Warum Vision-Führung für flexible Automatisierung unverzichtbar ist
Klassische Roboterprogrammierung geht von exakt bekannten, wiederholbaren Positionen aus. Sobald Werkstücke unsortiert in einer Kiste liegen, auf einem Förderband unregelmäßig ankommen oder aus verschiedenen Chargen mit leicht abweichenden Toleranzen stammen, reicht reine Teach-In-Programmierung nicht mehr aus. Vision-gestütztes Greifen löst dieses Problem, indem der Roboter die tatsächliche Position und Orientierung eines Objekts in Echtzeit erkennt und seine Bahn entsprechend anpasst.
2D-Vision: Der wirtschaftliche Standard für definierte Ebenen
2D-Kamerasysteme erkennen Position und Rotation eines Objekts auf einer bekannten Ebene – etwa auf einem Förderband oder einer flachen Palette. Sie sind kostengünstiger, einfacher zu kalibrieren und ausreichend schnell für hohe Taktraten. Grenzen erreichen sie, sobald sich die Objekte in der Höhe unterscheiden, gestapelt oder überlappend liegen, oder wenn die Greifposition von der Objektorientierung im Raum (nicht nur in der Ebene) abhängt.
3D-Vision: Notwendig bei unstrukturierten Szenen
3D-Systeme (Stereo-Kameras, Laufzeitkameras/ToF, strukturiertes Licht oder Laserscanning) erfassen eine vollständige Punktwolke der Szene. Sie sind Grundvoraussetzung für klassisches Bin Picking, bei dem Bauteile ungeordnet und in unterschiedlichen Höhen und Orientierungen in einer Kiste liegen. Die Rechenlast ist deutlich höher als bei 2D-Systemen, moderne Embedded-Vision-Prozessoren und optimierte Punktwolken-Algorithmen haben die Zykluszeiten aber in den letzten Jahren erheblich reduziert.
Auswahlkriterien in der Praxis
1. Anzahl der Freiheitsgrade im Griffszenario
Muss der Roboter nur in X/Y und einer Rotation greifen, reicht in der Regel 2D. Sobald Neigungswinkel, Höhenvariation oder Objektüberlappung eine Rolle spielen, ist 3D notwendig.
2. Erforderliche Zykluszeit
3D-Bin-Picking-Systeme benötigen typischerweise 0,5–2 Sekunden für Aufnahme und Berechnung des optimalen Griffpunkts. Bei sehr hohen Taktraten kann eine Vorsortierung mit einfacherer 2D-Erkennung oder mechanischer Vereinzelung wirtschaftlicher sein als reines 3D-Bin-Picking.
3. Materialeigenschaften
Stark reflektierende Metallteile, transparente Kunststoffe oder tiefschwarze Oberflächen stellen für viele 3D-Sensortechnologien eine Herausforderung dar. Strukturiertes Licht funktioniert bei glänzenden Metallteilen oft schlechter als Laserlinien-Triangulation. Ein Testmuster mit dem tatsächlichen Bauteil vor der Systemauswahl ist unverzichtbar.
Typische Integrationsfehler
Der häufigste Fehler ist eine unzureichende Hand-Auge-Kalibrierung (Eye-in-Hand oder Eye-to-Hand). Wird die Kalibrierung mit einem anderen Werkzeug oder Greifer durchgeführt als dem final produktiven, entstehen systematische Offset-Fehler, die erst bei Kollisionen oder ungenauem Greifen auffallen. Ebenso kritisch ist unzureichende Beleuchtung: Wechselndes Umgebungslicht, Reflexionen von Hallenfenstern oder Schattenwurf durch die Anlage selbst führen zu inkonsistenten Erkennungsraten. Eine kontrollierte, vom Umgebungslicht entkoppelte Beleuchtung ist bei produktiven Anlagen Pflicht, keine Option.
Integration mit KUKA, ABB und FANUC
Alle drei Hersteller bieten native Vision-Schnittstellen: KUKA.VisionTech, ABB Integrated Vision und FANUC iRVision. Die Wahl zwischen herstellereigener Lösung und externem Vision-System (z. B. Cognex, Keyence, Zivid) hängt vom Integrationsaufwand und der gewünschten Flexibilität ab. Herstellereigene Systeme sind meist einfacher in Betrieb zu nehmen, externe Systeme bieten oft mehr Funktionsumfang für komplexe 3D-Szenen.
Fazit
Vision-gestütztes Greifen ist heute Stand der Technik für jede Anwendung mit variablen Werkstückpositionen. Die Wahl zwischen 2D und 3D sollte nicht nach Verfügbarkeit, sondern nach den tatsächlichen Freiheitsgraden der Anwendung getroffen werden. Eine saubere Kalibrierung mit dem finalen Werkzeug und eine kontrollierte Beleuchtung entscheiden in der Praxis über Erfolg oder ständige Nacharbeit.