Ett problem inom automatiserad svetsning är att en repetitiv kontinuerlig svets längs en kant kan gå fel – eftersom kanten inte alltid ligger exakt lika varje gång. En typisk felkälla är att metallen deformeras av värmeutvecklingen under svetsningen, till exempel om svetsbanan punktsvetsas innan den får en kontinuerlig fog. Men om roboten får "titta" på den tänkta svetsbanan från två olika håll kan roboten se om svetsbanan skiljer sig, tack vare en ny kameramodell för matematisk omvandling av bilder, framtagen av doktor Anders Ryberg vid Högskolan Väst. En "modell" i detta sammanhang är alltså en matematisk beskrivning av hur kamerabilden omformas inne i kameran. Det är en omvandling av den tredimensionella världen och den tvådimensionella bilden. – Med hjälp av kameramodellen kan man matematiskt gå från en punkt i omvärlden och se var den punkten hamnar i bilden, säger doktor Anders Ryberg. – För att få med djupet i bilden måste du se objektet från två håll. Men du måste inte ha två kameror. Däremot behöver du ta minst två bilder, säger Anders Ryberg. Rent praktiskt är en svetsande robot försedd med en kamera på svetshanden. Kameran tittar på objektet från två olika håll. Sedan görs en beräkning: roboten hittar svetskanten först i bilderna, och utifrån bilderna räknar den ut hur kanten, eller kurvan, går i tre dimensioner. Sedan går roboten in och svetsar den beräknade kurvan. Vinsten är en mer flexibel robotsvetsning, som också kan ge en bättre kvalitet på produkterna – när svetsen hamnar exakt där den ska hamna. – Det här gör att roboten kan användas i större utsträckning, med större noggrannhet. Ibland är alternativet manuell svetsning, och det är inte alltid optimalt, säger Anders Ryberg. Ett unikt inslag i kameramodellen är att den inte störs av typiska förvrängningar som kan uppstå i kamerabilder, så som radiell distorsion. Det felet uppkommer särskilt hos vidvinkelskameror, så kallade fisheye-kameror, och Anders Ryberg beskriver det som att "det som är i mitten av bilden ser förstorat ut och det som är i periferin ser förminskat ut". – Den typen av kameror är alltid mycket distorderade. Faktum är att en av de vanligaste kameramodellerna, innan min modell kom till, inte klarar av beräkna bilderna från en vidvinkelskamera. Men det gör alltså min modell. Dessutom berättar Anders Ryberg att hans kameramodell fungerar på alla typer av kameror, oavsett tillverkare. Roboten måste ta två bilder. Hur långt måste den röra sig mellan bild nummer 1 och bild nummer 2, för att få djupet i bilden? – Det är olika. Idealet är en vinkling på 90°. Men ofta är det saker i vägen, och modellen fungerar även om kameran bara rör sig lite grann. Det viktiga är att det är två bilder från olika håll. Har du startat ett företag nu, för att få ut modellen till industrin? – Njae, jag är fortfarande anställd på Högskolan Väst. Ett alternativ skulle kunna vara att starta ett företag, men jag kan också tänka mig en anställning.