基于双目视觉的机械零件位姿检测系统研究

针对机械零件搬运过程中需要精确测量零件位姿的实际问题,基于VS220双目立体视觉测量系统平台,设计了一种机械零件位姿检测系统。采用改进的Canny边缘检测算法,对零件边缘进行了轮廓识别,利用尺度不变特征转换方法进行了零件特征点的提取与立体匹配;利用立体视觉三维重建方法,建立了位姿检测系统数学模型,通过求解坐标系之间的转换关系,计算出了零件在传送带上放置的位置和方向等信息;通过VC++语言编写了位姿识别算法程序,实现了零件形状与位姿的识别;搭建了位姿测试系统实验平台,进行了测试实验。实验结果表明:系统能快速有效地对零件进行位姿检测,为实现零件的自动上下料提供了技术支撑。     

基于双目结构光的工件位姿检测方法北大核心CSCD

面向机器人在柔性上下料中工件放置范围较大、摆放位姿不确定的应用场景,提出了一种基于双目结构光的空间位姿检测系统。基于双目结构光视觉系统获取工件点云数据,通过对Z轴分层遍历寻找工件最上层平面,利用其法向重新建立坐标系来矫正原始点云数据;将最上层点云数据映射转成2D图像,通过图像处理完成多个工件分割并获得工件位置信息进行点云粗配准,再通过ICP精配准得到工件的位姿信息。以检测料框为例进行实验,实验结果表明:视觉系统距检测目标3 m处,仍能输出多个料框的准确位姿信息,可有效提升工业机器人柔性上料的可靠性。     

基于双目结构光的工件位姿检测方法

面向机器人在柔性上下料中工件放置范围较大、摆放位姿不确定的应用场景,提出了一种基于双目结构光的空间位姿检测系统。基于双目结构光视觉系统获取工件点云数据,通过对Z轴分层遍历寻找工件最上层平面,利用其法向重新建立坐标系来矫正原始点云数据;将最上层点云数据映射转成2D图像,通过图像处理完成多个工件分割并获得工件位置信息进行点云粗配准,再通过ICP精配准得到工件的位姿信息。以检测料框为例进行实验,实验结果表明：视觉系统距检测目标3 m处,仍能输出多个料框的准确位姿信息,可有效提升工业机器人柔性上料的可靠性。     

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。     

惯导/双目视觉位姿估计算法研究

无人飞行器自主导航系统作为无人机自主控制的核心,是制约无人机性能提升的关键因素.传统的惯导/GPS组合导航系统受其自主性、稳定性等限制无法满足无人机导航需求.在分析视觉导航特性的基础上,针对无人飞行器复杂运动特性,设计了基于非线性尺度空间的双目视觉三维位姿估计算法.在此基础上,针对双目视觉导航存在的位姿估计误差累积问题,提出了基于惯导/视觉融合的无人飞行器位置和姿态估计算法,利用卡尔曼滤波实现惯导与视觉信息的融合.通过仿真验证和实际跑车验证结果表明,提出的双目视觉位姿估计算法相比SIFT算法能够有效提高视觉图像特征检测准确度,惯导/视觉组合算法能够有效提高位姿估计精度,组合定位精度优于2.5m.     

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。     

面向机器人抓取的双目视觉系统标定与目标位姿估计算法

在双目视觉抓取系统中,首要任务是解决相机标定以及目标位姿估计问题。针对工业应用场景,文中提出了一种基于灭点一致性约束的相机标定算法,并利用目标的双目图像立体匹配结果,通过改进迭代最近点算法实现目标位姿估计。实验结果表明:该系统能够有效地估计目标位姿,目标位姿估计的平移与角度误差均能满足抓取需求。     

基于卷积神经网络与扩展卡尔曼滤波的 单目视觉惯性里程计

针对单目相机采集室外图像易受环境光照影响、尺度存在不确定性的缺点,以及利用神经网络进行位姿估计不准确的问题,提出一种基于卷积神经网络(CNN)与扩展卡尔曼滤波(EKF)的单目视觉惯性里程计。采用神经网络取代传统里程计中基于几何约束的视觉前端,将单目相机输出的估计值作为测量更新,并通过神经网络优化EKF的误差协方差。利用EKF融合CNN输出的单目相机位姿和惯性测量单元(IMU)数据,优化CNN的位姿估计,补偿相机尺度信息与IMU累计误差,实现无人系统运动位姿的更新和估计。相比于使用单目图像的深度学习算法Depth-VO-Feat,所提算法融合单目图像和IMU数据进行位姿估计,KITTI数据集中09序列的平动、转动误差分别减少45.4%、47.8%,10序列的平动、转动误差分别减少68.1%、43.4%。实验结果表明所提算法能进行更准确的位姿估计,验证了算法的准确性和可行性。     

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。     

基于ArUco检测的AGV辅助定位系统

移动机器人的自主定位技术在智能物流领域有着至关重要的作用,然而仅基于激光、视觉等传感器在未知环境下的位姿估计目前并不能满足一些需要高精度定位的场景需求。因此,本文提出一种基于辅助标记物的移动机器人定位系统,通过ArUco检测来实现AGV的精确定位,并结合TCP/IP实现与上位机调度系统的通信,完成整个搬运AGV上下料流程。     

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....     

