Motivation

Der Schaltschrankbau ist bis heute stark handwerklich geprägt. Trotz zunehmender Automatisierung erfolgt die Qualitätsprüfung überwiegend manuell. Im Rahmen des Projekts „ProTekt“ am FAPS soll die Prüfung von Schaltschränken automatisiert werden. Ein zentrales Element ist dabei die Auswertung von Tiefendaten, um die Bestückung von Hutschienen zuverlässig zu erkennen. Ziel ist es, aus den 3D-Daten robuste Aussagen über Position, Typ und Vollständigkeit von Komponenten abzuleiten – auch dann, wenn Kabel im Bild sind, leichte Abweichungen im Aufbau auftreten oder gar Bestückungsfehler vorliegen.

Ziel der Arbeit

Entwicklung, Bewertung und prototypische Implementierung eines Prüfmoduls, das aus den Tiefendaten einer am Roboter montierten 3D-Kamera automatisch die Bestückung von Hutschienen erkennt, mit den Plandaten abgleicht und Fehlerfälle zuverlässig detektiert.

Dazu gehört insbesondere:

1. Analyse der Tiefendatenstruktur von Schaltschränken (Hutschienen, Komponentenblöcke, typische Störungen wie Kabel).
2. Entwicklung eines Matching-Algorithmus, der die Plandaten (Positionen, Breiten, Reihenfolge von Komponenten) robust auf die gemessene 3D-Geometrie abbildet.
3. Behandlung von Abweichungen und Fehlerfällen, z. B.:
   • leicht verschobene Komponentenblöcke entlang der Hutschiene (tolerierbar)
   • vertauschte oder falsche Komponenten
   • Lücken, Überstände oder unplausible Geometrien
4. Robustheitsstrategien gegen Störungen (Kabel, Messrauschen, kleinere Abschattungen), sodass das System nicht „abbricht“, sondern sinnvolle Hypothesen bildet.
5. Evaluierung des Algorithmus an realen oder realitätsnahen Beispieldaten und Ableitung von Kennzahlen zur Erkennungs- und Fehlerrate.

Ziel ist ein Algorithmus, der rein auf Basis der Tiefendaten bereits eine erste, in sich konsistente Prüfung durchführen kann und möglichst viele relevante Informationen (Komponentenlage, Vollständigkeit, Auffälligkeiten) bereitstellt.

Anforderungen an den Studierenden

• Interesse an 3D-Bildverarbeitung / Computer Vision.

• Sicherer Umgang mit Python.

• Freude an algorithmischem Denken und robuster, praxisnaher Lösungssuche.

• Selbstständige und strukturierte Arbeitsweise.

Bewerbungen bitte per Mail mit angehängtem Lebenslauf und aktuellem Notenspiegel.

Kategorien:

Kontakt: