基于计算机视觉的排爆机器人三维坐标计算

针对目前排爆机器人手动控制方式的不足,研究和开发了一种基于计算机双目视觉的排爆机器人三维坐标计算方法,并依此设计相应的控制系统,以实现排爆机器人的自动抓取。首先介绍排爆机器人机械结构设计,然后介绍计算机双目视觉的原理及其软硬件,最后抓取精度实验和分析,机器人自动抓取目标物时,误差小于2 cm,满足抓取任务的精度要求。抓取中,当手爪在机器人正前方时,误差最小,反之,当手爪在机器人正前方的上面或下面、左边或右边时,误差变大;同时目标位置愈近愈好,但由于机械手的视觉范围决定不能太近,否则可能抓不到,或无法使目标物在摄像头的视觉范围之内。     

排爆机器人控制系统设计及其网络化

介绍了排爆机器人控制系统,该系统可分为小车的行走控制和机械手的运动控制两部分。小车的行走控制需要进行“路径规划”以实现小车避障和向目标物（可疑爆炸物）靠近,而机械手的运动控制需要进行“轨迹规划”以避开障碍物实现避碰,顺利抓取、搬运目标物。此机器人控制系统是开放式系统,实现了智能化和网络化。远程管理机房电脑可以显示现场机器人手爪、目标物、障碍物。     

基于偏差向量的机器人装配系统零件抓取精度分析

应用偏差向量描述了影响机器人抓取零件过程的各种误差，提出了计算零件抓取成功性方法，在引入手爪的偏差矫正能力的概念后，建立了确定零件抓取精度的模型，该模型适合于各种零件抓取过程，是研究机器人装配系统的装配精度和装配质量的基础。     

基于并联原理的两自由度调姿机构创新设计

通常 ,机器人手腕由两个在空间垂直交错的转动副串联而成 ,以实现手爪和被抓取物体的姿态。这种串联手腕操作范围大 ,结构简单 ,实现容易 ,但是运动精度不高 ,承载能力较差 ,不能满足专用精密装配机器人对姿态调整精度和刚度的较高要求。专用精密装配机器人希望在竖直的主轴和手爪之间安装调姿机构 (手腕 ) ,以减小或消除零件被抓取定位产生的姿态倾斜误差。本文以空间并联机构为原型 ,应用创新设计方法 ,设计了一种新型的两自由度调姿机构。1　并联机构并联机构可以严格定义为[1] :上下平台用两个或两个以上分支相连 ,机构具有两个或两个以…     

双目视觉引导机器人定位抓取技术的研究

目前大部分工业装配生产线中机器人抓取待装件都是预先将固定类型的工件进行机械定位。为了提高机器人柔性抓取能力,实现了双目视觉引导机器人的抓取系统。文章通过定位工装板来间接定位工件的方法来完成双目视觉引导机器人抓取,首先通过双目视觉系统拍摄的图像识别工装板上6个定位孔,计算孔中心在相机坐标系下的位置,利用这6个定位孔中心空间位置用最小二乘法拟合出最优的工装板平面,由于工件相对于工装板的位置固定,可求得工件相对于相机坐标系的位置,进而通过标定参数转化为在机器人基坐标系下位置和姿态,供机器人抓取工件。经过多次工件抓取实验,分析数据得出,系统距离定位误差小于0.5mm,满足工业生产要求且适应于多种类型工件的抓取,具有通用性。     

焊缝三维信息计算精度分析及试验方法

双目视觉技术模拟人双眼观察世界的功能,在焊接领域可用来模拟焊工对焊件的观察,计算焊缝的三维信息.将两台工业摄像机安装在弧焊机器人末端形成手眼系统是双目视觉在该领域的典型应用.文中建立了视觉误差分析模型,分析了视觉系统配置对视觉计算的影响,被检测焊缝在有效视场内的摆放姿态及其与传感器相互位置对精度的影响,在理论分析的基础上设计试验验证了理论分析的结果.分析并试验验证了机器人精度包括其本身的重复精度和工具中心点标定精度对计算结果的影响.结果表明,机器人重复定位精度对视觉计算的影响标准误差不大于0.3 mm;而当工具中心点标定误差大于1 mm时,需要对机器人进行重新标定.     

