Table of Contents
Introducción a la visión de Stereo en la robótica industrial
La tecnología de visión Stereo ha revolucionado la forma en que los robots industriales perciben e interactúan con su entorno. Al imitar la capacidad del sistema visual humano para percibir la profundidad, la visión estéreo permite a los robots medir con precisión las distancias a los objetos, navegar por espacios de trabajo complejos y realizar tareas de precisión con una precisión sin precedentes. Esta tecnología se ha convertido en una piedra angular de la automatización moderna, la eficiencia de conducción y las mejoras de seguridad en las aplicaciones de fabricación, logística y control de calidad.
La visión informática cercana a la visión humana sólo puede crearse usando cámaras estéreo. Este principio fundamental sustenta la adopción generalizada de sistemas de visión estéreo en la robótica industrial. A medida que la automatización continúa avanzando, la capacidad de percibir con precisión el espacio tridimensional se ha vuelto esencial para los robots que operan en entornos dinámicos y no estructurados donde los métodos tradicionales de detección no se encuentran.
El tamaño del mercado de los sensores robóticos globales se estimó en 1.819,4 millones de dólares en 2024 y se prevé que alcanzará 3.625,8 millones de dólares en 2033, creciendo en una CAGR de 8,1% de 2025 a 2033, impulsada por la creciente adopción de la automatización en los sectores industriales, junto con el creciente despliegue de robots móviles autónomos (AMR) y robots colaborativos (cobots).
Comprender los fundamentos de la visión de Stereo
El Principio de la Visión Binocular
Los sistemas de visión de Stereo operan en el mismo principio que la visión binocular humana. Dos cámaras posicionadas en diferentes puntos de vista capturan imágenes de la misma escena simultáneamente. Al analizar las diferencias entre estas imágenes, específicamente el desplazamiento horizontal de los puntos correspondientes, el sistema puede calcular la información de profundidad para objetos dentro de la escena.
El sistema de visión estéreo es una de las técnicas populares de visión informática. La idea aquí es utilizar el error paralaje a nuestra ventaja. Una sola escena se registra desde dos ángulos de visión diferentes, y la profundidad se calcula desde la medida del error paralaje. Este efecto paralaje es el mismo fenómeno que permite a los humanos juzgar distancias y percibir espacio tridimensional.
Configuración de cámara y Base de referencia
La disposición física de las cámaras en un sistema de visión estéreo es crucial para su rendimiento. La línea entre los centros de las cámaras se llama la base de referencia. La distancia de referencia afecta directamente la precisión y la gama de mediciones de profundidad. Una base de referencia más grande generalmente proporciona una mejor resolución de profundidad a distancias más largas, mientras que una base más pequeña es más adecuada para aplicaciones de gama cercana.
La fórmula para la profundidad incorpora su relación inversamente proporcional a la disparidad, así como la relación directamente proporcional a la base de referencia. La longitud y la base de la focal son constantes de cámara estereo que se obtienen de la calibración estéreo. Entender esta relación es esencial para diseñar sistemas de visión estéreo que cumplan requisitos específicos de aplicación.
Las matemáticas de la cálculo de la profundidad
La base matemática de la visión estéreo se basa en principios de triangulación. Cuando dos cámaras capturan el mismo punto en el espacio, ese punto aparece en diferentes posiciones en el plano de imagen de cada cámara. PL(uL, vL) y PR(uR, vR) son proyecciones del punto Po en el plano izquierdo y derecho de imagen respectivamente. Esta configuración nos da las siguientes cuatro ecuaciones. Resolver estas ecuaciones, obtenemos x, y la profundidad de la siguiente
El cálculo de la profundidad de Z en un sistema de visión estereométrica se basa en la diferencia paralaje d. El valor de disparidad, la diferencia horizontal de píxeles entre los puntos correspondientes en las imágenes izquierda y derecha, es inversamente proporcional a la profundidad. Esto significa que los objetos más cercanos a la cámara presentan mayores valores de disparidad, mientras que los objetos distantes muestran disparidades menores.
La precisión de profundidad disminuye con la plaza de distancia Z; la precisión de profundidad de estereo varía del 1% de la distancia a corto alcance al 9% a largo plazo. Esta característica debe ser considerada al diseñar sistemas de visión estéreo para aplicaciones industriales específicas, ya que los requisitos de precisión varían significativamente en diferentes casos de uso.
Calibración de la cámara: La Fundación de la Estimación de la Profundidad Precisa
Importancia de la calibración
La calibración de la cámara es un requisito indispensable para una visión estéreo precisa. Los sistemas de visión de Stereo son uno de los métodos más utilizados para realizar un mapeo tridimensional. Estos sistemas tienen varias consideraciones para cumplir esta tarea; Uno de ellos es la calibración de la cámara. Sin una calibración adecuada, las relaciones geométricas entre las cámaras y la escena no pueden ser establecidas con precisión, lo que lleva a errores significativos en la estimación de profundidad.
