基于视觉识别系统的分拣搬运机器人设计

为提高快件分拣搬运的速度与效率,设计一种基于视觉识别系统的分拣搬运机器人。结合实际分析并确立设计结构方案,在快件进入配送站后,该分拣搬运机器人通过RFID视频识别系统识别快件的电子标签,完成快件信息的采集和读取。OpenCV操作摄像头采集快件图像信息,解码译码条码获取快件信息。系统根据快件信息按规划路径传送。传送过程中,在UWB定位模块中利用定位算法获取目标相对于机器人的实时几何空间位置,实现机器人路径的目标牵引。     

基于机器视觉的工业机器人分拣技术研究

将视觉系统应用到工业机器人当中去,使得机器人具有人眼的功能是当今机器人研究的重点。本文针对以往工业生产线分拣工件时存在的问题,从视觉的角度研究了相关技术难点。本文完成了基于机器视觉的工业机器人分拣系统平台的搭建,首先通过摄像机对传送带上进入工作区的工件进行图像采集,然后对图像预处理分析,接着用不变矩对工件进行快速识别,之后用Hough-链码识别算法对工件进行精细匹配,最后通过中心定位算法计算出工件的位置,引导机器人对工件进行分拣抓取。同时,本文还提出了多目标分块处理算法和Hough变换与链码相结合的Hough-链码识别算法。实验结果表明,该分拣系统可以有效解决规则几何工件的分类的问题,达到分拣的目的。     

基于LabVIEW的Tripod机器人视觉处理和定位研究

针对传统的物流分拣过程效率低、成本高的现状,以及利用机器视觉进行分拣快速、可靠的优点,对机器视觉、图像处理和Tiropd机器人进行了研究,基于LabVIEW,设计了Tripod机器人视觉系统,将分拣过程简化为对几何体的识别和抓放过程。利用边缘提取、滤波去噪、圆心检测等算法,采用LabVIEW视觉模块及其库函数,进行了图像的预处理、特征提取以及中心点定位。研究结果表明,基于LabVIEW的Tripod机器人系统能够准确识别平台几何体的颜色和形状,可较为精确地定位几何体中心,满足后续控制的要求。     

基于图像特征的运动目标识别与伺服跟踪

本文研究了一种在室内相对复杂背景下机器人的运动目标识别与跟踪方法.基于Intel的计算机视觉库OpenCV进行图像处理与特征提取,采用图像的区域特征--图像矩作为特征信息,在有干扰的情况下,实现运动目标的形状识别和基于特征的视觉伺服跟踪控制.为提高系统性能,建立曲线拟合模型来预测运动目标的动态趋势和特征.实验结果表明,系统在不需要摄像机精确标定、背景有干扰的情况下,能够实现对运动目标进行实时稳定快速的识别和跟踪.     

快件分拣机器人导航定位系统的研究

为了解决物流中心快件自动分拣机器人导航定位精度的问题,采用惯性导航技术为主、视觉导航为辅的多种传感融合定位方式,设计了具有位置与方向信息的二维码数字标签,利用CCD工业相机获取二维码图像信息,结合microscan(迈斯肯)软件模块对图像的识别判断出分拣机器人小车相对于世界坐标的位置与偏转角度,便于进一步对机器人小车控制系统的设计。实验数据与实际应用结果表明:分拣机器人小车视觉导航定位系统是可行与有效的,且具有精度高、识别耗时低、计算量小等优点,能够满足分拣机器人工作时的导航定位精度要求。     

视觉引导下机器人任意轨迹跟踪试验研究

建立一种实用的视觉引导下的工业机器人对一般形状、任意轨迹运动物体的跟踪系统。视觉系统采用合作目标识别的方法从图像中提取出目标物体,基于直接线性变换方法实时计算得到运动物体的位置信息。利用机器人关节空间的路径规划和路径修正命令实现对物体跟踪。     

基于SVM分类识别的碗碟视觉伺服分拣机器人的设计

为解决商用碗碟清洗分装流水线依赖人工进行碗碟分拣的工程技术问题,以实现碗碟清洗流水线的碗碟分拣工序的智能化,研究并设计了基于视觉伺服控制的碗碟自动分拣机器人。该分拣机器人采用了直角坐标机器人结构,首先通过垂直安装在机器人上方的摄像头摄取待分拣碗碟图像,再利用视觉伺服控制软件中的经过训练的碗碟类型SVM分类器,对流水线上待分拣碗碟的形状进行识别,再进一步根据摄像系统的参数标定结果,利用图像处理的方法计算出碗碟的直径大小和相对X-Y坐标距离,并结合直角坐标机器人Z轴末端的超声波测距值,最终控制机器人完成碗碟吸取的动作。所设计的分拣机器人具有重复精度高、结构简单、造价低的优点,对提高商业碗碟清洗分装流水线的效率,优化分拣工序有着重要的意义。     

