平板类微小型零件的移动位姿调整

微小型零件移动位姿的精确定位及调整是微小型零件装配的关键。针对待装配微小型零件的特征,在搭建微装配平台的基础上,开发了相应的移动位姿识别算法,并利用高精密旋转电机实现了目标零件的位姿调整。具体方法为:对采集图像进行滤波、阈值分割、去噪以及亚像素边缘检测,得到目标零件的亚像素级边缘二值图像;利用最小二乘法线性拟合原理对提取的亚像素边界进行最小二乘直线拟合,得到待装配件与微装配系统X轴夹角;利用高精密旋转电机将待装配零件调整至与基体件偏角一致。实验结果表明,该方法能够很好地实现微小型零件的高精度位姿调整。     

基于智能三坐标测量机的零件位姿单目立体视觉识别

为了使三坐标测量机快速准确地识别出被测零件的位姿,提出了一种基于三坐标测量机平动的单目立体视觉识别方法,并对该方法的原理、位姿参数的求解和识别过程进行了研究.根据双目立体视觉原理,以三坐标测量机带动摄像机沿X轴或y轴平移,在两个不同位置分别拍摄被测零件的一幅图像;利用本文提出的基于边缘图像质心偏移的同名像点匹配方法,实现单摄像机立体视觉测量,得到被测零件上各特征点在摄像机坐标系中的三维坐标;由摄像机标定参数,进一步计算出各特征点在机器坐标系中的三维坐标;再结合各特征点在零件CAD坐标系中的对应坐标,求解出被测零件的位姿参数.组建了识别系统,进行了识别实验,结果显示,识别出的实验件位姿的平移量分别为:tx1=32.65 mm,ty1 =-90.23 mm,tz1=13.27 mm,旋转角分别为Ax =38°,AY=4°,Az=-5°,整个识别过程用时1.818 s.得到的实验数据表明该识别方法是可行的,可满足实时测量要求.     

基于机器视觉的工件自动分拣系统的研究

介绍了机器视觉技术在工件识别中的应用以及主要图像处理算法。采用机器示教方法建立待处理零件的特征库,通过图像预处理、阈值分割、边缘和轮廓提取算法等获取零件图像的特征并与标准模板比较,从而判别待测零件的合格性。为解决零件摆放的位姿偏差,采用边缘检测和轮廓跟踪算法确定工件形心位置和旋转角度,根据与模板零件的相似性测度判断工件的特性,为自动分拣提供决策支持。实验验证了本算法的有效性。     

主动光立体标靶检测及其在工业机器人位姿测量中的应用

基于工业机器人位姿视觉测量方法提出了用主动光立体标靶进行机器人末端位姿测量的方法。以主动红外光代替反光标志点,以主动光图案特征代替亮度特征作为表达位置信息的形式,设计了六面体主动光标靶。通过合理设置特征面图案,使立体标靶特征面提供蕴含空间几何约束的信息,并在此基础上设计了特征面识别算法。在室内环境、室外环境、混合光环境等实验条件下,该算法可实现对主动标靶健壮的识别和定位。在高精度四轴移动平台上的测量误差评价实验表明：运用该标靶的立体视觉系统在0.5~3m工作范围内平均位置误差为0.0857mm,平均姿态误差为0.1086°,满足机器人位姿测量的要求。最后在YASKAWA的Motoman-MH80六轴机械臂上进行了机器人末端位姿的测量实验,验证了该方法的可行性和高效性。     

智能三坐标测量机的零件位姿识别

提高三坐标测量机对零件检测的智能化,实现零件的位姿识别是非常必要的。提出了一种新的视觉识别零件及位姿的方法,该方法首先比较全面地提取实际零件的三维特征信息,然后根据零件三维特征在虚拟空间中寻找匹配组合,并根据匹配组合计算旋转平移矩阵,最后根据实际和虚拟的零件成像轮廓的相似度进行位姿识别。实验表明新方法能够对零件及位姿进行识别,并且最大误差不超过1mm。     