上下料机器人视觉测量系统关键技术的研究

根据上下料机器人对于视觉系统的要求,对双目视觉测量系统的数学模型进行分析,进而分析了双目测量系统的精度,根据该模型,通过实验进一步验证和分析两相机的角度和基线距,以控制测量的上下偏差值,来保证图像采集精度,为上下料机器人抓取提供准确的坐标数据。     

机器人智能抓取系统视觉模块的研究与开发

以ABB机器人、快换手爪、双目相机为硬件基础,搭建了基于双目立体视觉的工业机器人智能抓取系统,旨在实现随机放置物体的识别定位和自动抓取。基于视觉模块,研究了图像处理、立体匹配和深度计算以及坐标转换,以C++为开发平台,结合Open CV图像开发库和Triclops库,开发了视觉识别与定位算法,实现对圆柱体和长方体薄板对象的分类和位姿识别。最后,通过实验验证,表明该视觉算法有较高的识别定位精度,满足抓取系统的要求。     

基于亚像素精度的机器人抓件视觉引导系统

针对机器人在工业生产线抓取过程中工件产生的偏移现象,对相关视觉算法和通讯技术进行了研究。并以ABB公司的IRB1410型号机器人在管板焊接生产线中的视觉自动定位系统为研究对象,对摄像机进行标定,完成对工件坐标系转换与工件位姿的亚像素精度参数的提取,以便于计算出机器人所需要的工件偏差量参数,最后在C#环境下对计算机与机器人通讯进行设计,将偏差量传递给机器人控制柜完成对工件坐标系的实时修正。最后通过实验验证,可以对不同位姿的工件进行有效的抓取。     

成捆圆钢端面标牌自动焊接系统的研究

为实现成捆圆钢端面标牌焊接的自动化,设计一套以双目视觉测量引导的基于工业机器人的标牌自动焊接系统。整个系统主要由工业机器人、双目视觉识别系统、焊钉送料系统、标牌制备系统、末端操作器、控制系统等构成。双目识别系统采用双目相机扫描成捆圆钢端面,得到焊接位置坐标;焊钉供料系统实现焊钉的分料传送,标牌制备系统通过激光打标机将圆钢生产信息制作在标牌上,并将标牌输送到指定位置;末端操作器由工业机器人带动实现焊钉与标牌的抓取、定位焊接以及掰断焊钉尾部等操作;焊接控制系统中工控机与机器人、PLC、双目视觉测量系统等进行通信,完成标牌焊接的自动化流程。     

排爆机器人的研究现状及其关键技术

综述了排爆机器人的国内外研究现状,介绍了排爆机器人的移动机构、基于计算机视觉的精确定位、导航、定位和路径规划、通讯和控制系统、多传感器信息融合等关键技术;并指出了此领域中存在的问题,提出了排爆机器人在标准化、模块化、控制系统智能化、通讯系统网络化等方面的发展趋势,为它的进一步设计与开发提供了一些有用的信息.     

仿人手精巧抓取柔性末端结构设计与变形特性研究

为提高机器人柔性末端的适应性、稳定性、精确性和易控性,以圆柱形物体抓取为例设计3种仿人手柔性手爪方案并进行优选;针对仿人手非对称手爪的变形特点,提出包括抓取对象偏心距、末端位移垂直偏差、末端位移水平偏差、柔性手指曲率半径、最小工作压力在内的5个评价指标。通过单指变形特性试验和多指手抓变形特性试验,分析不同状态下的手爪变形规律。研究表明:采用对开式三指布置能有效降低最小工作压力;与长短手指组合相结合后,能有效提高不同压力和负载下的抓取稳定性和精度,并使得手指的曲率半径变化线性度提高。总体上,传统柔性手爪方案手爪的变形非线性较强,负载的增加会使手爪所需的工作压力增大;采用非对称布置的仿人手抓取方案综合性能最优。研究结果为机器人柔性末端结构优化及其形态的精确控制提供了参考依据。     

基于多功能传感器的机器人手控制系统研究

基于多功能传感器的机器人手控制系统主要由视觉和力觉传感器、液压装置及其控制器构成,它能完成机器人手爪的位置和力的多功能控制.本文论述了该控制系统图像分析过程、系统硬件的结构和抓取控制的原理.实验结果表明,该系统能根据图像分析出不同种物体的可抓取性,并能通过多功能控制成功实现抓取.     

基于改进GA优化BP网络的双目视觉定位研究北大核心

为了提高传统遗传算法(genetic algorithm, GA)IGA优化BP网络迭代时间过长以及精度偏低的缺陷,设计了一种通过改进遗传算法(improved genetic algorithm, GA)IGA优化BP网络,并进行完成双目视觉的定位计算。改进遗传算法来提升BP网络收敛能力并获得更强的全局寻优效果,显著改善BP网络处理效率与精度,最终促使相机获得更高定位精度以及运算速率。给出了IGA优化BP网络的双目视觉定位算法流程,并开展了双目视觉定位实验。研究结果表明,未优化坐标预测值误差均值为0.66 mm,优化坐标误差均值为0.08 mm。改进BP网络进行双目视觉定位精度达到0.12 mm,相对最初预测定位误差降低近0.01 mm。以BP网络来定位双目视觉精度均值是0.12 mm,以OpenCV定位的实际精度是0.10 mm。推断以神经网络双目视觉进行定位时满足双目视觉定位精度条件。     

