基于平面模板的机器人双目标定与目标定位

视觉是机器人获取外界信息最主要的途径,通过视觉系统准确地定位目标物体是机器人控制中的关键技术。为了使机器人准确地获取目标物体的位置,文中采用平面模板法对双目摄像头进行标定,构建机器人坐标系,完成对目标物体的定位。经过标定,双目摄像头可以获取目标物体在空间坐标系中的位置,经过坐标系转换,可以获得目标物体在机器人世界坐标系中的坐标值,该值是机器人实现对目标物体伺服跟踪和抓取的重要数据。最后,本方法在家庭机器人上得到了验证,机器人能够准确地定位目标物体。     

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。     

基于目标检测的机器人手眼标定方法

智能协作机器人依赖视觉系统感知未知环境中的动态工作空间定位目标,实现机械臂对目标对象的自主抓取回收作业。RGB-D相机可采集场景中的彩色图和深度图,获取视野内任意目标三维点云,辅助智能协作机器人感知周围环境。为获取抓取机器人与RGB-D相机坐标系之间的转换关系,提出基于yolov3目标检测神经网络的机器人手眼标定方法。将3D打印球作为标靶球夹持在机械手末端,使用改进的yolov3目标检测神经网络实时定位标定球的球心,计算机械手末端中心在相机坐标系下的3D位置,同时运用奇异值分解方法求解机器人与相机坐标系转换矩阵的最小二乘解。在6自由度UR5机械臂和Intel RealSense D415深度相机上的实验结果表明,该标定方法无需辅助设备,转换后的空间点位置误差在2 mm以内,能较好满足一般视觉伺服智能机器人的抓取作业要求。     

机器人抓取视觉传感目标精确定位方法

机器人抓取目标时,准确完成任务的前提是可以精准检测到目标位置,当距离目标较远时,以信号传感为基础的定位精度和稳定性会受到影响。为解决上述问题,提出基于视觉传感器的机器人抓取目标精确定位方法。利用视觉传感器获取目标图像,并标定目标位姿。采取直线段检测方法提取目标位姿特征,将提取的特征输入到改进粒子群算法的支持向量机回归模型中,输出定位结果。利用回归误差补偿模型对定位结果补偿,完成机器人抓取目标精确定位。实验结果显示,利用视觉传感器后,机器人抓取目标的定位时间为35s、与实际位置的接近程度高于81%、置信度高于92%,由此可知机器人抓取视觉传感目标定位效果较好。     

基于HALCON的机器人手眼标定精度分析与反演方法

通过视觉引导机器人完成抓取任务,机器人手眼标定的精度直接影响了抓取任务作业精度和抓取成功率。对于基于位置的机器人视觉引导系统,手眼标定的任务则是确定机器人坐标系与相机坐标系之间的位姿关系。通过HALCON平台,使用线性标定法实现了6DOF机器人的手眼标定。对手眼标定的结果进行反演,直观地展示了手眼标定的精确程度。最后通过采集多组不同数量的图片,在HALCON平台下验证了不同摄像机模型对手眼标定的精度影响,以及同种摄像机模型在不同数量图片的情况下手眼标定的标定精度。实验证明,根据位姿矩阵中待求解的未知量个数采集合适数量的图片和使用更精确的摄像机模型能够提高手眼标定的精度。     

不需要标定系统模型的"眼在手上"视觉伺服控制技术

工业实践中不可能精确地标定摄像机和机器人模型，但当前的视觉伺服控制都需要标定系统模型．针对这一现象，提出一种新颖的、能应用于“眼在手上”视觉伺服控制结构的动态无标定的视觉伺服控制算法，无需标定摄像机和机器人运动学模型即可跟踪运动物体，通过将非线性目标函数最小化，以视觉信息跟踪动态图像．针对目前视觉伺服控制系统中“眼在手上”系统的复合雅克比矩阵随每个时间增量的变化无法计算的现象，提出了对每一时间增量时刻的图像雅克比矩阵的变化做出估计的方法，仿真实验证明了上述方法的正确性和有效性．     

