中的大量應用,例如用于計算機、移動設備,特別是在汽車中。攝像頭僅僅是在幾年前才被引入到汽車中,但是現(xiàn)在汽車中已經(jīng)配備了大量攝像頭,以為駕駛員提供完整的360°車輛視圖。
但是談到機器視覺領域的最大技術進步,可能一直是處理能力。隨著處理器性能每兩年翻一番,以及對多核CPU、GPU和FPGA等并行處理技術的持續(xù)關注,視覺系統(tǒng)設計人員現(xiàn)在可以將高度復雜的算法應用于視覺數(shù)據(jù),并創(chuàng)建更智能的系統(tǒng)。
首先,因為可以使用相同的軟件開發(fā)視覺系統(tǒng)和運動系統(tǒng),設計者不需要熟悉多種編程語言或環(huán)境,因此降低了開發(fā)復雜性。第二,消除了以太網(wǎng)網(wǎng)絡上的潛在性能瓶頸,因為現(xiàn)在數(shù)據(jù)僅在單個應用中的環(huán)路之間傳遞,而不是在物理層之間傳遞。
這使得整個系統(tǒng)的運行具有確定性,因為一切共享相同的過程。當將視覺直接引入控制回路中時,例如在視覺伺服應用中,這是特別有價值的。這里,視覺系統(tǒng)在運動期間連續(xù)捕獲致動器和目標零件的圖像,直到運動完成。這些捕獲的圖像用于提供關于運動成功的反饋。有了這一反饋,設計人員可以提高現(xiàn)有自動化的精度和精密度,而無需升級到高性能運動硬件。
這種系統(tǒng)的一個很好的選擇是:使用將處理器和FPGA與I/O相結合的異構處理架構。已經(jīng)有很多行業(yè)投資這種架構,包括美國Xilinx公司的Zynq全可編程SoC(將ARM處理器與Xilinx 7系列FPGA架構相結合),以及英特爾數(shù)十億美元收購Altera等。
不幸的是,雖然這種架構提供了很多性能和可擴展性,但是實現(xiàn)它的傳統(tǒng)方法需要專業(yè)知識,特別是在使用FPGA時。這為設計者帶來了巨大風險,并有可能導致使用該架構不切實際甚至不可能。然而,使用集成軟件(如NI LabVIEW),設計人員可以通過提取低級復雜性,并將所需的所有技術集成到單一開發(fā)環(huán)境中,來提高生產(chǎn)率,降低風險。
行業(yè)內(nèi)這種機器每小時的產(chǎn)量大約為2000個零件。但是Master Machinery公司采取了不同的方法。他們設計了中央集權的、以軟件為中心的架構,并將主機控制器、機器視覺和運動系統(tǒng)、I/O和HMI全部集成到單獨的控制器中,所有都采用LabVIEW編程。除了不需要單個子系統(tǒng)實現(xiàn)成本節(jié)約之外,這種方法還具備性能優(yōu)勢,其每小時大約能生產(chǎn)20000個零件,是競爭產(chǎn)品的10倍。
Master Machinery公司成功的關鍵因素之一是能夠將多個子系統(tǒng)組合在單個軟件堆棧中,特別是機器視覺和運動控制系統(tǒng)。使用這種統(tǒng)一的方法,Master Machinery公司不但簡化了設計機器視覺系統(tǒng)的方式,而且還簡化了如何設計整個系統(tǒng)。
機器視覺是一項復雜的任務,需要大量的處理能力。隨著摩爾定律繼續(xù)增加處理元件(如CPU、GPU和FPGA)的性能,設計人員可以使用這些組件來開發(fā)高度復雜的算法。設計人員還可以使用此技術來提高設計中其他組件的設計性能,特別是在運動控制和I/O領域。
隨著所有這些子系統(tǒng)性能的提高,用于開發(fā)這些機器的傳統(tǒng)分布式架構將面臨壓力。將這些任務整合到單個控制器中,運行在單個軟件環(huán)境下,消除了設計過程中的瓶頸,使設計人員可以專注于創(chuàng)新,而不必擔心實施問題。