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。     

高速机器人分拣系统机器视觉技术的应用

研究了机器视觉技术在高速机器人分拣系统中的应用。构建摄像机标定下的人机交互界面,针对有关图像处理算法进行分析,提出结合多目标中心及角点结合轮廓特征识别的算法,从根本上解决当前分拣作业过程中存在的问题,提升机器人分拣系统的整体运行效果。     

基于双目立体视觉技术的轮式机器人位姿测量方法研究

为规划轮式机器人运动轨迹,需要获得轮式机器人在空间中的位姿,提出一种基于机器视觉软件Halcon9.0测量轮式机器人位姿的方法,利用机器视觉软件实现机器人图像实时采集、摄像机标定、特征点提取、坐标系变换、位姿转换实现机器人位姿的非接触式检测。试验结果表明采用机器视觉方法和采用陀螺仪检测得到的数据变化趋势吻合,验证了该方法可行性和可靠性。每次测量机器人位姿的时间仅需要678.089 ms,对实时测量运动目标位姿的非接触检测有参考价值。     

双机器人系统的快速手眼标定方法

针对双机器人仿真测量系统的手眼标定问题,提出一种由机器视觉求解法兰盘位姿得出手眼关系的方法.将目标机器人运动到合适的位姿,由视觉机器人拍摄其法兰盘图像,提取图像中法兰盘的椭圆轮廓,解算摄像机坐标系下的法兰盘姿态和圆心坐标,并由销孔位置约束得出摄像机与目标法兰盘坐标系的转换关系H1.然后由控制器读数得出两台机器人各自法兰...     

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。     

面向分拣机器人的多目标视觉识别定位方法

针对分拣机器人作业目标的结构形状复杂、位置随机摆放等干扰因素的问题,提出了面向分拣机器人的多目标视觉识别定位方法。基于四自由度Dobot机器人构建了具有视觉感知的分拣机器人系统,视觉系统获取传送带上多目标的图像,图像预处理算法提高分拣目标的对比度,构建圆形和线性结构元素对最大类间方差法分割的多目标区域进行填充和边缘平滑。建立基于图像信息的质心坐标,对多目标区域的连通域进行识别与定位。实验结果表明,该方法能够实现对多目标数量的统计,在分拣机器人的手眼标定的基础上,实现了对形状复杂、位置随机的多目标进行识别与定位,为分拣机器人的自主抓取、分拣提供位置信息。     

基于机器视觉的工业机器人智能分拣系统设计

为了解决使用传统示教或离线编程方式的工业机器人无法满足复杂分拣环境作业要求的问题,以史陶比尔工业机器人、Kinect深度相机为硬件基础,搭建了基于机器视觉的工业机器人智能分拣系统平台。通过支持向量机(SVM)实现对分拣物体的学习识别,通过基于采样一致性(SAC-IA)粗配准和迭代最近点(ICP)精配准算法实现对物体位姿点云数据的配准。实验结果表明,搭建的智能分拣系统能够识别分拣物体种类并且获取物体的位姿,拓宽了工业机器人的应用领域。     

DELTA机器人传送带与视觉的综合标定方法

提出一种关于DELTA机器人传送带与视觉的综合标定方法。通过DELTA机器人臂末端在传送带移动一段距离接触传送带始末同一点,得到该点在机器人坐标系的位置和编码器上对应的读数,得到传送带与机器人的比例因子,确定机器人坐标系与传送带坐标系的转化矩阵,从而得到传动带相对于机器人坐标系的位姿,即传送带的标定。通过相机定位与机器人接触同一点,从而确定相机的内参矩阵与外参矩阵,从而得到机器人与相机坐标系的转换关系,即机器人视觉的标定。DELTA机器人传送带与视觉的标定,为DELTA机器人高精度控制的实现打下基础。     

基于固定视点的视觉标定算法研究

针对在固定视点中机器视觉标定过程复杂、效率低、标定精度不高的问题,对目前普遍应用的摄像机标定和手眼标定算法进行了研究,提出了可一次性完成固定视点的视觉标定算法。利用实验室的MOTOMAN-UP6工业机器人对该标定算法进行了验证,首先由机器人末端夹持一个棋盘格完成一系列的运动,每次运动结束时摄像机拍摄一幅棋盘格图像,并记录下机器人末端的位姿,等所有运动完成后,采用张正友标定算法对摄像机进行标定,接着采用基于最小二乘法的标定算法对摄像机与基座关系进行简便高效的标定。研究结果表明:该算法标定过程简单、求解速度快并且结果精度高,具有很强的实用性。     

基于机器人的对接位姿视觉测量系统标定研究

针对传统的相机内参矩阵和相机位置参数标定方法较为繁琐复杂且与相机内参标定互相割裂的痛点,本文设计了一种基于机器人的对接位姿视觉测量系统标定方法,利用采集得到的不同位姿关系下标定板图像以及对应的末端机器人末端执行器位姿数据,解算视觉位姿测量过程中涉及到的不同坐标系间位姿转换关系,一次性完成相机内参标定和相机位置参数标定....     