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。     

基于Adept机器人的视觉伺服控制系统

机器人视觉伺服控制在理论和应用等方面还有许多问题需要研究,例如特征选择、系统标定和伺服控制算法等.针对Adept机器人,提出了一种简单快速的不需要精确标定摄像机内外部参数的摄像机标定方法,完成了从被观测物体表面所在的视觉平面坐标系到机器人基坐标系的坐标变换.使用图像的全局特征,即图像矩特征进行伺服跟踪;利用所推导的图像雅可比矩阵,设计了由图像反馈与目标运动自适应补偿组成的视觉伺服控制器.将算法对静态目标的定位实验进行了验证,然后又将其应用到移动目标的跟踪上,通过调节和优选控制参数,实现了稳定的伺服跟踪和抓取.实验结果表明采用图像矩作为图像特征能够避免复杂的特征匹配过程,并且能够获得较好的跟踪精度.     

基于双目立体视觉的机器人定位系统设计与实现

针对传统工业机器人预先示教或单目视觉引导应用的局限性,提出一种基于双目立体视觉的机器人定位系统设计,获取目标物体在空间中的三维信息。该系统设计基于ABB机器人执行系统,使用TCP触碰标定板的方式完成双相机的标定,采用SIFT斑点算法获取工件的特征,结合Opencv3.4.1库,基于图像特征点对左右相机获得的图像进行立体匹配,得到物体的三维点坐标,引导机器人实现抓取。     

Delta机器人传送带控制系统研究

本文针对制造业中人工分拣产品效率低下、错误率和成本较高的问题,将工业机器人应用于产品分拣。设计了Delta视觉机器人在工业生产中整体的控制流程,由视觉部分捕获传送带上的产品,经过一系列分析处理后移动机械手,实现对产品的抓取。为更准确抓取产品,重点提出了一种针对Delta视觉机器人传送带标定的方法。准备好两个标定物.然后按照下述步骤完成标定:第一步,使机械手末端与第一个标定物重合,第二步,移动传送带一段距离后使机械手重合同一点,第三步保持传送带不动移动机械手,使机械手与第二个标定物重合,从而完成标定。     

排爆机器人双目立体视觉系统的研究和开发

为了辅助公安人员更好地完成排爆工作，设计和开发了一个带双目立体视觉系统的排爆机器人。该视觉系统使用Matlab7.0和机器视觉软件EVision的EasyMatch库进行开发，能实时捕获排爆机器人周围的图像信息、进行摄像机标定、图像预处理、立体图像匹配、求取可疑目标物的特征点的立体坐标，并把图像实时显示在控制台，控制排爆机器人准确地抓取可疑目标物。该机器人视觉系统成功地抓取实验，表明了它在精度上能够满足排爆机器人的项目要求。     

基于LS–SVR的机器人空间4DOF无标定视觉定位

研究了基于智能算法的机器人无标定视觉伺服问题, 提出了一种新的基于最小二乘支持向量回归的机器人无标定视觉免疫控制方法. 利用最小二乘支持向量回归学习机器人位姿变化和观测到的图像特征变化之间的复杂非线性关系, 其中最小二乘支持向量回归的参数由自适应免疫算法加5折交叉检验优化确定, 在此基础上利用免疫控制原理设计了视觉控制器. 六自由度工业机器人空间4DOF 视觉定位实验结果表明了该方法的有效性.     

双目立体视觉的目标识别与定位

双目立体视觉系统可以实现对目标的识别与定位.此系统包含摄像机标定、图像分割、立体匹配和三维测距4个模块.在摄像机标定部分,提出了基于云台转角的外参数估计方法.该方法可以精确完成摄像头旋转情况下外参的估计,增强了机器人的视觉功能.并利用广茂达机器人系统,基于改进的双目视觉系统进行目标识别与定位,以此结果作为依据控制机器人的手臂进行相应运动,最终实现了对目标物体的抓取,验证了提出方法的可行性.     