La calibración se realiza normalmente utilizando un patrón conocido, como un tablero de control, y algoritmos especializados que minimizan el error de reproyección entre puntos observados y proyectados. Este proceso determina tanto los parámetros intrínsecos (como longitud focal y centro óptico) como los parámetros extrínsecos (la posición relativa y la orientación entre las cámaras).
Desafíos y soluciones de calibración
La deriva de la calibración es un verdadero enemigo de precisión en la robótica industrial. En la robótica, esto puede tener graves consecuencias. Factores ambientales como los cambios de temperatura, vibración y estrés mecánico pueden causar parámetros de calibración a la deriva con el tiempo, el rendimiento del sistema degradante.
Ellos confían en la visión estéreo para navegar y evitar obstáculos. Si la calibración se deriva, el robot podría maljuzgar distancias, lo que conduce a rutas ineficientes o incluso colisiones. De manera similar, en aplicaciones de pick-and-place, un robot necesita saber exactamente dónde un objeto es captarlo de forma fiable. La deriva de calibración puede hacer que esas pastillas estén fuera de objetivo, desacelerando todo el proceso.
Para combatir la deriva de la calibración, los sistemas industriales suelen implementar procedimientos periódicos de recalibración o utilizar algoritmos de autocalibración que pueden detectar e compensar los cambios del parámetro. Este artículo propone un método de calibración automático basado en la medición de visión estéreo de cierre cerrado. El método tiene como objetivo lograr una calibración eficiente y una compensación de errores de posicionamiento de los terminales mediante la percepción visual y algoritmos de optimización cinemática.
Proceso de Rectificación
Después de la calibración, las imágenes deben ser rectificadas para simplificar el problema de la correspondencia. Esto se fija por la rectificación estéreo. La rectificación de Stereo es la reproyección de los planos de imagen izquierdo y derecho sobre un plano común paralelo a la base de referencia. La rectificación transforma las imágenes para que los puntos correspondientes se encuentren en la misma línea de escaneo horizontal, reduciendo el espacio de búsqueda de dos dimensiones a una.
En las imágenes estereotipadas rectificadas cualquier par de puntos correspondientes se encuentran en la misma fila de píxeles. Las imágenes rectificadas tienen líneas epipolar horizontales y son alineadas con filas. Esta alineación es esencial para una computación de disparidad eficiente y precisa, ya que limita la búsqueda de puntos correspondientes a una sola dimensión.
El problema de la correspondencia de Stereo
Encontrar puntos de coincidencia
El problema de la correspondencia estereo es uno de los aspectos más desafiantes de la visión estéreo. Para calcular la disparidad, debemos encontrar cada píxel de la imagen izquierda y combinarlo con cada píxel en la imagen derecha. Esto se llama el problema de correspondencia Stereo. El objetivo es identificar qué píxel en la imagen derecha corresponde a cada píxel en la imagen izquierda.
Ahora, para encontrar este píxel en la imagen correcta, simplemente busque en la línea epipolar. No hay necesidad de una búsqueda 2D, el punto debe estar situado en esta línea y la búsqueda se reduce a 1D. Esta limitación reduce significativamente la complejidad computacional y mejora la precisión de juego.
Algoritmos de combinación de características
Los algoritmos de combinación de características, como SIFT (Scale-Invariant Feature Transform), SURF (Speed-Up Robust Features), y ORB (Oriented FAST y Rotated BRIEF), se utilizan comúnmente para este propósito. Estos algoritmos identifican características distintivas en las imágenes y las coinciden en el par estéreo. La disparidad se computó entonces como el cambio horizontal entre los puntos correspondientes.
Cada algoritmo ofrece diferentes compensaciones entre la precisión, la eficiencia computacional y la robustez a las transformaciones de imagen. SIFT y SURF proporcionan una excelente precisión de combinación, pero son computacionalmente intensivos, mientras que ORB ofrece un procesamiento más rápido a costa de cierta precisión. La elección del algoritmo depende de los requisitos específicos de la aplicación industrial.
Correspondencia de bloques y denso
Para aplicaciones que requieren mapas de profundidad densos, bloque algoritmos de emparejamiento son empleados comúnmente. Estos algoritmos comparan pequeñas ventanas o bloques de píxeles entre las imágenes izquierda y derecha para encontrar correspondencias. El mapa de disparidad, que representa la disparidad en cada píxeles, se utiliza para generar el mapa de profundidad. Sin embargo, mapas de disparidad a menudo contienen ruido y refinación.
