基于视觉伺服的机器人作业系统研究

在分析了机器人离线编程后,提出了一种基于视觉的机器人控制方法.经过图像采集卡控制相机采集作业对象信息、对图像进行二值化处理、边缘检测、特征量计算、相机标定等步骤后,根据作业对象特征形成机器人控制信息.再调用MOTOCOM32库函数与机器人通信,实现对机器人的实时控制.实验完成了预定的作业任务,并证明了该方法的意义和实用价值.     

基于机器人视觉的轴承缺珠检测方法

提出一种基于机器人视觉的轴承缺珠检测方法。利用智能相机抓拍轴承图像;利用Otsu法得到轴承图像二值化处理的最佳阈值,利用该方法对轴承图像进行二值化处理,从二值化处理的图像中提取轴承珠的特征;并通过PLC与智能相机通信,将缺珠的轴承分拣出去。实验证明:该视觉检测系统不仅工作效率高,而且检测的结果具有较高的可靠性。     

基于单目视觉的工业机器人拆垛系统设计与实验

基于单目视觉提出了工业机器人拆垛系统构想。为实现工业机器人视觉拆垛系统中机器人精确运动控制与工件位姿识别,运用D-H位移矩阵法建立了机器人运动学模型,得到机器人末端相对机器人坐标系的位姿信息。基于形状模板匹配法提出目标图像识别算法,得到各个目标图像在相机坐标系下的位姿信息;将三维视觉模型与机器人运动学模型进行信息融合,建立机器人视觉拆垛控制系统数学模型。基于CCD工业相机、4-DOF工业机器人搭建视觉定位抓取实验系统。通过对空间目标进行抓取的实验,验证基于单目视觉的工业机器人拆垛系统的正确性、精确性、鲁棒性。     

基于正交双目视觉的研磨工具位姿引导方法

为解决Eye-in-Hand的自主研磨作业机器人在完全未知的非结构化环境中,能够感知作业空间的三维信息、识别作业空间中的目标及该目标与研磨工具末端的位姿等问题,提出一种基于正交双目视觉实时反馈研磨工具末端的位姿并引导其实时运动的方法。将视觉传感器的测量坐标系(待加工曲面坐标系)建立在对应的激光平面上,并将两个正交相机的光轴交点作为引导研磨工具末端位姿的参考点,从该参考点开始迭代逐步逼近实际加工点。对两个正交相机采集的图像进行处理,可以得到研磨工具末端在两个相机图像坐标系的位置和姿态,再对两组正交立体位置信息进行融合得到其三维位姿。实验结果表明:利用两个正交CCD相机构成的Eye-in-Hand结构能够实时反馈和引导研磨工具末端三维位姿,提供了通过机器视觉引导机器人进行待加工曲面轮廓研磨的解决方案。     

基于线性CCD的新型智能循迹机器人的系统设计

以TSL1401线性CCD作为传感器获取图像信息,以MK60N512单片机作为控制器设计了一种新型智能循迹机器人。针对图像二值化阈值处理计算量较大的问题,提出特征点法。该法仅计算图像特征点的像素值,可以在保证精度的前提下减少了程序的计算量。针对黑线轨迹提取运算量大的问题,提出了一种新的记忆扫描法,该法只需检测少数像素点即可精确提取黑线标识,简化图像扫描过程,缩短了运算时间。为了提高智能机器人系统的控制精度和稳定性,对电机建立了数学模型,并利用积分分离PID算法进行仿真分析与验证。最后通过实验证明文中提出的算法可行有效。     

基于机器视觉的工件识别与定位系统设计与实现

机器人关节工件组装生产过程中,工件种类多、产量大、人工分拣与装配困难等问题,为了提高生产速度和效率,提出一种基于OpenCV视觉技术的机器人关节工件识别与定位检测方法。首先,通过工控机读取相机的工件图像,并进行图像灰度化、均值滤波、自适应阀值分割等图像预处理过程,得到二值化图像;其次,从二值化图像中提取出工件的轮廓,之后,通过胡氏不变矩比较待识别工件的轮廓与给定的模板轮廓,识别目标工件;最后,提出一种确定工件的位置和方向的方法。实验结果表明,文章提出的方法能准确识别目标工件,并且有效地确定其位置,为类似的识别提供了有效参考。     

球面光纤透镜研磨中检测的CCD图像处理

为了获得光纤透镜研磨与抛光过程中的球面光纤透镜的轮廓误差和位置误差,提供相应参数给控制系统来控制加工过程,首先对采集到的图像进行边缘提取、二值化和细化等处理,然后对提取的边缘像素点进行最小二乘拟合,并将拟合结果与标准球面光纤透镜相关数据进行对比,得到研磨抛光过程中的轮廓误差和位置误差,实现了光纤的CCD图像检测,实践表明,所采纳的CCD图像处理的相关方法能够满足了光纤研磨抛光加工的精度要求.     

基于机器视觉的机器人作业目标定位

为了满足生产制造过程中物料无序分拣的需要,设计基于机器视觉的机器人作业目标定位系统。利用Qt开发人机交互界面,实现图像采集处理、通信和机器人运动控制功能。对图像进行阈值分割等处理,得到理想工作区域。通过机器人视觉系统标定实现相机像素坐标和机器人基坐标之间的转换,得到机器人坐标系下的工件位姿识别。在机器人目标抓取平台上随机摆放一定数量的工件进行数据采样,结果表明：系统准确度以及速度具有优势。     

基于激光视觉的薄板焊缝跟踪方法研究北大核心

由于示教型焊接机器人在进行汽车薄板件连续焊工艺时存在装夹误差和热变形等问题,导致焊缝实际轨迹与示教轨迹存在较大误差。为提高焊接质量,基于焊接机器人构建激光视觉焊缝检测跟踪系统,提出基于目标估计准则的焊缝跟踪算法,实时跟踪焊缝中心点三维位置变化。以传统图像处理法提取初始帧焊缝特征点,通过改进的孪生神经网络对强干扰下的焊缝特征点进行跟踪提取。通过坐标转换得到机器人基坐标系下的焊缝中心特征点三维坐标。结果表明:该算法能精确提取跟踪焊缝特征点,平均误差为0.48 mm,平均帧率为90帧/s,优于传统图像处理方法和基于相关滤波的方法,能够实现快速准确的跟踪。     

基于局部视觉的弧焊机器人自主焊缝轨迹规划

提出了一种基于视觉的弧焊机器人自主焊缝轨迹规划方法.通过使用CCD摄像机,不断地获取枪尖前方一小段焊缝的图像.由主控计算机进行图像处理,获取枪尖与焊缝间的偏差以及这小段焊缝的走向等信息.根据这些信息控制机器人沿焊缝前进,同时定时记录用焊缝偏差值修正后机器人坐标值,生成焊缝在机器人基坐标系下的坐标.当机器人沿焊缝走完一遍后,主控计算机控制机器人回到焊缝起点,开始沿焊缝焊接.用此方法对低碳钢曲线焊缝和铝合金曲线焊缝进行试验,结果表明该方法具有很高的实用价值.