ADRC理论和技术在机器人无标定视觉伺服中的应用和发展

针对Active disturbance rejection controller (ADRC) 理论和方法在机器人无标定视觉伺服研究领域中的应用及取得的成果进行综述. 剖析了机器人无标定视觉伺服研究的本质特性和关键问题, 说明其与ADRC理论和思想在方法论上的一致性, 特别以机器人无标定手眼协调这一典型应用为例, 展示了ADRC理论和技术用于处理机器人无标定手眼协调问题的合理性. 给出了控制器的基本设计过程, 并在已有成果的基础上讨论了控制器的收敛性以及ADRC设计中的参数整定方法. 最后讨论了一些尚未解决的问题, 指出了今后继续研究的方向.     

视觉引导技术在SCARA机器人装配任务中的应用

基于实际生产项目,提出了一种针对平面关节型机器人(SCARA)平面装配任务的手眼标定方法。对线性标定法的输出通过多次迭代使得累积误差和逐渐减小,相较于使用线性标定法来进行手眼标定,视觉定位的平均定位误差降低了0. 4 mm,最大定位误差降低了0. 6 mm。在使用SCARA机器人进行毫米(mm)级作业时,使用迭代线性标定法比传统的线性标定法有更高的视觉定位精度。同时,末端执行器完成对目标工件的抓取任务之后,使用解线性方程的思想求解SCARA机器人完成装配任务的末端位姿,通过实际工程项目的验证,装配成功率可达98. 6%。     

基于人工神经网络的立体视觉定位方法

提出了一种基于人工神经网络的计算机立体视觉测量方法,应用神经网络技术可以化简视觉定位系统的标定和位置计算,从而减少了位置检测系统使用复杂性。利用动量-自适应学习率BP算法可提高学习速度并增加了算法的可靠性。实验表明,人工神经网络的定位方法简化了视觉定位系统标定与定位计算的复杂性,在定位精度上达到了良好效果。为机器人视觉伺服提供了有效的技术途径。     

基于视觉定位的机器人搬运技术及应用

机器人通过视觉对工件位置信息进行分析处理,完成相应搬运任务已成为机器人应用的主要发展方向。本文主要针对立体仓储系统中基于视觉定位的物料搬运应用进行研究。系统中采用智能相机Vision Hawk对目标进行视觉定位,运用摄像机标定技术实现相机—机器人坐标系的标定,通过控制软件Workvisual来完成机器人的运动控制和轨迹规划,进而实现机器人对多种类型工件的识别、定位及搬运。     

带激光笔的机器人主动视觉手眼标定

以固高GRB-400机器人和摄像机组成手眼系统,在手眼关系旋转矩阵的标定方面,分析了基于主动视觉的标定方法。为实现手眼关系平移向量的标定,提出以固定于机械臂末端的激光笔来获取工件平台上特征点的基坐标,并结合已标定的旋转矩阵来标定平移向量。最后,从图像求取多个特征点之间的距离并与实际值进行误差比较,平面特征点间的长度测量误差在±0.8 mm之间,表明手眼标定精度较高,可满足机器人进行工件定位与自动抓取的要求。     

基于计算机双目立体视觉的排爆机器人自动抓取的研究和实现

研究和开发一个双目视觉系统用于智能排爆机器人的自动控制。该系统利用计算机双目视觉原理,采用Matlab 7作为运算引擎,调用机器视觉软件eVision 6.2进行立体匹配,实时捕获图像,进行摄像机标定、图像预处理和匹配,确定可疑目标物的坐标,把图像实时显示在控制台,并通过xPC目标系统实现该机器人实时控制系统,自动控制手臂靠近并准确抓取可疑目标物。排爆机器人的抓取实验表明,该双目立体视觉系统在精度上能满足排爆要求。     

基于双目视觉的工件定位与抓取研究

针对生产制造过程中工件的自动定位、识别与抓取等问题,研究基于双目立体视觉的工件识别定位方法;对每个工件进行SIFT特征提取,采用模板匹配方法实现工件的识别.用形态学方法获得工件特征点的二维信息,结合双目立体视觉标定技术得到工件的三维坐标,为机器人抓取工件提供信息;在实验中,相机标定、匹配识别与三维定位程序在MATLAB环境中执行,应用MATLAB和VC++混合编程技术将获得的工件信息传递给机器人的控制程序,实现了机器人对工件的在线实时抓取.