La combinación semiglobal (SGM) se ha vuelto particularmente popular en aplicaciones industriales debido a su capacidad de producir mapas de disparidad de alta calidad manteniendo una eficiencia computacional razonable. Los agregados SGM cuestan la combinación de múltiples caminos a través de la imagen, proporcionando un mejor manejo de oclusión y regiones sin textura en comparación con la combinación de bloques simples.
Implementación en Sistemas de Robot Industrial
Requisitos de procesamiento en tiempo real
Los robots industriales equipados con cámaras estéreo deben procesar imágenes en tiempo real para permitir una interacción receptiva con su entorno. El sistema identifica características clave tanto en imágenes como calcula disparidades, que se convierten en mediciones de distancia. Este proceso permite a los robots navegar y manipular objetos con alta precisión.
Paralelando los algoritmos anteriores los hace compatibles para ejecutar en GPUs y superar la mayoría de las limitaciones de velocidad. Aunque el número de computaciones que se hacen es casi el mismo, su ejecución paralela toma mucho menos tiempo en comparación con su ejecución en serie. Este avance abre puertas para la ejecución de algoritmos más complejos mucho más rápido y por lo tanto permite mejores salidas de calidad en tiempo real.
Los sistemas de visión estéreo modernos aprovechan la aceleración de GPU y el hardware especializado para alcanzar las velocidades de procesamiento necesarias para aplicaciones industriales. Esto permite a los robots tomar decisiones y ajustar sus movimientos basados en la retroalimentación visual con una latencia mínima, lo que es crucial para tareas como operaciones de alta velocidad de pick-and-place o evitación dinámica de obstáculos.
Integración con sistemas de control de robots
Después de leer los datos de ZED2i sobre la posición del objeto detectado en el sistema de coordenadas de la cámara compatible con el sistema de coordenadas definido en el robot, el ordenador debe comunicarse con el robot industrial utilizando el paquete RMI. La comunicación sigue un esquema que incluye establecer una conexión, inicializar parámetros, configurar el sistema, emitir instrucciones para el movimiento y llamar a programas de robot.
La integración de la visión estéreo con sistemas de control robot requiere una coordinación cuidadosa de múltiples marcos de coordenadas. El sistema de coordinación de la cámara debe transformarse en el sistema de coordenadas base del robot, contando con la posición de montaje y orientación de la cámara. Esta transformación permite al robot alcanzar con precisión las posiciones de destino identificadas por el sistema de visión.
Combinando Visión con detección de objetos y AI
Los métodos utilizados para detectar un objeto en el espacio incluyen el algoritmo YoloV8, que funciona en una imagen 2D. El algoritmo ha sido entrenado para detectar dos grupos de objetos estrictamente definidos (XC80 OK y XC80 NOK). Las coordenadas del centro del objeto detectado se utilizan para leer la distancia del objeto medido en el sistema de cámara.
Este capítulo presenta una nueva idea al utilizar las técnicas existentes para la estimación de profundidad. La motivación es hacer que el procedimiento de estimación de profundidad sea mucho más ligero y más rápido. En palabras sencillas, la intensión es evitar el cálculo de profundidad para los píxeles que no son necesarios. Es más utilizable cuando se combina con otras técnicas de percepción como la detección de objetos y la semántica-segmentación.
Combinando la visión estéreo con los algoritmos modernos de detección de objetos basados en AI, los robots industriales pueden lograr tanto la comprensión semántica (lo que los objetos están presentes) como la comprensión geométrica (donde los objetos se encuentran en el espacio 3D). Esta combinación permite aplicaciones sofisticadas como la inspección de calidad, detección de defectos y clasificación inteligente.
Aplicaciones y Casos de Uso Industrial
Latón de recogida y el azar de la pieza
La técnica de visión estéreo de textura proyectada se utiliza principalmente en aplicaciones de recolección de basura. La tarea de recoger objetos aleatorios y sin surtido de un contenedor o un contenedor de almacenamiento presenta varios desafíos diferentes. La visión de Stereo permite a los robots localizar y captar objetos en entornos desordenados y no estructurados donde fallarían los sistemas de visión 2D tradicionales.
Con su diseño compacto y de calidad industrial y la combinación de una distancia de trabajo muy corta y un amplio campo de vista, el Ensenso B es particularmente adecuado para aplicaciones de la recolección de basura. Esto lo hace ideal para usar en un brazo robot, por ejemplo. Las cámaras estéreo modernas diseñadas específicamente para la recolección de basura pueden funcionar a gran distancia, manteniendo un amplio campo de visión, permitiendo que los robots vean en contenedores profundos y manejen una variedad de tamaños.
Robots y Navegación Móviles Autónomos
AMRs debe operar en diversas condiciones de iluminación y terreno, incluyendo depósitos polvorientos o patios al aire libre. Cámaras de visión 3D que combinan iluminación activa y sensibilidad pasiva pueden mantener la fidelidad profunda en tales condiciones. Por ejemplo, el Gemini 335Lg de Orbbec, lanzado en ROSCon 2024, incluye una interfaz de serializador (GMSL2) y un conector robusto (FAKRA) para ofrecer datos de percepción de profundidad de movimiento de la energía móvil.
