Identificación de piezas en problemas de bin-picking sobre NVIDIA ORIN NX

Abstract

[ES] Los problemas de bin-picking son habituales en los entornos industriales donde encontramos piezas superpuestas (iguales o no) agrupadas en contenedores, donde un robot industrial tiene que identificar cual de ellas es la mas accesible para cogerla (picking). Este problema habitualmente hace uso de los sistemas de visión artificial para que usando conocimiento previo (CAD de las piezas) o sin el mismo (aprendizaje), se pueda localizar en una imagen la pieza mejor para ser cogida por el robot. El problema requiere de sistemas de cómputo intensivos, por tanto implica procesamiento de imágenes, tanto para procesamiento como para aprendizaje. En este trabajo se aborda el despliegue en un módulo NVIDIA ORIN de un sistema que mediante aprendizaje con redes neuronales profundas, adquiera las imágenes de un sistema de visión 3D, y localicé las coordenadas de la pieza mejor para el picking.

[EN] Bin-picking problems are common in industrial environments where we find overlapping parts (the same or not) grouped in containers, where an industrial robot has to identify which of them is the most accessible for picking. This problem usually makes use of artificial vision systems so that using previous knowledge (CAD of the parts) or without it (learning), the best part to be picked by the robot can be located in an image. The problem is computationally intensive and therefore involves image processing, both for processing and learning. This work addresses the deployment in an NVIDIA ORIN module of a system that by means of learning with deep neural networks, acquires the images of a 3D vision system, and locates the coordinates of the best part for picking.