Разработка AI-системы компьютерного зрения для промышленных роботов

Без зрения робот — слепой автомат, работающий строго по программе. CV добавляет адаптивность: захват произвольно ориентированных деталей, инспекция в процессе сборки, навигация в динамической среде, совместная работа с человеком с соблюдением ISO 15066. Мы интегрируем системы компьютерного зрения в промышленные манипуляторы и мобильных роботов — это связка: 6DoF pose estimation для захвата деталей из контейнера (bin picking), depth-guided grasping и построение семантических карт для AMR. Экономия на одном bin picking участке — существенная за счёт снижения ручного труда и брака.

Как CV решает проблему bin picking?

Bin picking — одна из самых востребованных и сложных задач. Детали в контейнере перекрывают друг друга, хаотично ориентированы, часто имеют отражающие поверхности. Основной метод — 6DoF pose estimation: определяем положение (x,y,z) и поворот (roll,pitch,yaw) каждой детали. Для этого используем RGB-D камеры (RealSense, Azure Kinect) и одну из моделей:

• FoundationPose — state-of-the-art для деталей с известной CAD-моделью. Обеспечивает ADD-0.1d 78–89%.
• GDR-Net — геометрически дискретизированный рендеринг, работает без CAD, но точность ниже.
• PVPN (Point Voting) — для сильно зашумлённых сцен, устойчива к частичным перекрытиям.

Пример реализации на PyTorch (сокращённо):

import numpy as np import cv2 import torch from dataclasses import dataclass from typing import Optional @dataclass class ObjectPose: object_class: str position_xyz: tuple[float, float, float] # мм в системе координат камеры rotation_matrix: np.ndarray # 3×3 euler_angles: tuple[float, float, float] # roll, pitch, yaw в градусах confidence: float grasp_point: tuple[float, float, float] # рекомендованная точка захвата grasp_approach: np.ndarray # вектор подхода захвата class BinPickingSystem: """ Система bin picking: обнаружение и определение позы деталей в контейнере. Методы: 1. FoundationPose / DenseFusion: на основе RGB-D 2. GDR-Net: геометрически дискретизированный рендеринг 3. PVPN: point-wise voting Камера: Intel RealSense D435i или Azure Kinect. CAD модель детали обязательна для FoundationPose. """ def __init__(self, pose_model_path: str, cad_model_path: str, object_classes: list[str], camera_intrinsics: dict, device: str = 'cuda'): self.device = device self.object_classes = object_classes self.camera_intrinsics = camera_intrinsics # fx, fy, cx, cy # Загрузка pose estimation модели self.pose_model = torch.load(pose_model_path, map_location=device).eval() # CAD модель для рендеринга (используется FoundationPose) self.cad_model = self._load_cad_model(cad_model_path) # YOLO для первичного обнаружения объектов from ultralytics import YOLO self.detector = YOLO(pose_model_path.replace('pose', 'det')) def _load_cad_model(self, cad_path: str): """Загрузка .ply или .obj CAD модели""" try: import open3d as o3d return o3d.io.read_triangle_mesh(cad_path) except ImportError: return None def estimate_poses(self, rgb: np.ndarray, depth: np.ndarray) -> list[ObjectPose]: """ Оценка позы объектов. rgb: (H, W, 3) uint8 depth: (H, W) float32 в миллиметрах """ # 1. Детекция объектов для ROI detections = self.detector(rgb, conf=0.4, verbose=False) poses = [] for box in detections[0].boxes: cls_id = int(box.cls.item()) if cls_id >= len(self.object_classes): continue x1, y1, x2, y2 = map(int, box.xyxy[0]) # Вырезать RGB и depth патч rgb_crop = rgb[y1:y2, x1:x2] depth_crop = depth[y1:y2, x1:x2] if rgb_crop.size == 0: continue # 2. Pose estimation на патче pose = self._estimate_single_pose( rgb_crop, depth_crop, cls_id, (x1, y1) ) if pose: poses.append(pose) # Сортировка по высоте Z (верхние детали первыми) poses.sort(key=lambda p: p.position_xyz[2]) return poses @torch.no_grad() def _estimate_single_pose(self, rgb_crop: np.ndarray, depth_crop: np.ndarray, cls_id: int, offset: tuple) -> Optional[ObjectPose]: """Pose estimation для одного объекта""" from torchvision import transforms transform = transforms.Compose([ transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ]) from PIL import Image pil = Image.fromarray(cv2.cvtColor(rgb_crop, cv2.COLOR_BGR2RGB)) rgb_tensor = transform(pil).unsqueeze(0).to(self.device) depth_tensor = torch.from_numpy(depth_crop).unsqueeze(0).unsqueeze(0).float().to(self.device) # Конкатенация RGB + depth depth_norm = depth_tensor / 1000.0 # мм → метры # Упрощённая модель принимает 4-channel input input_tensor = torch.cat([ rgb_tensor, torch.nn.functional.interpolate( depth_norm, size=rgb_tensor.shape[-2:], mode='bilinear' ) ], dim=1) output = self.pose_model(input_tensor) # output: (1, 6) — translation(3) + rotation_euler(3) if output is None or output.shape[-1] < 6: return None out_np = output.squeeze().cpu().numpy() tx, ty, tz = out_np[:3] * 1000 # метры → мм rx, ry, rz = np.degrees(out_np[3:6]) # Матрица вращения из эйлеровых углов R, _ = cv2.Rodrigues(np.array([np.radians(rx), np.radians(ry), np.radians(rz)])) # Точка захвата: центр объекта + смещение вверх по нормали grasp_z = tz - 30 # 30мм выше центра grasp_point = (tx, ty, grasp_z) approach_vec = R @ np.array([0, 0, -1]) # направление подхода conf = float(torch.sigmoid( self.pose_model.confidence_head(output) if hasattr( self.pose_model, 'confidence_head') else torch.tensor(0.0) ).item()) if hasattr(self.pose_model, 'confidence_head') else 0.8 return ObjectPose( object_class=self.object_classes[cls_id], position_xyz=(round(tx, 1), round(ty, 1), round(tz, 1)), rotation_matrix=R, euler_angles=(round(rx, 1), round(ry, 1), round(rz, 1)), confidence=round(conf, 3), grasp_point=grasp_point, grasp_approach=approach_vec ) 