Localización y mapeo simultáneos (SLAM) se benefician considerablemente de datos de profundidad densa. Los sistemas Stereo-vision generan nubes de puntos ricas que se pueden fusionar con datos de unidad de medición inercial y de odometría para crear mapas precisos y localización robusta. Esta capacidad es esencial para robots móviles autónomos que operan en entornos dinámicos de almacén y fábrica.
Inspección y medición de calidad
Los sistemas de visión de Stereo se destacan en las tareas de medición dimensional y de inspección de calidad. Al generar modelos 3D precisos de piezas y conjuntos, estos sistemas pueden verificar dimensiones, detectar defectos y asegurar un montaje adecuado. La naturaleza no contacto de la visión estéreo lo hace ideal para inspeccionar componentes delicados o sensibles que podrían dañarse mediante herramientas de medición física.
Para una distancia de cámara a objeto de 2,5 m, se encontró que la precisión era de 0.01 mm. Cuando se calibran y configuran correctamente, los sistemas de visión estéreo pueden lograr la precisión del sub-millímetro, haciéndolos adecuados para aplicaciones de fabricación de precisión.
Robottía colaborativa e Interacción Human-Robot
En aplicaciones de robots colaborativos (cobot), la visión estéreo proporciona capacidades esenciales de seguridad e interacción. Al monitorear continuamente el espacio 3D alrededor del robot, los sistemas de visión estéreo pueden detectar la presencia humana, rastrear posiciones de mano y permitir una colaboración segura de los robots humanos. Esto permite a los cobotes frenar o detenerse cuando los humanos entran en su espacio de trabajo, evitando accidentes manteniendo la productividad.
En la fábrica del futuro, la mayoría de las operaciones serán realizadas por robots autónomos que necesitan retroalimentación visual para desplazarse por el espacio de trabajo evitando obstáculos, para trabajar en colaboración con los humanos, para identificar y localizar las piezas de trabajo, para completar la información proporcionada por otros sensores para mejorar su exactitud de posicionamiento, etc.
Ventajas de la visión de Stereo en la robótica industrial
Alta precisión en medición de distancia
Los sistemas de visión de Stereo proporcionan mediciones de distancia muy precisas a través de una amplia gama de distancias de trabajo. La precisión se puede adaptar a aplicaciones específicas mediante el ajuste de parámetros de cámara como distancia de referencia, longitud focal y resolución. Esta flexibilidad permite la visión estéreo para servir aplicaciones que van desde inspección de cerca a navegación de largo alcance.
La naturaleza pasiva de la visión estéreo —que sólo se basa en la iluminación ambiental o estructurada en lugar de sensores activos que van— lo hace particularmente robusto en entornos donde múltiples robots o sensores pueden interferir entre sí. A diferencia de los sistemas basados en el tiempo de vuelo o en láser, múltiples sistemas de visión estéreo pueden funcionar en el mismo espacio sin interferencia mutua.
Capacidades de procesamiento en tiempo real
Los sistemas de visión estéreo modernos pueden procesar imágenes y generar mapas de profundidad a precios de marco adecuados para el control robot en tiempo real. Con la aceleración de GPU y algoritmos optimizados, los sistemas pueden alcanzar tasas de procesamiento de 30 marcos por segundo o superior, permitiendo un comportamiento robot sensible en entornos dinámicos.
Esto marca la primera línea de cámaras de visión estéreo para soportar interfaces USB, GMSL2, y Ethernet. Anunciada en ProMat 2025, la nueva cámara ofrece una mayor detección de profundidad, lo que lo hace ideal para usar con brazos robóticos, robots móviles autónomos y aplicaciones de automatización de almacenes. Este desarrollo refleja la expansión continua de Orbbec en sistemas de visión 3D de grado industrial.
Costo-Efectividad Comparado con las tecnologías alternativas
Los sistemas de visión de Stereo ofrecen una relación costo-performance atractiva en comparación con otras tecnologías de detección 3D. Mientras que los escáneres láser y sistemas de luz estructurados pueden proporcionar una excelente precisión, a menudo vienen con costos significativamente más altos. La visión de Stereo aprovecha el hardware de cámara de productos básicos y los recursos computacionales, lo que hace que sea accesible para una amplia gama de aplicaciones industriales.
