共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
在输电线路采用机器人进行螺栓的全自动带电紧固作业是一项非常有挑战性的工作,螺栓的自动紧固首先必须解决螺栓的自动搜索、识别与定位,由于线路环境复杂,这些工作变得十分困难,为此,提出一种新的螺栓视觉搜索识别定位方法,该方法分为两部分,基于参考物的螺栓追踪,通过设定引流线为参考物,先对引流线进行定位,然后沿着引流线方向来搜索螺栓,从而简化螺栓搜索过程,降低螺栓识别难度;基于改进Hough变换的螺栓识别算法,通过对经典Hough变换的峰值选择策略进行改进来实现螺栓的精确识别,然后利用螺栓头部圆形特征来完成螺栓中心的验证,并通过HOG和SVM技术来实现目标物体的识别分类,消除外界不相关物体对目标图像的影响,进一步提高识别精度。根据该方法,设计了机器人原理样机并进行了模拟测试和现场测试,测试结果表明,该方法能够高效地实现输电线路上螺栓的搜索、识别与定位,极大程度地提高了机器人的带电作业效率。 相似文献
3.
针对目前大部分以工业机器人为核心的自动化生产线用工件固定方式进行加工作业,严重制约工业机器人在自动化生产线中的应用范围.为此提出一种基于双视觉引导的工业机器人立体定位技术.通过双视觉系统各自识别工装参考目标点的三维坐标和角度姿态,建立在相机坐标系下的三维坐标.利用多参考孔位采用最小二乘法拟合最优解,通过双目视觉的标定参数和定位换算算法,计算出目标点在工业机器人工件坐标系下的立体位置和姿态,引导工业机器人对工件的精确立体定位,最终实现机器人的各种加工作业.结果表明,双机器视觉能够精确引导机器人实现立体定位功能,误差小于0.5 mm,满足工业生产的一般性需求且具有良好的通用性. 相似文献
4.
为了解决钢筋绑扎机器人对绑扎点识别准确率低,定位精度差的问题,提出一种基于深度学习的钢筋绑扎机器人目标识别与定位方法。首先采用YOLOv4算法对绑扎点目标框识别和裁剪,完成绑扎点初始定位;其次设计轮廓角点选取方法,利用角点计算绑扎点的图像坐标;之后通过融入CBAM注意力机制改进Monodepth算法的特征提取部分,解码部分引入路径增强PAN结构,以提高模型的特征提取能力,进一步提高立体匹配精度;最后通过双目立体视觉定位技术获得绑扎点深度信息,并由坐标变换求解钢筋绑扎机器人手眼坐标系映射关系,从而实现对绑扎点的精确识别和定位。实验结果表明:该方法针对绑扎点目标框的识别准确率达到了99.75%,每秒传输帧数达到54.65;在空间中的定位精度最大误差为11.6mm。可较好地识别定位绑扎点位置,为自动绑扎工作提供有力支持。 相似文献
5.
6.
基于双目立体视觉的目标测距系统 总被引:1,自引:0,他引:1
双目立体视觉能够在多种条件下感知三维场景的立体信息,基于双目立体视觉的测距以其特有的优势在测距中扮演着越来越重要的角色.研究了双目测距的原理、摄像机的标定、立体校正、立体匹配等关键技术,在此基础上提出了用MATLAB和OpenCV相结合的方法实现双目立体视觉的测距.使用MATLAB进行相机的标定,然后借助OpenCV实现立体校正和立体匹配.通过立体匹配得出的视差值,可以求解出目标和相机之间的距离实现测距.通过实验的结果表明,提出的双目测距方法在一定范围内达到了精度要求. 相似文献
7.
运动目标检测是实现目标识别与跟踪的基础,它是计算机视觉研究领域的重要组成部分。鉴于传统的运动目标检测算法容易受到噪声、光照及外部环境影响,导致难以准确检测到运动目标的缺点,提出了基于视差的目标检测方法和基于灰度的目标检测方法相结合的算法进行运动目标检测。该方法是将两种算法检测出的前景目标相交部分作为运动目标,克服了双目视觉在目标检测中难以准确的获得目标轮廓,单目视觉容易受环境变化影响的缺点,可以在环境光线发生变化时、物体被照射产生阴影时、目标发生遮挡时准确检测出运动目标,从而提高目标检测的稳定性。 相似文献
8.
为保障带电作业机器人挂设接地保护线的准确性,对配电网接地环的精准识别与定位方法展开研究。为提高识别精度和易于部署在上位机上,以YOLOX-S为基础,用简化的BiFPN代替颈部PAFPN特征利用层,将GIoU-Loss作为定位损失函数,以Focal Loss作为置信度预测损失函数。采用双目视觉方法对检测到的接地环进行定位,根据双目相机标定获得相机的内外参数和畸变系数,对左右图像进行立体校正,采用半全局立体匹配算法获得图像视差,最终利用重投影矩阵得到接地环的深度和坐标,从而实现接地环的精准识别与定位。将所提方法运用于带电作业机器人挂设接地保护线试验,结果表明该方法能实现机器人精准挂线,并能推广到电力机器人的其他作业。 相似文献
9.
