基于机器视觉的超视场工件识别抓取系统

目前,应用机器视觉系统进行工件检测时,对于工件体积相较单个相机视场范围较大的超视场工件,因无法拍摄出工件完整图片,因而存在工件识别困难以及定位不准等问题.针对这些问题,本文提出了一种基于机器视觉的超视场工件识别抓取系统WRGS （workpiece recognition and grabbing system）.该系统无需拍摄工件完整图片,采用提取工件上特征点进行形状匹配的方法来实现对超视场工件的有效识别.系统定义了每类工件标准位置用于位姿计算,通过设计由粗到精抓取网络的方法,WRGS解决了超视场工件定位困难的问题,并提高了抓取精度.该系统能通过自学习来适应多种工件,从而提高了系统的柔性.通过实验例证,整个系统抓取时间小于6s,落爪位置与目标在水平方向上的误差≤ 2mm、高度误差≤ 0.2mm、角度误差≤ 0.3°.     

基于机器视觉的水表自动化检定装置

水表在水资源计量领域有着举足轻重的地位,对其进行示值误差检定十分必要。水表示数的自动识读对于水表自动化检定具有重要意义,通过机器视觉对水表表盘图像进行切割,增强,边缘轮廓提取,模板匹配,实现了静态水表示数的自动化获取。通过VC++结合OpenCV对相关理论进行实现,发现实验效果良好,可以高效便捷的获取实时静态的水表读数,有利于水表检定实现自动化。     

基于机器视觉的机器人定位抓取的研究进展

传统工业机器人工作大多是通过示教或者离线编程的方式,按照规定的路径进行工作,功能单一,一旦场景发生改变就不能有效工作,智能化程度低且适应性差,无法满足柔性制造业的要求.而视觉机器人利用视觉技术获取目标物及其周围环境的信息,并能通过决策来引导工业机器人完成对路径规划和目标的抓取工作.针对视觉机器人抓取系统中的关键技术,对...     

基于神经网络的工业机器人视觉抓取系统设计

针对机器人示教编程方法导致的工件位置固定、抓取效率低下的问题,研究神经网络在机器人视觉识别与抓取规划中的应用,建立了视觉引导方案,通过YOLOV5神经网络模型开发视觉识别系统,识别物体的种类,同时获取待抓取物体定位点坐标。提出了机器人六点手眼标定原理并进行标定实验,提出了针对俯视图为圆形或长方形物体的定位方法。最后针对3种物体进行了180次的抓取实验,实验的综合平均抓取成功率约为92.8%,验证了视觉识别和抓取机器人系统具备实际应用的可能性,有效提高了抓取效率。     

视觉图像技术与机器人工件抓取的协作应用

工业机器人在抓取环节如果配置机器视觉装置,应用图像处理技术,在抓取效率和准确度方面就有优势.该文介绍机器人功能实训台的工件抓取视觉系统的组成,侧重工件轮廓的图像处理技术,以图像处理作为机器人视觉系统处理的核心目标,将视觉图像技术与机器人工件抓取技术协作应用于工业机器人实训平台的抓取环节,利用工业机器人运动过程中坐标的转...     

机器视觉智能机器人无损检测系统

针对目前无损检测过程中的大量人工操作、检测效率低下和检测精度低的特点,提出了一种搭载于工业机器人的无损检测系统的设计方法,实现了系统的软硬件设计。设计的机器人系统具有4个自由度,可以实现三维空间的立体检测,并采用自适应模糊推理系统提高检测适应性。系统采用彩色图像分割算法和自适应区域生长图像分割算法都能有效提取出缺陷区域。应用结果表明系统稳定性好、检测精度高,大大提高了检测效率。     

基于机器视觉的锯条自动化装盒系统设计

以VS2010为软件平台,以Staubli TP80机器人,康耐视摄像机和传送带为硬件基础,对锯条进行识别,定位和动态抓取,搭建了一个基于机器视觉的工业机器人智能抓取系统,其中Staubli-TP80机器人为操作手臂,利用康耐视摄像机和工控机搭建视觉检测平台,通过抓取系统的参数化建模实现图像坐标到机器人坐标的转换,利用OpenCV函数库实现锯条的图像处理和模式匹配,最后控制机器人对动态目标进行抓取。     