Los sistemas robóticos dependen de múltiples modalidades de detección 3D para generar información de profundidad y espacio. Stereo-vision utiliza pares de cámaras para triangular características de coincidencia y formar mapas de profundidad densos. Las cámaras RGB-D (combinar color y detección de profundidad) normalmente dependen de técnicas de tiempo de vuelo (ToF) o de luz estructurada para producir datos de punto de cierre. Cada modalidad tiene rango de frecuencias de actualización robustos
Medición de no contacto reduce el riesgo de daños
La naturaleza no-contacto de la medición de visión estéreo es una ventaja significativa en muchas aplicaciones industriales. A diferencia de las sondas táctiles o los medidores mecánicos, la visión estéreo puede medir objetos sin contacto físico, eliminando el riesgo de dañar partes delicadas o contaminando superficies limpias. Esto hace que la visión estéreo sea ideal para aplicaciones en fabricación electrónica, producción farmacéutica y otras industrias donde el contacto debe ser minimizado.
Además, la medición no relacionada permite la inspección de objetos móviles y la vigilancia en tiempo real de los procesos de producción sin interrumpir el flujo de trabajo. Esta capacidad es compatible con el control de calidad inline y reduce la necesidad de estaciones de inspección separadas.
Información Visual rica más allá de la profundidad
A diferencia de sensores de visión monopropósito, los sistemas de visión estereo capturan imágenes completas que contienen información de profundidad y un detalle visual rico. Esto permite a los robots realizar múltiples tareas con un sistema de sensores único, incluyendo el reconocimiento de objetos, el análisis de texturas, la inspección de color y la lectura de códigos de barras, además de la medición de distancia.
Desafíos y limitaciones de la visión de Stereo
Environmental Sensitivity
La visión de estereo es fuerte en entornos con suficiente textura pero puede luchar cuando las superficies carecen de características o la iluminación es débil. Los sensores de la TF miden directamente la distancia pero pueden sufrir en escenas muy brillantes o muy oscuras. El rendimiento de los sistemas de visión estéreo depende en gran medida de las condiciones ambientales, en particular la iluminación y la textura superficial.
La precisión de profundidad también puede verse afectada por mediciones más claras en superficies homogéneas o texturadas, como paredes blancas, pantallas verdes y áreas de espejo. Superficies sin textura, materiales reflectantes y objetos transparentes plantean retos significativos para algoritmos de combinación estéreo, ya que carecen de las características distintivas necesarias para una correspondencia confiable.
Oclusión y correspondencia Ambigüedad
Oclusión ocurre cuando un objeto visible en una cámara se oculta en la vista de la otra cámara. Esto crea regiones donde la correspondencia no puede ser establecida, lo que da lugar a lagunas o errores en el mapa de profundidad. Mientras que algoritmos avanzados pueden abordar parcialmente esto a través de la interpolación y la fusión multivista, las oclusiones siguen siendo una limitación fundamental de la visión estéreo.
Los patrones y texturas repetitivos también pueden causar ambigüedad de correspondencia, donde existen múltiples posibles coincidencias para una característica determinada. Esto puede llevar a estimaciones incorrectas de disparidad y errores de profundidad. Los algoritmos y limitaciones de combinación sofisticadas ayudan a mitigar estos problemas pero no pueden eliminarlos por completo.
Complejidad computacional
El juego de estereo denso es computacionalmente intensivo, especialmente para imágenes de alta resolución. Una imagen capturada por cámaras de alta resolución tiene millones de píxeles. Por lo tanto, será altamente intensivo en proceso si lo hacemos para toda la imagen. Por suerte, nuestras cámaras están calibradas, y las imágenes son rectificadas. Por lo tanto, sólo necesitamos buscar en la línea horizontal donde PL se encuentra.
Aunque la aceleración de GPU y algoritmos optimizados han mejorado significativamente las velocidades de procesamiento, los requisitos computacionales todavía limitan la máxima resolución y velocidad de marco alcanzable en aplicaciones en tiempo real. Los diseñadores de sistemas deben equilibrar cuidadosamente la resolución, precisión y velocidad de procesamiento para cumplir con los requisitos de aplicación.
Mantenimiento de la calibración
La calibración y sincronización de múltiples sensores, incluyendo cámaras, UI y odometría de ruedas son complejos y requieren sistemas robustos. Tal calibración debe permanecer estable bajo vibración, cambio de temperatura y movimiento, que es particularmente difícil en los robots móviles.
Los entornos industriales someten sistemas de visión estéreo a vibraciones mecánicas, fluctuaciones de temperatura y impactos físicos que pueden degradar la calibración con el tiempo. Mantener la precisión de calibración requiere un diseño mecánico robusto para evitar procedimientos de recalibración periódicos o deriva del parámetro que se añaden a los requisitos de mantenimiento del sistema.