机器人视觉在数控加工中心的应用研究

机器人是智能化发展的产物,具有出色的物体识别功能,智能化机器人在工作过程中,会通过对目标物体位置以及基本类型的感知,实现自动化追踪与抓取等功能,其中最为高层的视觉特征是物体的形状信息,机器人视觉主要是通过形状特征的辨认,判断目标图像,并从庞大的自然图像库中以抽象的形式表现出来。本文主要探讨了机器人视觉,在数控加工中心的应用,希望能够为数控机床群的协同加工奠定有力基础,实现对目标物体的有效识别,并具备定位追踪功能,实现自动化特征提取,并按照形状指导解决数控工件加工过程中的关键问题。     

基于单目视觉的工业机器人目标识别技术研究

为实现工业机器人能在多个目标的工作环境下自主识别指定的目标,提出了一种基于单目视觉技术的解决方法.主要采用中值滤波和最大类间方差法对初始图像分别进行滤波和分割,给出一种新的统计矩阵标记区域算法,利用目标本身的几何特征达到识别目的,选取质心标记法实现目标物体的定位.实验结果表明,该方法在较复杂的环境下能够获得较好的识别定位指定目标的效果,为工业机器人抓取目标提供了必要的信息.     

基于机器视觉的工业机器人分拣技术探究

在介绍基于机器视觉的工业机器人分拣系统基本构成、工作流程的基础上,从摄像机标定技术、图像预处理技术、特征识别和定位技术等方面具体分析基于机器视觉的工业机器人分拣技术应用,旨在能够更好地推广和应用工业机器人分拣技术,借助工业机器人分拣技术提升各个行业的自动化生产效率。     

基于机器视觉的传送带分拣技术研究

将机器视觉应用于传送带分拣系统,使得分拣系统具有更高的适应性,能够适应各种任务下的分拣需求。对机器视觉在分拣平台应用上存在的标定问题进行了研究,完成了基于机器视觉的传送带分拣系统搭建。首先分析了视觉系统的标定方法,然后提出了一种传送带与机器人的位姿关系的标定方法,最后在摄像机标定和传送带标定的基础上实现了机器人与摄像机的位姿标定。实验证明:工件的定位识别精度能够满足识别分拣的要求,能够完成机器人的分类抓取任务。     

并联机器人智能分拣系统设计

针对并联机器人在实际生产过程中对复杂工件的智能分拣问题,对并联机器人的配置、速度、加速度以及传送带的速度等方面进行了研究。对在分拣过程中影响并联机器人分拣成功率的因素进行了归纳,提出了一种基于视觉技术的并联机器人智能分拣系统,利用工业相机对传送带上移动的复杂工件进行捕获,利用图像处理技术获得工件的形状、位置等信息,并将所获得的工件信息传递给控制器,由控制器控制并联机器人对传送带上的工件进行抓取,通过实验获得了测试数据。研究结果表明:影响分拣成功率因素的优先级中,加速度对系统分拣的成功率影响较大,其次是机器人的速度,最后是传送带的速度。     

双目视觉伺服的4-DOF机械手臂运动控制

为了解决多自由度机械手臂由于目标放置偏离而引起的抓取任务失败问题,给出了一种基于双目立体视觉的目标识别与定位控制方法。以抓取矩形轮廓的目标物体放置于矩形目标位置为控制任务,基于双目视觉目标图像信息,分析了目标特征参数提取、识别、匹配以及目标空间位姿测量的方法。结合四自由度(4-DOF)机械手臂硬件控制系统,运用改进D-H参数法建立了机械手臂正运动学模型,并通过逆运动学方法将目标位姿转化为机械手臂的控制指令,实现对目标抓取和放置的运动控制。实验结果表明,该视觉伺服的机械手臂运动控制系统能够准确、稳定地实现抓取和放置任务,定位精度高,对工业机器人在分拣、装配中的运动控制研究和应用有重要的参考价值。     

基于机器视觉的金属工件智能分拣系统设计

针对传统工业中人工分拣效率低和成本高等问题,设计了基于机器视觉的机械臂智能分拣系统。通过摄像头采集图像并对图像进行灰度滤波操作后,使用SOA-OTSU算法对图像进行阈值分割,对目标区域进行Blob连通域分析,实现对工件的识别与定位。运用标准D-H参数法建立三自由度机械臂模型,将工件位置坐标代入逆运动学方程,解得每个连杆的关节转角,将其转化为机械臂步进值,并通过串口通信方式发送给Arduino,由Arduino控制机械臂完成工件的抓取与放置。实验结果表明,该方法提高了分拣系统抓取的准确性。     

