并联机器人视觉抓取系统快速标定方法的研究

机器视觉技术给传统工业带来了深刻的变革。对机器视觉的并联机器人抓取系统的快速标定进行了研究,该机器人抓取系统的标定主要包括相机的标定和人机(相机与机器人)标定。该标定装置的硬件采用德国Basler Ace系列的工业相机和Delta机器人本体。相机标定软件使用C#编程工具通过调用图像处理软件HALCON的函数库开发图像处理软件,实现了对相机的标定。人机标定使用开放式软件平台CODESYS开发了机器人人眼标定变换模块。实测结果表明:该标定方法方便快捷、运行可靠、稳定。     

基于机器视觉的Baxter机器人抓取算法研究

针对传统机器人结构化示教抓取无法满足智能制造生产过程中实际抓取需求的问题,对机器人在非结构化场景下的多目标灵活抓取进行了研究,在分析了传统机器人抓取检测方法的基础上以智能协作式机器人Baxter作为操作对象,融合机器视觉技术提出了一种基于改进的Canny边缘检测和Hough变换的机器人抓取检测分类算法,并最终实现了机器...     

基于单目视觉的工业机器人定位系统的设计

在工业生产中,工业机器人如何能够准确地抓取和摆放工件是自动化生产中的一个重要问题,而问题的关键是准确地获取工件目标位置和姿态的信息。针对此问题,以图像辨识、处理及视觉定位为主要研究内容,设计了一种处理简单、计算准确的单目视觉定位系统。该系统包含静态图像采集平台、图像测量模块及与之匹配的三维空间中单目定位算法与姿态测量算法。经测试实验,并通过对数据和误差进行分析,系统满足自动化生产过程中对工件的空间定位与姿态测量的要求。     

基于开放平台的机器人视觉抓取控制系统设计

设计了一个基于开放式运动控制平台的机器人视觉抓取控制系统。该系统将视觉技术与机器人运动控制系统相结合,采用模块化设计,利用TCP/IP网络实时传输实现信息交互,机器人在视觉引导下完成复杂条件下的抓取作业,系统的可靠性、实时性及可扩展性都得到了提高。该系统应用于自主研发的4轴关节式机器人,运行稳定可靠。     

基于改进SIFT的室内机器人惯性视觉定位系统北大核心

对移动机器人室内单目视觉定位存在的定位精度较低,光照鲁棒性差的问题,提出一种基于改进SIFT的实时惯性视觉定位系统。首先压缩SIFT尺度空间,降低描述子维度;再利用结合位置信息的描述子曼哈顿距离进行FLANN匹配,PROSAC迭代优化。在跟踪阶段结合IMU获取的初值约束匹配,剔除误匹配。在回环检测阶段利用惯导位姿给定位姿初值范围,局部搜索SIFT特征点匹配实现重定位。在室内天花板数据集上验证改进SIFT算法,匹配准确率平均提升12.4%。在室内多个场景验证定位精度,平均定位误差为0.076 m。实验结果表明,所设计的算法能够在算力受限平台实现较精准的实时室内定位。     

基于深度学习的单目视觉水下机器人目标跟踪方法研究

介绍了一种基于深度学习的单目视觉水下机器人目标跟踪新方法,采用该方法能够使自主水下机器人(AUV)在水下复杂环境中实现图像增强处理与目标识别跟踪,对于视频图像中的每个图像,使用预先经过训练的深度卷积神经网络计算图像传输图,图像传输图提供了图像深度信息的相关估计,该方法能够识别水下目标区域,并标明水下目标运动及跟踪方向。实验表明:该方法能够更精确、更稳定地获取水下环境中的定位数据。     

基于机器视觉的机器人作业目标定位

为了满足生产制造过程中物料无序分拣的需要,设计基于机器视觉的机器人作业目标定位系统。利用Qt开发人机交互界面,实现图像采集处理、通信和机器人运动控制功能。对图像进行阈值分割等处理,得到理想工作区域。通过机器人视觉系统标定实现相机像素坐标和机器人基坐标之间的转换,得到机器人坐标系下的工件位姿识别。在机器人目标抓取平台上随机摆放一定数量的工件进行数据采样,结果表明：系统准确度以及速度具有优势。     

基于机器视觉的芯片字符区域分割和定位算法

芯片表面的字符对分选具有重要意义,对字符的定位是分选工作的关键步骤。为了提高分选工作定位效率和定位精度,提出了一种基于改进的区域生长算法和凸包检测算法分割和定位芯片表面字符区域方法。首先,对采集图像进行预处理操作,利用改进的Canny算法获取无干扰图像边缘,将图像边缘作为区域生长法的种子点并以图像自适应阈值作为生长准则分割图像,使用最大内接矩形算法粗定位字符区域;其次,采用Harris角点检测算法获取字符角点分布位置;最后,筛选角点并提取关键点,利用一种改进的凸包检测算法定位字符区域。经过实验验证,所设计的算法能够完整的分割和定位芯片表面字符区域,定位精度和效率较原有方法提升5.3%和15.4%,满足实际工业生产的要求。     

基于机器视觉的阀口袋动态抓取系统设计

在粉体包装领域常使用人工抓取阀口袋完成粉料的装填,自动化程度低且危害人体健康。为了解决这一问题,设计一套基于机器视觉的阀口袋动态抓取系统。首先,通过机器视觉完成相机标定、图像特征信息提取,得到阀口袋在机器人坐标系下的位姿数据。为了提高运动状态下阀口袋的定位精度,采用卡尔曼滤波对特征点位置进行校正。然后使用数据拟合描述阀口袋的位姿变化,进而预测抓取时刻阀口袋的位姿。在PLC控制下,工业机器人实现了对输送带上运动阀口袋的动态抓取,系统运行稳定,抓取误差小于1 mm,为实现自动化粉体包装提供了一种可行方案。     