Técnicas avanzadas y desarrollos futuros
Aprendizaje profundo para la combinación de estereo
Además, los mapas de profundidad pueden mejorarse utilizando métodos profundos basados en el aprendizaje que aprenden a predecir la profundidad de las imágenes estéreo. Los avances recientes en el aprendizaje profundo han llevado a mejoras significativas en la precisión y la robustez de combinación de estéreo. Las redes neuronales pueden aprender a manejar escenarios desafiantes como regiones sin textura, oclusión y variaciones de iluminación más efectivas que los algoritmos tradicionales.
El aprendizaje final a fin se aproxima a formar redes para predecir directamente la disparidad o profundidad de los pares de imagen estéreo, pasando por alto algoritmos tradicionales de emparejamiento por completo. Estos métodos pueden lograr la precisión de vanguardia manteniendo el rendimiento en tiempo real cuando se implementa en hardware adecuado. Sin embargo, requieren grandes conjuntos de datos de entrenamiento y una validación cuidadosa para asegurar un rendimiento confiable en diversos escenarios industriales.
Fusión de sensor multimodal
Kuhnert y Netramai combinaron un sensor ToF y un sistema estéreo para la reconstrucción del medio ambiente. Para tareas relacionadas con objetos, las cámaras ToF también se han utilizado con éxito para la reconstrucción de objetos y superficies, donde la gama de distancias es menor. Combinar la visión estéreo con modalidades de detección complementaria puede superar las limitaciones individuales de sensores y proporcionar una percepción más robusta.
La fusión de la visión estéreo con cámaras de tiempo de vuelo, sistemas LiDAR o luz estructurada puede proporcionar información de profundidad a través de una gama más amplia de condiciones y distancias. Cada tipo de sensor tiene diferentes puntos fuertes y debilidades, y algoritmos de fusión inteligente pueden seleccionar la estimación de profundidad más fiable para cada región de la escena.
Mejora de la luz activa del estereo y estructurada
Encontrar la textura óptima, es decir, la que proporciona la mejor correspondencia entre las características de las imágenes, es un problema complicado, influenciado por las características del proyector, el patrón y las cámaras estéreo. Las técnicas de visión activa obtienen la información 3D proyectando un patrón visible o infrarrojo en el objeto.
Sistemas estéreo activos proyectan patrones estructurados en la escena para mejorar la textura y la fiabilidad de combinación. Este enfoque combina las ventajas del estéreo pasivo (sin ambigüedad de rango, múltiples sistemas simultáneos) con la robustez de la detección activa. Los patrones de proyección infrarrojos son particularmente útiles ya que no interfieren con la imagen de luz visible o la visión humana.
Mejora de hardware e interfaces
En 2025, Orbbec presentó la Gemini 335LE, una cámara 3D de visión estéreo equipada con conectividad Ethernet. Las cámaras de visión estéreo modernas incorporan interfaces avanzadas, resoluciones superiores y una mejor sincronización para satisfacer los exigentes requisitos de la robótica industrial. La conectividad Ethernet permite una integración más fácil en las redes de fábrica y soporta carreras de cable más largas en comparación con las interfaces USB.
Los sensores de obturación global se han convertido en estándar en cámaras estéreo industriales, eliminando artefactos de movimiento que pueden degradar la precisión de juego cuando se mueven objetos de imagen o cuando la propia cámara está en movimiento. Las tasas de marco y resoluciones superiores permiten mapas de profundidad más detallados y tiempos de respuesta más rápidos de robot.
Estudio de caso: Implementación de la visión de Stereo para la manipulación robótica
Diseño y configuración del sistema
Una aplicación práctica de la visión estéreo para la orientación de robots industriales requiere un diseño cuidadoso del sistema. Al configurar la cámara ZED2i utilizando las bibliotecas proporcionadas por Stereolabs, se pueden establecer muchos parámetros. Uno de los aspectos más importantes del soporte de prueba es la configuración del sistema de coordenadas en el que se mide la posición de los objetos detectados.
La posición de montaje de la cámara debe ser elegida para proporcionar una cobertura adecuada del espacio de trabajo del robot manteniendo distancias de trabajo adecuadas para la precisión deseada. Para tareas de manipulación, montar la cámara en el terminal del robot proporciona el punto de vista más flexible pero requiere calibración de mano. Las cámaras fijas ofrecen una calibración más simple, pero pueden tener una cobertura limitada del espacio de trabajo.
Análisis de errores y optimización de rendimiento
Los errores pueden provenir de múltiples fuentes, como la detección por YOLO, el cálculo de profundidad de estereovisión, la calibración del sistema de cámaras y las transformaciones entre sistemas de coordenadas. El modelado matemático preciso y el análisis de estos errores son cruciales para mejorar la precisión del sistema y reducir las desviaciones de la posición real del objeto.