基于机器视觉的机器人物料分拣系统的设计

随着生产技术发展和产业转型升级,机器人代替人工劳动是大势所趋,而视觉是机器人的“眼睛”。分拣是工业生产过程的关键环节,但传统分拣工作多以人工分拣为主,这降低了生产效率,且难以保证产品质量。运用基于机器视觉的机器人物料分拣系统,能对不同颜色的物料进行准确识别和精准定位。本文阐述了机器视觉应用的意义、基于机器视觉的机器人物料分拣系统组成,设计了基于机器视觉的机器人物料分拣系统软件,分析了系统的应用优势。通过实践,实现了基于机器视觉的机器人物料分拣系统功能,提高分拣安全性、可靠性和工作效率,从而提高工业生产的智能化,适应产业发展需要。     

基于机器视觉的双足机器人寻迹系统设计

双足行走机器人的步态规划、步态交换稳定性控制和行走轨迹识别是其研究重点,机器人控制系统设计的合理性直接决定机器人本体的最终行走性能。同时,合理设计双足机器人的运动机械结构,降低了运动控制难度。双足机器人寻迹系统的步行运动,需要多个关节的协同控制,来保证重心的稳定性,这对双足机器人寻迹系统的硬件尺寸和关节质量有一定的限制。在特定场景中对机器人的寻迹是一个复杂的系统,包括视觉采集、图像预处理、导航线提取、路径规划、机器人控制等算法。因此,本文讨论了基于机器视觉的双足机器人寻迹系统的设计,并对系统设计进行了探讨和分析,以确定机器人各部分都能得到灵活处理。     

基于机器视觉的非特定物体的智能抓取系统的研究

针对传统机械臂局限于按既定流程对固定位姿的特定物体进行机械化抓取,设计了一种基于机器视觉的非特定物体的智能抓取系统;系统通过特定的卷积神经网络对深度相机采集到的图像进行目标定位,并在图像上预测出一个该目标的可靠抓取位置,系统进一步将抓取位置信息反馈给机械臂,机械臂根据该信息完成对目标物体的抓取操作;系统基于机器人操作系统,硬件之间通过机器人操作系统的话题机制传递必要信息;最终经多次实验结果表明,通过改进的快速搜索随机树运动规划算法,桌面型机械臂能够根据神经网络模型反馈的的标记位置对不同位姿的非特定物体进行实时有效的抓取,在一定程度上提高了机械臂的自主能力,弥补了传统机械臂的不足.     

基于改进YOLOv3的火灾检测与识别

现阶段火灾频发,需要自动进行火灾的检测与识别,虽然存在温度、烟雾传感器等火灾检测手段,但是检测实时性得不到保证.为了解决这一问题,提出了基于改进YOLOv3的火灾检测与识别的方法.首先构建一个多场景大规模火灾目标检测数据库,对火焰和烟雾区域进行类别和位置的标注,并针对YOLOv3小目标识别性能不足的问题进行了改进.结合深度网络的特征提取能力,将火灾检测与识别形式化为多分类识别和坐标回归问题,得到了不同场景下火焰和烟雾两种特征的检测识别模型.实验表明,本文提出的改进YOLOv3算法对不同拍摄角度、不同光照条件下的火焰和烟雾检测都能得到理想的效果,同时在检测速度上也满足了实时检测的需求.     

基于DSP的多路抄表系统的设计与实现

分析了目前抄表系统中存在的一些问题,提出了一种基于DSP的多路水表号码识别系统,给出了系统的设计方案及各功能模块实现过程。系统属于无源远程抄表方式,采用嵌入式技术和视觉检测技术,通过对水表号码图片的采集及识别处理,实现对多路水表读数的显示及传输。实验证明该系统成本低、速度快、安全、节能、工作稳定,可以准确识别水表读数。     

多目标背景下双目视觉深度信息优化研究及其实现

针对机器人领域应用视觉进行目标物体抓取问题,提出了一种针对多目标背景下,新的深度优化处理方法.通过设定一个阈值块,以遍历成块的深度信息用类似聚类的方法,提出目标物体的具体坐标,传递给机器人手臂,完成准确的抓取操作.依次介绍了双目视觉原理、摄像机标定、双目矫正和双目匹配等内容,以及呈现出原始的深度信息图以及优化后的深度信息图,比较它们的差距.最后在实验中给出了证明:此种深度信息优化方法能够有效的提高机器人抓取目标物体的成功率.最后,还在文章最后给出了下一步的研究方向.     