为了减少测量仪器本身对测量结果的影响并且提高海洋波浪测量仪器的安全性与可维护性,提出了一种将双目立体视觉技术和数字图像处理技术结合起来应用于目标海域海洋波浪参数测量的方法。该方法采用双目立体视觉系统作为采集平台,包含视频获取、视频图像处理、波浪参数反演等主要模块,反演间隔为0.5 s、共2 048帧的波浪变化视频得到目标海域海洋波浪的波高、波周期与波向参数,参数测量精度满足波高量程为0~20 m、测量波高最大误差为10%、周期精确度0.5 s、波向±10°的要求,依据该方法的测量系统可无接触式测量目标海域的波浪参数,系统布放与维护安全方便。 相似文献
10.
根据高压输电线路地线上障碍物的几何形状和结构特点,提出了一种基于单目视觉识别的多传感器高压线路地线障碍物识别和测距定位的方法。该方法利用机器人本体上的摄像机获得图像,然后再根据障碍物的几何形状特征,判断出障碍物的类型。根据识别出来的障碍物特征点与摄像机的位置关系建立测距几何模型,从而计算出机器人到障碍物的距离。当机器人非常靠近障碍物或者正在通过障碍物时,摄像机测距定位方法不再适用,此时可以采用安装在机器人上的光电传感器和动态倾角仪,结合机器人的运行速度和传感器采集信号的变化,识别出障碍物的关键点,从而计算出机器人与障碍物的位置关系。 相似文献
11.
12.
针对智能仓库物资自动化出入库流程,对于储存于纸箱中物资的出入库,需进行纸箱尺寸测量、纸箱拆解、物资倾倒、物资拣选等任务,因此首先应对纸箱进行无人化尺寸测量,提出自适应GrabCut的SGBM改进算法,实现纸箱尺寸自动测量。该方法首先完成双目相机的标定,利用NLM算法对采集的图片进行去噪处理,完成纸箱图片的立体校正,采用NCC、SGBM、AD-Census三种立体匹配算法得到纸箱的视差图,在分析其效果的基础上,提出基于模板匹配自适应GrabCut的SGBM改进算法用于纸箱立体匹配并得到其尺寸信息。实验结果表明,改进算法可以实现纸箱尺寸信息的精确测量,尺寸误差小于10 mm,满足实际的生产要求。 相似文献
13.
针对家用空调外机装配生产线上使用工业机器人配合2D相机抓取压缩机进行实验研究,从视觉标定、压缩机识别算法、工业机器人程序三个方面进行阐述,从实验得出的数据证明算法和软件的可靠性,满足项目的使用要求。 相似文献
14.
为了提升采摘机器人对果实的识别准确率以及定位定精度,提出一种基于深度学习Faster-RCNN框架的采摘机器人目标识别和定位算法。首先采用卷积神经网络VGG16模型提取输入图像的特性信息,并利用区域提议网络RPN生成含有目标的候选框,通过引入自适应候选框数的方法有效提升了算法性能,然后利用多任务损失函数对目标进行分类识别和预测框校正定位,从而得到目标在图像坐标系统的高精准度坐标,最后通过标定求解出采摘机器人手眼两个坐标系之间的映射关系,从而实现了对果实的精确识别和定位。通过对苹果的识别和定位实验结果表明:所提算法具有较高的识别度,平均精度达97.5%,且定位误差更低,最大误差仅为1.33cm,可为智慧农业发展提供有力的技术支持。 相似文献
15.
针对机器视觉领域中并联机器人存在目标识别模糊,分类效率差以及反应速度过慢的问题,提出了一种基于深度学习的并联机器人定位检测技术。首先对目标识别物进行图像采集,改进图像数据集,将处理前后图像放入训练集提高网络效率,搭建YOLOX目标检测分类识别算法提高并联机器人检测精度;其次改进训练方式,通过预训练与实际训练提高可靠性,改进损失策略;然后建立并联机器人主体基坐标系与相机坐标系,结合手眼标定与相机标定方法,求得目标实际坐标与机器人基坐标系的转换关系;最后在并联机器人实验平台验证目标标定结果,对比主流深度学习算法YOLOv3、YOLOv4、Faster-RCNN得出的并联机构网络定位与实际定位的相对误差,结果表明YOLOX的定位精度误差为3.992-5.061mm之间,平均精确度达到了91%左右。该方法可为并联机器人结合深度学习实现检测定位提供一定参考价值。 相似文献
16.
17.
18.
19.
本文提出一种将双目立体视觉技术应用于车载催泪弹发射系统智能化瞄准的方法。该方法采用了时空结合的处理方式来提取运动目标:在时域内对图像帧进行二次帧差取交集分割出运动区域;在空域上进行直方图分割以缩小运动区域和去除噪声,时空结合并填充运动目标区域,达到了目标与背景较好的分离效果。通过摄像机标定、测距试验、深度计算和误差矫正所得实验数据满足设计要求。 相似文献
20.
针对双足机器人步态训练平台自动化程度低,调试步态的过程中单人操作时辅助机器人行走和状态信息实时观测协调困难的问题,该文提出了一套基于立体视觉和姿态识别的天轨机器人跟踪伺服系统。首先利用双目相机取景,对左右目相机画面进行匹配后获取图像中每个像素点的深度信息,基于获取到的带有深度信息的图像,对双足机器人的姿态进行识别,获取每个关节点的深度信息,根据关节深度信息判断双足机器人运动状态制定跟踪策略进行伺服控制,由于引入了姿态识别,可以根据双足机器人的姿态变化实现更高程度的自动化跟踪保护。实验结果表现出高自动化程度和高动态的跟踪表现。 相似文献