基于双目视觉的零件位姿测量系统研究

在机器人自动加工系统中，针对待加工零件存在体积大、异形等导致工件难以精确定位的问题，提出了一种基于双目视觉的零件位姿测量系统。在该位姿测量系统中，通过在待加工零件上放置不等腰直角三角形参照物的方法来对其进行局部双目拍摄。对拍摄后的图像采用Harris角点特征检测参照物角点并匹配，进而求解参照物的角点世界坐标，然后通过坐标变换完成对待加工零件的初始位姿测量。并建立了位姿测量系统的数学模型，通过MATLAB语言编写了位姿求解计算程序。最后搭建了位姿测量系统实验平台，联合C#语言设计了一款零件位姿测量系统软件，并进行了位姿测量实验。本视觉系统相对于市场上机器人加工系统中的视觉系统成本很低。实验结果表明该系统能够有效求解待加工零件的位姿，为修正机器人加工系统中的加工轨迹提供了技术支持。     

基于双目视觉的零件位姿测量系统研究

在机器人自动加工系统中，针对待加工零件存在体积大、异形等导致工件难以精确定位的问题，提出了一种基于双目视觉的零件位姿测量系统。在该位姿测量系统中，通过在待加工零件上放置不等腰直角三角形参照物的方法来对其进行局部双目拍摄。对拍摄后的图像采用Harris角点特征检测参照物角点并匹配，进而求解参照物的角点世界坐标，然后通过坐标变换完成对待加工零件的初始位姿测量。并建立了位姿测量系统的数学模型，通过MATLAB语言编写了位姿求解计算程序。最后搭建了位姿测量系统实验平台，联合C#语言设计了一款零件位姿测量系统软件，并进行了位姿测量实验。本视觉系统相对于市场上机器人加工系统中的视觉系统成本很低。实验结果表明该系统能够有效求解待加工零件的位姿，为修正机器人加工系统中的加工轨迹提供了技术支持。     

基于双目视觉的零件位姿测量系统研究

在机器人自动加工系统中，针对待加工零件存在体积大、异形等导致工件难以精确定位的问题，提出了一种基于双目视觉的零件位姿测量系统。在该位姿测量系统中，通过在待加工零件上放置不等腰直角三角形参照物的方法来对其进行局部双目拍摄。对拍摄后的图像采用Harris角点特征检测参照物角点并匹配，进而求解参照物的角点世界坐标，然后通过坐标变换完成对待加工零件的初始位姿测量。并建立了位姿测量系统的数学模型，通过MATLAB语言编写了位姿求解计算程序。最后搭建了位姿测量系统实验平台，联合C#语言设计了一款零件位姿测量系统软件，并进行了位姿测量实验。本视觉系统相对于市场上机器人加工系统中的视觉系统成本很低。实验结果表明该系统能够有效求解待加工零件的位姿，为修正机器人加工系统中的加工轨迹提供了技术支持。     

基于视觉引导的工业棒材上料系统研究

为了提高生产效率,设计一种基于视觉引导的工业棒材上料系统。首先,为了实现视觉引导进行工业棒材上料,设计了工业棒材上料总体方案,并对上料机械结构模型进行选型设计。然后,为了实现棒材的自动识别和位姿检测,提出了一种基于改进YOLOv5的旋转目标识别与定位算法。该方法在YOLOv5主干特征网络上,添加高效ECA通道注意力机制模块,利用其避免降维,并通过适当跨通道交互策略提高特征提取能力;为了增强不同尺度的特征信息融合,将原特征增强网络替换成BiFPN加权双向特征金字塔网络,进行自上而下和自下而上的多尺度特征融合,提高棒材识别准确率并获取平面位置信息;在此基础上,采用双目视觉进行立体匹配获取棒材的深度位置信息,最终实现棒材立体位姿检测。对所提上料系统进行实验验证,棒材识别的平均精度为99.4%,抓取棒材成功率达到90%及以上。     