追踪与目标航天器相对位姿参数四元数的解析算法

提出了利用5个非共面特征光点和单目视觉的航天器相对位置和姿态参数测量的解析算法。首先,给出测量系统的基本结构和特征点的配置形式;然后,以3个对称结构特征点为一组,将5个特征光点分为两组,利用四元数测量算法,分别得到单目视觉的航天器相对位姿参数的方程组,结合2个方程组获得了航天器相对位姿参数的解析解形式,并对解析解进行修正;最后,通过计算实例对解析算法进行数学 仿真,结果表明:该算法能够满足航天器相对位姿确定精度和实时计算要求。     

基于双目视觉的工件位姿检测方法

建立了一种基于双目视觉的空间位姿检测模型。采集目标物不同角度的图片以建立目标物离线模板库,通过SURF算法检索模板库以分离目标物所在区域。在该区域利用霍夫变换提取目标物的特征角点。利用基于灰度相关函数的匹配算法完成特征角点的匹配,结合双目视觉模型建立特征角点像素坐标与用户坐标间的映射关系进而求出目标物在用户坐标系下的位姿信息。以检测箱体工件为例进行多组实验,结果表明,该方法可以准确地检测目标物位姿。     

基于图像轮廓的泵体口环位姿及尺寸检测算法

针对泵体口环人工检测安装精度差的问题，提出了基于图像轮廓的泵体口环位姿及尺寸的视觉检测算法。首先对泵体口环图像进行图像预处理，然后进行图像轮廓检测，分割出泵体口环目标轮廓，最后建立了求取泵体口环位姿及尺寸的数学模型，并根据目标轮廓中包含的像素点数学信息，设计了泵体口环位姿及尺寸检测算法。实验结果表明，基于该算法能够较精准的识别检测泵体口环位姿及尺寸，在较高精度工业机器视觉化应用中具有现实意义。     

动态场景下一种鲁棒的立体视觉里程计算法

针对传统视觉里程计算法在动态场景下对相机位姿估计鲁棒性和精确性不高的问题,基于场景流及静态点相对空间距离不变原理,提出一种动态场景下鲁棒的立体视觉里程计算法。该算法首先利用相机初始位姿估计,计算相邻帧之间匹配点对的场景流,进而建立高斯混合模型,并对场景中动、静物体的特征点进行初步分离;然后利用静态点空间相对距离不变的原理和匹配虚拟地图点集的方法进一步分离动、静物体上的特征点;最后,生成由静态特征点对应地图点构成的局部地图,并考虑虚拟地图点集的匹配情况,最小化重投影误差,以得到精确的相机位姿估计。对TUM数据集以及实际场景进行实验,结果表明提出的算法在动态场景下能够鲁棒地估计出高精度的相机位姿。     

多目视觉与激光组合导航AGV精确定位技术研究

为进一步提高自动导引车(AGV)的定位精度,提出了一种多目视觉与激光组合导航的精确定位方法。该方法首先提出了一种基于双目视觉实时测量的AGV位姿控制技术,通过多目视觉系统来识别导引线侧的多个圆形标识点完成前瞻预判与精准定姿。采用基于代数距离方差校验的改进型最小二乘拟合椭圆算法来确定各标识中心坐标,结合激光扫描与视觉定位信息,采用无迹卡尔曼滤波算法进行多传感器信息融合,最终实现精确定位。实验结果表明:使用该方法后定位精度明显得到提高,控制曲线更为平滑,定位鲁棒性更好,姿态调整精度可达±0.5°,停车定位精度可达±1 mm。     

基于基准球的样品位姿标定及其可视化

样品位姿的确定是对样品进行中子衍射测量的前提。针对中子衍射残余应力测量的样品存在复杂曲面的情形,为得到激光扫描仪建立的样品坐标系相对全站仪坐标系的位姿矩阵,采用基于基准点的样品位姿标定方法进行实现。首先分析了基于基准点的样品位姿标定过程,然后应用刚体变换法确定出样品相对全站仪坐标系的位姿矩阵,并针对基准球、角点、中心孔三种基准点类型进行了实验。精度评定分析表明:基于基准球的对齐精度均方根值RMS最小,角点次之,中心孔最大。因此,选择基于基准球的方法最优,所确定的样品位姿可用于后续中子衍射测量实验。最后,利用IDL语言实现了样品位姿可视化。     

基于齐次变换矩阵的盾构机掘进位姿建模与求解研究

为了更加精确快速地求解盾构机在掘进过程中的姿态变化,采用基于空间齐次变换矩阵元素的位姿正解求解方法建立盾构机位姿正解解算模型,并利用牛顿拉夫逊算法对得到的以齐次变换矩阵元素为未知量的非线性方程组进行逐次迭代求解,得到齐次变换矩阵各元素数值解;然后,根据齐次变换矩阵各元素与位姿映射关系求解对应位姿.并根据各个液压缸杆长约...     

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。     

基于机器视觉提高移动机器人装夹精度的应用研究

根据将机器人安装于AGV移动小车上,为车间中相应机床进行上下料作业的工业应用背景,提出了一种通过机器视觉实时检测机器人与工件的相对位姿,补偿AGV小车的移动定位误差,提高上下料作业时装夹精度的方案,并进行了实验,实验表明,通过该方案机器人进行上下料作业时,其末端位姿误差保持在1 mm以内,验证了方案的可行性以及算法的鲁棒性。