Si los puntos correspondientes en las imágenes izquierda y derecha se desalinean (por ejemplo, debido al ruido), el error paralaje resulta en error de profundidad. El error de profundidad ΔZ, se puede calcular a partir de la siguiente relación: ... B- base de estereovisión (distancia entre cámaras). Entender la propagación de errores a través de toda la cadena de medición permite la optimización sistemática de los parámetros del sistema.
Resultados y mejoras
Los resultados experimentales muestran que este método reduce significativamente el error de posicionamiento absoluto del robot, con el error de posicionamiento promedio disminuyendo en un 72.12% después de la calibración. La calibración adecuada y la compensación de errores pueden mejorar dramáticamente el rendimiento del sistema, transformando la visión estéreo de una herramienta de orientación áspera a un sistema de medición de precisión.
Los experimentos realizados demostraron que el método propuesto conduce a una mejor estimación de profundidad en el sistema de visión estéreo con una mejora del 34,15% en el MAE y el 48,38% en el STD en comparación con uno de los métodos más utilizados. Los métodos avanzados de calibración y el modelado de errores siguen empujando los límites de lo que la visión estéreo puede lograr en aplicaciones industriales.
Mejores prácticas para la aplicación de la visión de Stereo Industrial
Diseño de iluminación
La iluminación adecuada es crítica para el rendimiento de la visión estéreo. La iluminación uniforme y difusa minimiza las sombras y las reflexiones especulativas que pueden interferir con la combinación. La iluminación debe ser lo suficientemente brillante como para proporcionar una buena relación señal-al-noise en las imágenes de la cámara pero no tan brillante como para causar saturación o contraste excesivo.
Para aplicaciones que involucran objetos brillantes o reflectantes, la iluminación cruzada puede reducir las reflexiones especulativas. La iluminación activa con patrones estructurados puede mejorar la textura en superficies sin características. El diseño de la iluminación debe integrarse con el diseño general del sistema desde el principio en lugar de añadirse como una pospensa.
Selección y Posicionamiento de Cámara
La selección de cámaras debe considerar la resolución, la velocidad de marco, el tamaño de sensor y los requisitos de interfaz. La resolución superior permite una estimación más precisa de profundidad pero requiere más potencia de procesamiento.
La distancia de referencia debe ser escogida sobre la base de la distancia de trabajo y la precisión de profundidad necesaria. Una regla general del pulgar es que la precisión de la profundidad es proporcional a la relación de la distancia de trabajo a la base de referencia.
Software Arquitectura y Pipeline de Procesamiento
La arquitectura de software debe diseñarse para modularidad y mantenimiento. Los módulos separados para la adquisición de imágenes, calibración, rectificación, ajuste y cálculo de profundidad permiten que los componentes individuales sean probados y optimizados independientemente. Las interfaces estándar entre los módulos facilitan la integración y las actualizaciones futuras.
Los oleoductos de procesamiento deben optimizarse para la plataforma de hardware objetivo, aprovechando la aceleración de GPU cuando esté disponible. La profilación cuidadosa puede identificar los cuellos de botella y los esfuerzos de optimización de guía. Para aplicaciones en tiempo real, considere la implementación de algoritmos adaptables que ajusten los parámetros de procesamiento basados en los recursos computacionales disponibles y la complejidad de la escena.
Validación y pruebas
La validación integral es esencial para garantizar un rendimiento fiable en entornos de producción. Los exámenes deben cubrir toda la gama de condiciones de funcionamiento esperadas, incluyendo variaciones en iluminación, apariencia de objeto y factores ambientales. Las mediciones de precisión cuantitativa utilizando objetos de referencia calibrados proporcionan métricas de rendimiento objetivo.
Los errores se determinaron entre la posición estimada por el sistema de visión que operaba en los datos ZED 2i y la posición real del objeto. Los puntos de medición de muestras se colocaron directamente frente al robot y al máximo alcance del robot, teniendo en cuenta el posicionamiento vertical de la muñeca del robot para asegurar el funcionamiento correcto del sistema 3DV.
Tendencias de la industria y perspectivas de mercado
La creciente adopción en todos los sectores
Se proyecta que el segmento de sensores/cameras de visión experimente la mayor tasa de crecimiento durante el período de previsión. Estos sensores ayudan a los robots a realizar tareas que requieren control de posición, inspección de calidad o seguimiento de objetos. La creciente sofisticación de los procesos de fabricación y el empuje hacia la automatización flexible están impulsando la demanda de sistemas de visión avanzados.
Las industrias que van desde la automoción y la electrónica hasta el procesamiento de alimentos y los productos farmacéuticos están adoptando una visión estereo para mejorar la calidad, aumentar la rentabilidad y reducir los costos. La tecnología es particularmente valiosa en las aplicaciones que requieren flexibilidad para manejar variaciones de productos sin cambios de reprogramación o de herramientas extensos.