基于视觉的工业机器人离线编程系统的设计

针对传统离线编程系统通用性差、可靠性低和二次开发难度大等问题,开发一套基于机器视觉的工业机器人离线编程系统。基于模块化思想,将该系统划分为机器视觉模块、虚拟环境模块、运动学模块、轨迹规划模块、离线程序模块和外部通信模块。借助机器视觉模块解构视觉系统与机器人末端位姿的坐标映射关系,得到规划机器人运动所需的位姿数据;基于虚拟现实建模语言构建机器人虚拟仿真环境,基于运动学模块与轨迹规划模块将位姿数据转化为机器人的作业〖JP2〗指令;基于离线程序模块与外部通信模块实现控制器指令与虚拟仿真环境的无缝衔接。最后,以一种六轴工业机器人为测试对象验证了该离线编程系统的基本功能。实验结果表明:该系统定位误差最大为0.4 mm,精度高,可满足工业应用需求。     

基于VisionPro的工业机器人视觉定位系统

基于美国Cognex公司的VisionPro机器视觉开发软件对工业机器人视觉定位系统进行开发,可以加快应用程序开发周期,从而降低公司周期成本.视觉定位系统基于VisionPro采用C#编程语言进行开发,利用VisionPro中的图像获取、摄像机标定、目标物体匹配等工具完成目标定位和输出结果.实验证明该视觉定位系统具有实用意义.     

基于计算机视觉系统的机器人焊接路径修正研究

对于机器人焊接视觉系统,由于零件的公差配合和焊接热作用,会导致焊接过程中焊头发生微小变化,所以要进行轨迹修正。系统将摄像头安装在机器人焊接臂上,工作前将系统进行校准,然后根据采集到的焊缝形状和位置图像,建立焊缝的3D模型。根据立体视觉算法对焊接轨迹进行编程,然后焊接。系统用标准的工业焊接机器人和CMOS相机进行了试验,焊缝最大偏差轨迹为0.7 mm,平均偏差为0.23 mm。     

基于视觉的移动机器人避障控制系统设计

针对三轮全向移动机器人自主避障行进问题,提出一种以STM32F1处理器为核心的视觉避障控制系统.分析三轮全向移动机器人运动模型,设计避障机器人的硬件控制系统.利用OpenMV OV7725图像模块识别障碍物并获取障碍物位置信息.根据位置信息,采用模糊控制算法控制机器人移动方向,实现自主避障功能.结果表明:利用该系统,三...     

基于双目视觉的机器人虚拟拖动示教技术的研究

针对工业机器人拖动示教技术可拓展性差及市场应用推广难等问题,基于双目视觉研究机器人虚拟拖动示教技术,降低机器人拖动示教成本。根据机器人末端姿态获取要求,设计基于双目视觉的末端姿态获取实验平台,并研究末端姿态获取方法。通过坐标变换技术研究机器人虚拟样机和末端执行器虚拟样机融合方法,实现ADAMS环境中机器人虚拟拖动示教模型的构建。以末端姿态数据设计虚拟模型驱动函数,研究机器人关节角度序列获取方法,实现机器人虚拟拖动示教轨迹再现。以毛笔为机器人末端执行器的实例验证了基于双目视觉的机器人虚拟拖动示教技术的可行性。虚拟拖动示教技术避免了复杂的机器人逆运动学求解问题,为机器人轨迹规划提供了便捷的方法。     

基于双目视觉机器人复杂轨迹再现方法研究

随着工业自动化水平的飞速发展,工业机器人得到了越来越广泛的应用,特别是六自由度串联机器人被大量应用在各行各业,其主要依靠示教来使其完成指定的作业任务,在线示教方法和离线示教方法是工业生产当中应用最广泛的,但传统示教方法存在一些缺点和局限性。为此,针对传统示教方法的不足,提出了一种新的示教方法,该方法利用视觉定位技术进行跟踪和采集示教轨迹的数据,机器人依据采集数据实现复杂轨迹再现。     

基于机器视觉的多关节机器人智能装配系统设计

设计一种智能装配系统,采用机器视觉识别工件的位置、角度和类型;将工件的信息通过Modbus-TCP通信协议传输到S7-1200 PLC控制器;控制器根据既定的程序算法将处理好的工件相关数据信息传输到多关节机器人的控制器,进而使机器人按照预先示教好的程序和算法对工件进行抓取和装配。该系统在实际应用中效率高、稳定性好,能有效降低人工成本,并且可以根据不同工件灵活改变控制策略,具有较大的经济和社会效益。     

基于视觉的工业机器人装配演示示教研究

针对工业机器人编程效率低下、智能化程度不高和人机交互性能弱等问题,提出一种基于视觉的工业机器人装配演示示教系统,该系统包括目标检测与中心点定位模块、装配动作分类识别模块和机器人动作执行模块。在目标检测与中心点定位模块中,提出一种目标物体中心点定位和机器人抓取方法,使用实例分割算法识别物体类别,通过掩码均值化处理和坐标转换计算物体3D姿态信息;在装配动作分类识别模块中,建立基于深度学习网络的动作分类识别模型,该模型的输入为装配动作视频帧,输出为动作分类标签;最后,机器人动作执行模块根据物体类别、物体3D姿态和动作分类标签等信息规划机器人装配动作,控制机器人执行装配任务。以轴孔装配为例,验证了上述方法的有效性,实现了基于视觉演示的机器人装配模仿编程,对机器人演示示教研究具有一定的参考价值。     

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。