快递分拣机器人控制系统的设计

为提高快递分拣效率,设计了一种基于OpenMV机器视觉模块的快递分拣机器人控制系统。在这一控制系统中,通过机器视觉技术实现快递件的轮廓识别、定位、扫码及分类,将STM32单片机作为运动控制核心,外接传感器感知机器人的状态,基于串口与机器视觉模块双向通信,实现对放置在地面的快递件进行自动分拣。通过制作样机验证了设计的合理性与可行性。     

相似环境下激光结合视觉的全局定位方法

在室内结构相似或含有多几何结构重复区域的环境中,基于激光的全局定位方法很难实现可靠且高效的结果。针对该问题,本文提出一种基于优化的视觉辅助激光定位的方法,仅利用单帧图像信息和激光（LiDAR）信息进行重定位。首先,利用视觉位置识别和BA(Bundle Adjustment)优化来估计机器人的初始姿态。然后,利用视觉初始位姿缩小搜索空间,提高约束计算速度,并将初始估计和激光约束结合验证。最后通过稀疏姿态优化方法构建目标函数,求解全局位姿。实验结果表明,提出的全局定位方法相比单一激光全局定位具有更高的成功率,并且全局定位时间在室内小场景环境和长走廊环境分别减少了56.81%和89.43%,满足了实时性和鲁棒性要求。     

基于机器视觉的表针自动码垛系统

为了解决表针生产过程中的自动码垛问题,设计了基于机器视觉的表针自动码垛系统。在表针自动码垛系统中,通过安装在平面关节型机器人上的工业相机,对送料转盘进行图像采集。结合几何轮廓定位和斑点分析等图像处理技术,对图像特征进行提取,获取送料转盘上随机分布的表针位置信息与正反面信息。借助优化后的表针吸嘴和手眼标定技术,通过平面关节型机器人以一定间隔交替分拣正面表针和反面表针。正面表针由平面关节型机器人直接码垛,反面表针经过180°旋转机构翻转后再进行码垛,从而实现表针的全自动码垛。通过试验确认,基于机器视觉的表针自动码垛系统可以满足多种不同规格表针的码垛要求,定位精度、效率与稳定性高,误差小。     

基于机器视觉的垃圾分拣机器人

为了把人从环境恶劣、枯燥繁重的垃圾分类工作中解放出来,本项目设计了一款基于机器视觉的垃圾分拣机器人.机器人以STM32单片机为主控,根据树莓派发送的不同指令控制六自由度机械臂抓取垃圾.机器人的视觉系统部署在树莓派上,视觉系统使用CSI摄像头获取图像并通过YOLOv4目标检测算法求得图像中垃圾的分类信息和位置信息,最后通...     

基于双目视觉的目标识别与定位研究

针对机器人在作业时缺乏自主性与智能性的问题,对基于双目视觉的空间目标识别与定位问题进行了研究。搭建了双目立体视觉系统并对其进行了标定,获取了两相机的内外参数、相对位姿及畸变系数。采用基于描述子的模板匹配技术,通过随机树算法对检测到的特征点进行了准确实时地分类识别。对同一场景的两幅图像进行了立体匹配,求取了对应的视差图。结合特征点对应的视差值及标定结果对其进行了三维重建,对多组特征点对在图像及实际场景里对应的2D-3D位置信息进行了迭代,求取了重投影误差最小的解,即目标物体的位姿。研究结果表明:所采用的方法可以用于准确、快速、稳定地实现对目标的识别与定位。     

基于PCL的自动化机器人视觉形状特征识别算法分析

目前提出的自动化机器人视觉形状特征识别算法识别时间过长,导致识别精准度较低。为了解决上述问题,基于PCL技术研究了一种新的自动化机器人视觉形状特征识别算法。通过云数据采集、数据预处理、提取特征点、分割处理图像完成阈值图像处理。从形状轮廓的长度、直径、离心力、斜率以及曲率、角点这几个决定性因素作为特征分析的切入点实现轮廓形状识别,从区域面积、区域重心和形状参数三种形状特征出发,并采用结构化的描述方法,使自动化机器人更精确地识别视觉形状特征。实验结果表明,基于PCL的自动化机器人视觉形状特征识别算法能够有效缩短识别时间,提高识别精准度。