基于视觉定位与轨迹规划的机器人打磨工作站

针对铸件打磨过程中的毛坯件定位困难、打磨轨迹示教工作繁琐等问题,结合工业机器人与机器视觉技术,设计并实现了从上件到打磨的机器人打磨工作站.首先,在有环境光干扰的情况下,使用模板匹配实现对毛坯工件的机器人定位引导与抓取上料工作.然后,使用边缘提取与轮廓拟合技术,在屏蔽微小毛刺干扰的情况下,完成了工件轮廓的位置测量与工件表...     

基于HALCON和C#视觉系统的铸件打磨工作站建立

针对铸造行业大体积工件的搬运、打磨等问题,基于HALCON和C#混合编程方法和工业机器人实验平台,开发了具有视觉抓取技术的工业机器人系统,设计并调试系统各个组成部分,建立视觉定位抓取铸件打磨工作站,实现了工业机器人对工件的精确视觉定位并抓取,提高了铸件打磨效率同时并升级系统安全,为业内解决此类问题提供了一个新的参考。     

真空检漏机器人目标识别技术研究

在聚变装置真空检漏领域中,未来聚变装置涉氚运行,检漏人员无法进入装置检漏,这使得这项任务极其困难和耗时。 为实现聚变装置泄漏设备的快速准确检测,本文以 6 自由度机械臂为研究对象,提出了一种 GV2-YOLOv5 的真空设备检测方法 用于真空检漏机器人对真空设备进行识别和定位喷氦。 在该方法中,结合轻量级 GhostNetV2 网络构建 C3GhostV2 模块,同时使 用轻量的 Ghost 卷积提取目标特征,从而降低模型参数量,提高计算速度;在特征融合网络中添加 Bottleneck Transformers 和 ECA 注意力机制,提高网络特征提取能力以及加强模型通道特征。 实验结果表明,在自制数据集上,改进后的模型平均精度为 93. 2%,相比 YOLOv5s 提高了 1. 4%,模型参数量减少了 29. 5%,检测速度为 92 fps,满足实时性与准确性的需求,为真空检漏机 器人目标识别与定位提供了一种的解决方案。