Почему 6DoF pose estimation критична для коллаборативных роботов?

Коллаборативные роботы работают в одном пространстве с людьми. Ошибка в определении позы детали приводит к столкновению или повреждению объекта. Для cobot-приложений по ISO 15066 требуется повторяемость захвата с точностью ±1 мм и задержка менее 50 мс. Именно 6DoF pose estimation даёт необходимую точность для безопасного подхода и захвата.

Метрики сравнения методов:

FoundationPose лучше GDR-Net в 1.2 раза по ADD при наличии CAD, но без CAD GDR-Net выигрывает за счёт отсутствия необходимости в модели. PVPN устойчивее к перекрытиям, но медленнее (15 FPS против 30 FPS у FoundationPose).

Как мы проектируем систему компьютерного зрения для роботов?

Процесс начинается с аудита вашего производства: какие операции выполняются, какие детали, какие текущие проблемы. Далее мы подбираем оборудование (камеры, освещение, контроллеры) и разрабатываем алгоритм CV. Этапы:

1. Сбор данных: съёмка сцен на вашем производстве, разметка поз (6DoF) с помощью наших инструментов.
2. Выбор модели: FoundationPose, GDR-Net или кастомный Transformer в зависимости от наличия CAD и допустимой задержки.
3. Обучение и валидация: на синтетических и реальных данных. Добиваемся ADD-0.1d > 85%.
4. Интеграция: в ROS2 node для манипулятора или в OPC-UA для PLC. Обеспечиваем реальное время.
5. Тестирование: на производственной линии в течение 2 недель. Фиксируем KPI (цикл захвата, процент успешных попыток).