工业机器人分拣技术的实现

以MOTOMAN-UP6机器人为基础,构建了一个基于机器视觉的机器人分拣实验系统.该分拣实验系统由机器人、PC机、相机、图像采集卡、传送带和自开发的分拣控制软件组成.系统的工作原理和工作过程为:当目标对象源源不断地进入分拣作业区时,通过相机连续自动地获取作业对象图像,然后由软件对采集到的图像进行运算分析、变换目标对象坐标、识别目标对象分类信息、维护分拣目标的运动踪迹,最终控制机器人实现分拣动作."单目标跟踪--抓取--搬运"实验和"多目标跟踪--抓取--搬运"实验证明了该技术的意义和实用价值.     

基于双目视觉的机器人快速示教系统

针对工业机器人传统示教方式存在示教难、示教慢的问题,基于双目视觉提出构建机器人快速示教系统。该系统将双目视觉模块固接在机器人末端工具上,减小示教范围限制;设计出一种带有特征板和位姿测量杆件的手持示教装置,用于对设定点进行快速位姿示教;采用最小二乘法实现特征板到位姿测量杆件末端的平移参数标定。该系统通过双目视觉模块采集手持示教装置特征板图像,并进行图像处理获得末端点的位姿信息;将该位姿信息转换到机器人基坐标系下,实现机器人示教再现。搭建川崎RS010NA六自由度工业机器人的双目视觉快速示教系统,进行空间25点的示教复现测试,机器人示教复现位置平均误差为2.427 mm;采用移动示教后,平均位置误差下降25.3%;测试结果表明该系统具备可行性,且移动示教可以提高示教复现精度。     

基于机器视觉的Delta机器人分拣与跟踪系统设计

为了提高Delta机器人动态抓取的精度与速度,提出了一种基于欧姆龙NJ控制器的Delta机器人控制系统。通过采用欧姆龙NJ运动控制器和EtherCAT内部高速总线将Delta机器人的运动控制和外部运动逻辑控制进行无缝对接,实现一体化控制。同时为了提高抓取效率,利用Delta机器人视觉系统识别抓取目标的位置,去掉重复图像信息,进而提出一种动态的抓取算法,实现了机器视觉与机器人动态抓取的完美结合。通过对样机进行测试表明:该Delta机器人在分拣与跟踪目标过程中漏抓率小于2%,误抓率为0,表明该系统能够达到抓取系统的实时性要求,在实际工程中具有一定的应用价值。     

基于视觉的运动目标跟踪抓取和装配研究

为提高家电装配生产线自动化水平和生产节拍,提出采用基于机器视觉的跟踪抓取和装配系统代替人工进行分拣上料和装配工作。使用Open CV进行摄像机内外参数标定,运用基于1DPHT方法求取目标位姿,采用卡尔曼滤波算法对目标位置进行跟踪预测。并搭建基于SCARA机器人的视觉跟踪抓取平台和基于6R机器人的装配平台,实验表明该系统能够实现2D空间移动目标的有效抓取和装配,且工作效率和精度较高。     

基于视觉的SCARA机器人抓取平台与实验研究

为了提高自动化装配任务中高节拍机器人抓取工件的位置精度与效率要求,提高工作节拍时间,搭建了基于视觉的SCARA机器人抓取平台,同时开展了抓取工件的实验研究。使用Open CV完成摄像机标定,运用改进的霍夫变换算法进行工件轮廓检测,根据抓取平台的机械结构和运动特点,完成抓取作业;最后,对多次抓取实验结果进行研究分析。结果表明,该抓取平台具有较高的工业生产应用价值,其定位误差在0.5mm范围内。     

基于视觉引导的FANUC机器人抓取系统研究

针对目前工业机器人上料时大都采用预先示教的方式,一旦工作条件发生变化就会导致抓取失败的问题,研究了一种基于视觉引导FANUC机器人的抓取系统,提高了机器人柔性化抓取能力。系统采用单目视觉定位方法:将图像中的特征点通过相机标定参数、Eye-in-Hand手眼标定参数转换为机器人基坐标系下的位姿,利用FANUC Robot Interface实现上位机与机器人通信并把定位结果发送到机器人位置寄存器,引导机器人运动到相应位置并通过末端执行器完成对空心圆柱体工件的抓取。经过多次抓取实验数据分析,该系统定位误差在0.5mm以内,具有很好的实际应用价值。