基于视觉的料片位姿检测与定位算法研究

为了提高变压器铁芯的叠装效率,设计了基于视觉的料片位姿与定位算法。算法基于视觉系统利用图像识别(图像滤波、分割)得到料片中心位姿,再利用坐标模型得到机械手位姿,最后通过运动控制器控制机器手达到搬运的目的。实验结果表明：检测过的料片中心位姿满足精度要求,可以实现机器人识别、抓取、搬运的功能。     

基于双目视觉的机械手识别、定位、抓取系统研究

针对多类堆叠工件分类和提取三维位姿困难的问题,对随机摆放规则物体的机器识别、三维定位和自动抓取等方面进行了研究,采用一种基于MLP分类器的视觉算法实现了工件识别。利用识别结果选取合适的透视可变形模板匹配将堆叠工件与背景分离,结合双目视觉中的立体匹配、深度计算和坐标变换完成了三维位姿估计,通过Halcon和Visual Studio联合编程的方式,进行了工件识别定位抓取实验系统的软件开发,设计了实验平台,对矩形工件和圆柱体对象进行了位姿提取和抓取实验。实验结果表明:该系统具有较好的分类效果和较高的识别定位精度,可以满足机器人对工件的在线抓取需求。     

基于CarSim和Matlab的智能车辆视觉里程计仿真平台设计

基于特征的视觉里程计系统主要由特征检测与跟踪模块以及位姿计算模块两部分组成。为分析车载视觉里程计系统中引入车辆运动学约束的位姿计算算法性能,根据摄像机成像及视觉几何学原理,采用Matlab结合车辆动力学仿真软件CarSim建立车载视觉里程计仿真平台。该仿真平台由车辆运动仿真模块、成像仿真模块、数据显示与分析模块组成,仿真平台的测试对象为视觉里程计的位姿估计算法模块。该仿真平台充分考虑车载视觉定位系统的运动特性,为研究车辆运动学约束在视觉里程计系统中的应用提供新的思路和工具。对提出的一种全新的基于车辆运动学约束的位姿估计内层算法,在此仿真平台上进行性能验证。仿真结果表明,该算法在计算精度与效率上都能够满足实时车载视觉定位的要求。     

机械零件二维几何特征视觉检测系统研究与开发

通过对机械零件二维几何特征计算机视觉检测技术的研究,搭建了视觉检测硬件系统.并从机械零件的二维几何特征入手,将改进后的Canny算子、Hough变换和中点画圆算法等理论应用到系统的研究开发中,以MATLAB作为开发平台,开发出视觉检测软件系统,从而实现被加工机械零件的实时在线检测.最后,通过实验验证该系统的可行性和有效性.     

基于椭圆检测的小型工件分拣系统设计

针对分拣系统中散乱堆叠的圆形工件检测和位姿估计问题,设计了基于椭圆检测的双目立体视觉小型工件分拣系统。使用LSD算法提取圆弧支撑线段,经筛选和连接组合后,采用改进的椭圆最小二乘拟合方法直接计算出初始椭圆;对初始椭圆进行层次聚类并筛选,完成椭圆识别。提取特征点,再根据Rosin近似距离筛选角点对左右目椭圆进行匹配并进行三维重建,根据随机抽样一致算法进行平面拟合,并提取圆形工件位姿。根据此结果应用Robot Studio控制机械臂移动和分拣工件。经测试和实验证明,该分拣系统能够迅速和准确地识别工件,完成自动分拣,在工件散乱堆叠的情况下,准确度较传统模板匹配方法大大提高。     

基于单目立体视觉的顶层工件定位方法

设计并实现了一种基于工件模型的单目立体视觉方法,可以获得立体工件堆中顶层工件的空间分布。将立体工件的识别转化为对工件特征面体的识别,通过识别定位特征面体定位工件位姿,依据特征面体对工件的代表性和空间工件位姿聚集度评价识别工件真实性,设置选择阈值,从而得到顶层工件分布。为描述特征面体对工件代表性,以特征面体与立体工件在图像平面投影的可见轮廓线之比和特征面体识别可靠性来进行评价。同时,利用同一工件可能会由多个特征面体识别得到的特点,提出了一种以空间范围内相似位姿工件数量和姿态重合度来评价空间工件位姿聚集程度的模型。     

