Automated Positioning and Quality Assurance in Stacking Crane Operations: Integrating OpenCV Vision System for Efficiency and Precision

Abstract

Deze thesis heeft als doel het verbeteren van de initiële installatie in magazijnomgevingen door de benodigde tijd en kosten te verminderen met behulp van een camerasysteem op een kraan voor nauwkeurige identificatie van stellingen. Stereo vision met infrarood (IR)-mogelijkheden werd gekozen vanwege de kosteneffectieve manier om gedetailleerde structurele kenmerken vast te leggen zonder externe verlichting. Na evaluatie van verschillende camera's werd de OAK-D Pro W geselecteerd vanwege zijn dieptebereik, nauwkeurigheid, brede gezichtsveld en geïntegreerde IR-functionaliteit. Een testsopstelling werd ontwikkeld om magazijnstellingen in een gecontroleerde omgeving te simuleren, wat betrouwbare validatie van het systeem mogelijk maakte. Dit omvatte laser-gesneden aluminium frontplaten en L-vormige steunen gemonteerd op aluminium profielen om echte stellingen na te bootsen. Voor precieze en consistente verticale camerabewegingen werd een gemotoriseerde slede gemaakt met een draadstang, een stappenmotor en een Arduino Uno voor geautomatiseerde controle en positietracking. Template-matching-algoritmes werden geïmplementeerd om gedetecteerde posities te vergelijken met theoretische waarden, wat resulteerde in een offsettabel voor nauwkeurige en efficiënte kraanbewegingen. Daarnaast kan het systeem tijdens de opstart fase de coördinaten automatisch aanpassen aan de verschillende stellingposities om rekening te houden met eventuele vervormingen, waardoor de installatietijd van dagen en weken tot enkele uren wordt teruggebracht.