基于单目视觉的移动机械臂抓取作业方法研究

针对移动机械臂自主抓取作业过程中目标识别慢、作业精度低的问题,对基于单目视觉的目标识别与定位算法以及机器人作业精度提高方法展开了研究。以全向移动平台、工业机器人和单目相机等硬件为基础构建了一套移动机械臂抓取作业系统;对单目视觉模板匹配法进行了归纳,采用基于随机树分类的特征点匹配算法对目标进行快速准确地识别与定位;完成了相机内参数标定和机器人手眼位姿标定,分析了手眼位姿与抓取位姿的关系,提出了一种修正手眼位姿的抓取误差补偿方法,减小手眼标定误差对抓取误差的影响,最后进行了移动机械臂的抓取/放置实验。研究结果表明:采用上述方法能够快速准确识别目标,有效减小作业误差,并达到较高的作业精度。     

基于图像处理的机器人精确抓取的设计与实现

在分拣系统中,机器人抓取点不准确,容易造成抓取失败,影响生产。针对这个问题,构建了由机器视觉、PLC、机器人、流水线组成的分拣系统。图像处理采用RGB矢量中值滤波法、Sobel算子边缘检测法、支持向量机识别法,工件位姿信息经PLC处理后传给机器人。实验结果表明,机器人能对工件进行精确定位并抓取,有较高的工程实践价值和指导意义。     

机器人视觉装配中的精确定位策略研究

针对自动导航小车存在定位不精准的问题,通过机器视觉方法来校正小车位姿。从源图像中识别出定位孔的像素坐标并计算转换到全局坐标系下,通过多组匹配点计算小车实际位姿。在分析相机标定与位姿计算过程中可能引入误差的基础上,提出相应误差消除策略。通过实验,验证了视觉标定结果的可靠性和误差消除算法的正确性,为视觉引导下的机器人装配工作提供了依据。     

一种视觉靶标标定与位姿解算方法

视觉靶标是某种编码格式的固定视觉标志物。针对视觉靶标缺乏标定方法的问题,研究了视觉靶标的标定和标定误差评价方法,从而能够高精度地标定视觉靶标在空间中的位姿。基于上述标定方法,进一步地研究视觉靶标外参解算方法,通过递推最小二乘方法,优化误差函数求解。试验结果表明：利用此方法标定和解算视觉靶标的位姿精度高,能够满足工业机器人和移动机器人的位姿求解需求。     

基于PLC和机器视觉的工件自动分拣系统设计

该文以西门子S7-200 Smart PCL为控制核心,构建了一套基于机器视觉的工件自动分拣系统。该系统由控制模块、传输模块、人界交互模块、机器视觉模块组成,首先利用机器视觉技术识别出待分拣工件的特征,然后PLC根据机器视觉识别结果控制传送带动作将工件传送至不同产品盒,实现工件的自动分拣。实验结果表明,该生产线的分拣误判率低于0.4%,满足工业生产的要求。     

基于机器视觉的物料分拣工业机器人技术研究

随着我国工业经济的不断发展,机器人技术在工业制造领域中的用途也越来越广泛,尤其是对传统的物料分拣工作来说机器人已经基本上能够取代人工进行作业了。目前,利用工业机器人进行物料分拣工作主要是通过对机器人进行编程,但这种方法一般对设备和工作环境具有比较高的要求,成本也相对较高,因此,如何提高工业机器人在物料分拣中的精准度,对不同形状和尺寸的物料能够准确完成位置感应并完成分拣动作就成了我们应当重点关注的工作内容。在工业机器人编程中充分考虑机器视觉技术,让机器人初步具备人眼的基本功能,良好的视觉功能能够有效提高机器人物料分拣的效率。基于此,本文对工业机器人分拣系统和分拣流程进行论述,最后提出基于机器视觉提高工业机器人分拣技术的策略,旨在促进工业机器人在我国工业、制造业中的进一步推广和应用。     

基于机器视觉的机器人分拣技术发展研究

在工业生产中,完全人工分拣作业很难实现生产目标,而传统机器人分拣还存在系统稳定性较差、精度较低等缺点。针对这些问题,在传统分拣机器人中引入机器视觉,完成对工件、食品以及其它产品的分拣工作,不仅能够满足生产需求,而且能够提高生产效率。基与此,重点分析目标识别、目标跟踪以及视觉伺服等关键技术的研究现状以及在工业、食品以及其它领域的应用现状,并对未来的发展趋势进行展望。     

基于OpenCV的码垛机器人手眼标定方法

提出了一种简易的"两步"标定法,即非线性模型摄像机标定和"四点"位姿估计。该标定法充分使用了OpenCV中现有的计算机视觉算法,与传统的手眼标定法和基于商用视觉库的标定法相比,省去了大量的计算、节约了开发成本和便于产品升级。摄像机标定实现了图像坐标系与世界坐标系之间的转换;位姿估计实现了机械手坐标系与世界坐标系之间的转换,从而推算出了图像坐标系与机械手坐标系之间的转换,其平均投影误差约为0.727个像素。该标定方法配合码垛机器人视觉定位系统执行包装件内装物码垛作业,现场测试结果表明,可以使码垛精度达到±1 mm,能够满足包装行业内装物现场应用要求。     

机器人视觉系统标定问题研究综述

在视觉反馈机器人的控制中,摄像机的标定是一个基本的、重要性的问题.该文首先对摄像机的成像模型进行分析,明确了视觉系统标定的主要任务,然后从离线标定和在线标定两方面阐述了相关的研究思路和方法,为机器人视觉系统的研究提供了参考.     

微装配机器人手眼标定方法研究

在视觉反馈的机器人控制中,手眼系统的标定非常重要,直接影响机器人的作业精度.针对微装配机器人系统操作空间小的特点,提出了一种固定视觉的手眼系统标定算法,该方法通过3个空间点在机械手基坐标系中的坐标,采用P3P位姿测量原理获得相应空间点在摄像机坐标系中的坐标,建立了标定方程组,基于最小二乘法,标定出了手眼系统之间的转换矩阵.该方法无需复杂的辅助设备,标定过程简单.相关实验得到了待标定的手眼系统之间的转换矩阵,验证了该方法的标定精度和有效性.