基于双目视觉的管路位姿测量

针对管路位姿测量过程中管路的无纹理、少特征等难点,提出一种基于双目视觉的管路位姿精确测量方法。首先利用双目视觉原理从二维图像中计算管路的初始位姿;然后利用基于边缘像素点的位姿优化算法建立3D-2D的投影映射关系,通过优化边缘像素点到投影模型边缘的距离,对投影模型边缘和图像边缘进行拟合,从而优化管路初始位姿。本算法仅在投影模型边缘的一定区域内选取具有高灰度值梯度的像素点,从而增强算法的鲁棒性并提高计算效率。测量实验表明,该方法测量精度较高、操作简单、测量时间只需2 s～3 s,可有效提高管路位姿的测量精度及效率,满足工业应用需求。     

基于双目视觉的并联仿生髋关节位姿检测

相较于三维坐标测量仪、激光跟踪仪等传统测量设备，双目视觉检测是一种无接触的检测方式，不会对目标的运动产生干扰和破坏，且更为经济、灵活和方便，因此采用双目视觉技术对3-RRR+(S-P)并联仿生髋关节的位姿进行检测。为提高位姿检测的精度、鲁棒性和通用性，设计了一种方便提取且角点可自动辨识的自编码视觉标识物、提出了一种基于边缘交点坐标反馈式的角点检测算法，该算法主要包括HSV色彩空间下的标识物提取、Canny边缘检测、Hough直线检测、亚像素角点检测和三维重建等流程，将标识物角点检测简化为检测标识物边缘线段并求得交点，再经由亚像素角点检测算法进行提纯的过程。最后，通过双目相机与自编码视觉标识物的布置建立并联仿生髋关节的位姿检测系统，进行位姿检测实验并采用激光跟踪仪进行对比实验，通过分析与实验验证：该系统具备较高的精度、鲁棒性和通用性。     

基于边缘检测的零件轮廓识别系统开发

针对工业流水线检测中存在的成本大、检测效率低的问题,将轮廓检测技术应用到工业流水线检测中,基于边缘检测方法的基本原理,提出了一种基于边缘检测的零件轮廓识别方法。该方法首先使用Canny边缘检测算法来提取出零件的边缘,并在此基础上进一步提取出零件轮廓的相关特征,最后通过与待检测的零件轮廓特征相比较,从而实现对零件的识别检测;为了验证设计方法的正确性,本文搭建了一套零件轮廓识别系统,并使用工业零件来测试该系统的性能。研究结果表明:该系统能够快速、准确地识别目标零件,满足工业流水线检测的需求。     

机械零件二维几何尺寸和形状检测系统研究与开发

针对传统接触式尺寸测量方法的缺点,探讨利用单目视觉测量系统对被测工件进行尺寸测量,为产品的尺寸测量提供实时、快速、有效、经济的测量途径.首先,视觉系统获取零件图像,并对图像进行滤波处理;然后,提出采用Canny六阈值法进行边缘提取,得到完整的边缘图像;最终,利用最小二乘法拟合出机械零件的边缘形状,并通过计算获得零件的几何尺寸.实验表明该系统所得到的零件边缘图像清晰,多个几何尺寸的测量精度符合要求.与传统测量方法相比提高了检测零件的效率和精度,大大扩展了测量范围,从而充分体现了机器视觉测量的优点.     

基于机器视觉的机械零件边缘像素补偿法

机械零件图像边缘灰度的分布特征已成为影响机器视觉准确测量机械零件的重要因素之一。为了减小这种测量误差,提高测量精度,提出边缘像素补偿法来对机械零件图像边缘进行处理。通过分析视觉边缘检测原理,应用高精度标准块对相机进行标定。标定后对待测零件进行多次测量,试验结果表明:对图像信息进行边缘补偿后,其测量结果的相对误差可减小0.059%,边缘补偿算法可以有效提高测量精度。