Advertisement

Abbildung und Erkennung von Objekten

  • Stefan Hesse
  • Gerhard Schnell
Chapter

Zusammenfassung

Neben einigen allgemeinen Grundlagen geht es um die optische Aufnahme von Gegenständen und die Auswertung der Daten, sprich Zuordnung zu bekannten Formen und Gegenständen. Beim Lichtschnittverfahren wird mit einer projizierten Lichtebene gearbeitet. Kamerabasierte Systeme sind oft Mitwirkende beim Ordnen und Vereinzeln von Werkstücken, die meistens stufenweise arbeiten. Eine Konturprüfung ist oft auch Bestandteil von Systemen zur Qualitätskontrolle. Weiterhin werden Beispiele aus der Praxis gezeigt, die sensorisch eine breite Palette verschiedener Sensoren betreffen. Wichtig sind immer auch die Beleuchtungsarten. Zu den nichtoptischen Abtastsystemen werden einige taktile Systeme gezeigt. Schließlich erscheinen auch Beispiele für das Lesen von Barcodes und anderen Codes. Laserscanner haben hier ihr Potenzial entfaltet. Die industrielle Bildverarbeitung hat sich in den letzten Jahren zu einer Schlüsseltechnologie entwickelt. Sie erschließt neue Möglichkeiten zum Beispiel bei der Oberflächeninspektion von Objekten, der Vollständigkeitskontrolle, der Identifikation und Klassifizierung, der automatischen Montage, der Qualitätsprüfung und der Lagebestimmung sowie Vermessung von Gegenständen. Der Einsatz technisch visueller Systeme wird vor allem dann in die engere Wahl gezogen, wenn die Objektivität des Erkennens, die Erkennungsgeschwindigkeit und die Genauigkeit eine große Rolle spielen.

Literatur

  1. 1.
    Takeyasu, J., Kasai, M., Shimomura, R., et al. (1977). An approach of the integrated robot with multiple sensory feedback. Proc 7th Int Symp On Industrial Robot.Google Scholar
  2. 2.
    Pugh, A. (1983). Robot vision. Berlin, Heidelberg: Springer.CrossRefGoogle Scholar
  3. 3.
    Schmid, R. (1995). Industrielle Bildverarbeitung. Braunscheig, Wiesbaden: Vieweg.CrossRefGoogle Scholar
  4. 4.
    Ahlers, R.-J., & Warnecke, H. J. (1991). Industrielle Bildverarbeitung. München: Addison-Wessley.Google Scholar
  5. 5.
    Demand, C., Streicher-Abel, B., & Waszkewitz, P. (1998). Industrielle Bildverarbeitung. Berlin, Heidelberg: Springer.CrossRefGoogle Scholar
  6. 6.
    Jähne, B. (2005). Digitale Bildverarbeitung. Berlin, Heidelberg: Springer.zbMATHGoogle Scholar
  7. 7.
    Wahl, F. M. (1986). A coded light approach for depth map acquisition. 8. DAGM Symposium Mustererkennung, Paderborn. Berlin, Heidelberg: Springer.CrossRefGoogle Scholar
  8. 8.
    Hesse, S. (2000a). Der Fluidmuskel in der Anwendung. Esslingen: Blue Digest on Automation Festo.Google Scholar
  9. 9.
    Hesse, S. (2000b). Rationalisierung der Kleinteilezuführung. Esslingen: Blue Digest on Automation Festo.Google Scholar
  10. 10.
    v Puttkammer, E. (1994). Sensorintegration zur geometrischen Weltmodellierung. Informationstechnik und Technische Informatik, 36(1), 34–38.Google Scholar
  11. 11.
    Möller, R. (2006). Das Ameisenpatent. München: Elsevier.Google Scholar
  12. 12.
    Schmid, D. (2005). Steuern und Regeln für Maschinenbau und Mechatronik. Haan-Gruiten: Europa-Lehrmittel.Google Scholar
  13. 13.
    Zadd Ramos S (2004) Greifen bei Servicerobotern: Lernen und Selbstorganisation. Diss. Universität Bochum.Google Scholar
  14. 14.
    Krämer, K. (2002). Automatisierung in Materialfluss und Logistik. Wiesbaden: Deutscher Universitätsverlag.CrossRefGoogle Scholar
  15. 15.
    Lenk, B., & Lenk, M. (2002). Handbuch der automatischen Identifikation. Kirchheim: Fachbuchverlag.Google Scholar
  16. 16.
    Weisshaupt, B., & Gubler, G. (1992). Identifikations- und Kommunikationssysteme. Landsberg: moderne industrie.Google Scholar
  17. 17.
    Finkenzeller, K. (2002). RFID-Handbuch. München, Wien: Hanser.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2018

Authors and Affiliations

  • Stefan Hesse
    • 1
  • Gerhard Schnell
    • 2
  1. 1.PlauenDeutschland
  2. 2.Hochschule der MedienStuttgartDeutschland

Personalised recommendations