Vision для навигации AMR

Мобильные роботы (AMR/AGV) используют CV для детекции препятствий, людей и построения карты. Типовая архитектура — YOLOv8 на RGB-D, segmentation depth, разделение на секторы для планирования траектории. Пример фрагмента кода:

class AMRNavigationVision: """ Computer vision для автономных мобильных роботов (AMR). Задачи: obstacle detection, semantic mapping, человек-распознавание для cobot safety (ISO/TS 15066 protected/restricted speed zones). """ def __init__(self, obstacle_model_path: str, device: str = 'cuda'): from ultralytics import YOLO self.obstacle_model = YOLO(obstacle_model_path) self.device = device # Semantic map: {cell_id: label} self.semantic_map: dict = {} def process_navigation_frame(self, rgb: np.ndarray, depth: np.ndarray) -> dict: """ Анализ кадра для навигации AMR. Возвращает: obstacles, nearest_human_dist_m, clear_path_sectors. """ results = self.obstacle_model(rgb, conf=0.4, verbose=False) obstacles = [] nearest_human_dist = float('inf') h, w = depth.shape[:2] sector_width = w // 5 # 5 секторов: LL/L/C/R/RR for box in results[0].boxes: x1, y1, x2, y2 = map(int, box.xyxy[0]) cls_name = results[0].names[int(box.cls.item())] cx = (x1 + x2) // 2 cy = (y1 + y2) // 2 # Медианная глубина в bbox depth_crop = depth[y1:y2, x1:x2] valid_depths = depth_crop[depth_crop > 0] dist_m = float(np.median(valid_depths)) / 1000.0 if len(valid_depths) > 0 else 0 obstacles.append({ 'class': cls_name, 'bbox': [x1, y1, x2, y2], 'distance_m': round(dist_m, 2), 'sector': min(cx // sector_width, 4) }) if cls_name == 'person' and dist_m < nearest_human_dist: nearest_human_dist = dist_m # Определить свободные секторы blocked_sectors = {o['sector'] for o in obstacles if o['distance_m'] < 1.5} clear_sectors = [s for s in range(5) if s not in blocked_sectors] # ISO/TS 15066: если человек < 0.5м → STOP; 0.5–1.5м → reduced speed safety_mode = ('STOP' if nearest_human_dist < 0.5 else 'REDUCED_SPEED' if nearest_human_dist < 1.5 else 'NORMAL') return { 'obstacles': obstacles, 'nearest_human_m': round(nearest_human_dist, 2), 'clear_sectors': clear_sectors, 'safety_mode': safety_mode } 

Что входит в работу над проектом CV?

Мы предоставляем полный цикл: аналитика требований, подбор оборудования, калибровка камеры и робота, обучение моделей на ваших данных, интеграция с контроллером (ROS2/OPC-UA), тестирование в production-условиях. В deliverables:

• Модель pose estimation (ONNX/TensorRT)
• Интеграционный модуль для PLC
• Документация по безопасной эксплуатации
• Обучение операторов
• Гарантийная поддержка 6 месяцев

Сроки и стоимость

Сроки — от 8 до 20 недель в зависимости от сложности. Стоимость рассчитывается индивидуально после аудита вашего производства. Мы гарантируем прозрачность этапов и фиксируем KPI в договоре.

Наш опыт и гарантии

Многолетний опыт в промышленном CV, десятки проектов от bin picking до инспекции. Сертифицированные инженеры по PyTorch, ROS2, OpenCV. Используем официальные библиотеки: OpenCV и ISO 15066. Даём гарантию на точность моделей (ADD и recall прописаны в договоре).

Получите консультацию по вашему проекту — свяжитесь с нами, чтобы обсудить задачу и сделать прототип. Закажите предварительный аудит вашего производства — это бесплатно.