Integración con Inteligencia Artificial
En 2025, ABB lanzó su robot móvil autónomo de próxima generación (AMR) con Visual SLAM (Simultaneous Localization and Mapping) y capacidades de IA, junto con la suite de software AMR Studio. Esta nueva solución permite a los robots adaptarse en tiempo real a entornos dinámicos sin depender de infraestructuras predefinidas. Este lanzamiento refuerza la estrategia de ABB para proporcionar soluciones de automatización altamente flexibles e inteligentes para los sectores de fabricación y logística.
La convergencia de la visión estéreo con la inteligencia artificial está creando nuevas posibilidades para la percepción de robots y la toma de decisiones. Los algoritmos de inteligencia pueden interpretar la información profunda en contexto, reconocer escenas complejas y tomar decisiones inteligentes sobre las acciones de robot. Esta integración es esencial para la próxima generación de robots industriales autónomos.
Desafíos para la adopción generalizada
La propia investigación de NIST señala además que los fabricantes enfrentan barreras sustanciales. Su informe NIST GCR 2024 identifica los costos de capital, los problemas de integración y la falta de experiencia interna como importantes limitaciones de adopción. A pesar de los beneficios claros, varias barreras todavía limitan la adopción de la visión estéreo en algunos entornos industriales.
La fiabilidad y la seguridad siguen siendo preocupaciones centrales. Los sistemas de visión deben ser tolerantes con fallos sensoriales, desalineamiento o interferencia ambiental. La falta de percepción puede dar lugar a errores de navegación o comportamientos inseguros, especialmente en entornos poblados por el ser humano.
Para hacer frente a estos desafíos es necesario seguir desarrollando sistemas más sólidos y fáciles de utilizar, mejores instrumentos de integración y recursos educativos para crear conocimientos especializados internos. A medida que la tecnología madura y las mejores prácticas se entiendan más ampliamente, estas barreras se están superando gradualmente.
Conclusión
La tecnología de visión de Stereo se ha convertido en una herramienta indispensable para calcular la distancia a los objetos en la robótica industrial. Aprovechando los principios de la visión binocular y los algoritmos avanzados de procesamiento de imágenes, los sistemas de visión estereo permiten a los robots percibir e interactuar con su entorno con una precisión y flexibilidad sin precedentes. La tecnología ofrece ventajas significativas, incluyendo capacidades de procesamiento en tiempo real, eficacia en función de los costos y medición no contacto.
Mientras persisten desafíos como la sensibilidad ambiental, el manejo de oclusión y el mantenimiento de calibración, los avances continuos en hardware, algoritmos e inteligencia artificial continúan expandiendo las capacidades y la fiabilidad de los sistemas de visión estéreo. La integración de aprendizaje profundo, fusión de sensores multimodales y la tecnología de cámara mejorada está empujando los límites de lo que estos sistemas pueden lograr.
A medida que la automatización industrial siga evolucionando hacia una mayor flexibilidad y autonomía, la visión estéreo desempeñará un papel cada vez más crítico. Desde la recolección de bines y la inspección de calidad hasta la navegación autónoma y la colaboración de robots humanos, las aplicaciones de la visión estéreo en la robótica industrial son diversas y crecientes. Las organizaciones que implementan sistemas de visión estéreo deben centrarse en el diseño adecuado del sistema, la calibración integral, la arquitectura de software robusta y la validación completa para lograr un rendimiento óptimo.
El futuro de la robótica industrial es visual y la tecnología de visión estéreo proporciona la percepción profunda de que los robots necesitan navegar, manipular y comprender el mundo tridimensional en el que operan. Para los ingenieros y organizaciones que buscan implementar sistemas robotizados avanzados, entender y aprovechar la tecnología de visión estéreo es esencial para mantenerse competitivos en el paisaje de la automatización industrial en rápida evolución.
Recursos adicionales
Para aquellos interesados en aprender más sobre la visión estéreo y sus aplicaciones en la robótica industrial, hay disponibles en línea varios recursos excelentes. La documentación OpenCV proporciona tutoriales integrales sobre calibración de cámaras, rectificación estéreo y computación de disparidades. La comunidad Robot Operating System (ROS)
Organizaciones industriales como la Asociación para la automatización de la visión] proporcionan estudios de casos, papeles blancos y oportunidades de networking para profesionales que trabajan con robótica guiada por la visión. Los fabricantes de cámaras y los integradores de sistemas de visión suelen ofrecer documentación técnica, notas de aplicación y programas de capacitación para ayudar a los usuarios a implementar soluciones de visión estéreo exitosas.
Aprovechando estos recursos y siguiendo las mejores prácticas descritas en este artículo, los ingenieros y las organizaciones pueden implementar con éxito sistemas de visión estéreo que mejoran las capacidades de sus robots industriales, mejoran la eficiencia del proceso y impulsen la innovación en la fabricación y automatización.