一种新的机器人三维视觉的设想

本文探讨了机器人视觉的固有矛盾,分析了机器人视觉方法的现状,得出:现行的视觉方法难于给出机器人操作必需的信息,难于兼顾实时性与通用性。基于此分析,构思了一种新的三维视觉系统,旨在解决机器人视觉的固有问题.     

基于SlimYOLOv3的工业场景目标检测算法

基于人工设计特征的检测算法检测速度普遍较慢,检测精度也有待提高,已无法满足现今工业生产中的需求.而基于深度学习的检测技术,因其需要大量的计算和存储空间无法在资源受限的设备上部署使用.针对这些问题,引用一种通道剪枝方法实现YOLOv3检测网络的轻量化,得到剪枝模型SlimYOLOv3,并进一步提出将SlimYOLOv3用于工业场景下的实时检测任务.方法通过对通道缩放因子施加L1正则化来增强卷积层的通道级稀疏性,并对信息量较小的特征通道进行剪枝,最终获得轻量级的网络模型.与原模型相比,SlimYOLOv3剪枝模型减小了60％,计算量减少了50％,检测速度是原模型的1.7倍,更适于智能工业场景中复杂目标的实时检测.     

一种机器人抓取矩形零件时的标定方法

计算机视觉系统应能根据视觉传感器(如摄像机)获取的图像计算出三维环境物体的位置、形状等几何信息,并由此识别环境中的物体,从而做出正确反应。因此,标定是视觉技术中的重要问题之一。以SCARA机器人为研究对象,针对机器人手爪抓取矩形零件时出现的零件转角难以确定的问题,对矩形零件的位置和角度的标定方法进行了研究。该方法不考虑畸变量,采用几组点就可以确定标定参数,简化了计算量。     

一种基于随动视觉的排爆机器人自主抓取系统

在传统基于固定视觉的排爆机器人抓取系统中,相机视觉易被遮挡且不能保证拍摄清晰度。基于随动视觉技术,提出一种将深度相机置于机械手末端并随机械手运动的排爆机器人自主抓取系统。利用深度相机计算目标物体的三维坐标,采用坐标转换方法将目标物体的位置坐标信息实时转换至机器人全局坐标系,并研究相机坐标系、机器人全局坐标系与末端执行器手爪工具坐标系三者的动态映射关系,实现排爆机器人的自主抓取。实验结果表明,与传统固定视觉方法相比,随动视觉方法可在误差2cm内,使得机器人机械手爪准确到达目标物体所在位置,且当机器人距离目标物体100cm~150cm时,抓取效果最佳。     

智能机器人视觉体系结构研究

本文以几个典型的智能机器人体系结构为范例,受其分层结构和模块化体系思想启发 ,针对机器视觉研究中的不同观点和遇到的困难,提出机器视觉研究也应当分层、模块化的 思想,认为只有这样才能满足整个机器人大系统的要求,较好地解决机器视觉的一般性和特 定任务之间的矛盾．在讨论了该视觉体系结构中各层次的组织和各个模块的功能后,提出了 一个将三维面形传感获取近距离精确数据、激光雷达距离成像和CCD摄像机相结合的视觉传 感集成体系,通过它们在时间和空间上的一致及信息上的互补,以保证基本数据模块的可靠 性和整个视觉体系结构的可行性．     

移动机器人编队视觉定位方法研究

该文提出一种基于视觉的移动机器人编队定位方法。该方法采用基于纹理的图象对机器人进行标识,然后使用纹理中的特征点对机器人的位置和姿态进行估计,使用最小二乘算法使估计结果误差最小。实验证明该方法能够有效地对编队的移动机器人定位,同时对环境干扰具有鲁棒性。