基于立体视觉的机器人焊接遥操作研究

研究了在立体视觉辅助下的机器人焊接遥操作技术.将立体视觉显示技术和机器人遥操作技术相结合,显著提高了焊接遥操作系统的操作性能.自主开发了基于PC的页面交互显示的立体视觉系统,以空间鼠标作为输入机器人控制命令的手控器,精确地控制远端焊接机器人的定位和跟踪焊缝.深入研究了手动跟踪焊缝的控制算法和遥控示教技术,以提高焊接遥操作的灵活性.焊接遥操作在立体视觉辅助下比二维视频监控辅助下跟踪焊缝的精度有大幅度提高,能够遥控示教空间曲线焊缝,系统操作简单,灵活.     

稀疏立体视觉算法在自动包装机器人中的应用

目的为实现包装机器人自动测距的功能,提出将双目稀疏立体视觉算法应用到自动包装机器人视觉系统中。方法为验证算法的实用性,利用深圳市元创兴科技有限公司生产的配备双目视觉系统的REBot-V-6R六自由度机器人进行实验,计算实验台上包装件与摄像机的距离,通过计算值与测量值之间的误差评估算法的精确度。结果实验证明双目稀疏立体视觉算法在600~1000 mm范围内深度计算误差小于7%。结论该稀疏立体视觉算法可以应用于自动包装机器人测距。     

机器人焊接工作站在汽车行业中的应用

在"中国制造2025"的时代背景下,中国制造向自动化、智能化的方向迈进,机器人焊接装备作为自动化生产的主力军,随着中国汽车工业的快速发展,机器人焊接工作站的需求大幅度增长,提高汽车的产量是汽车生产企业的首要任务,国产机器人焊接工作站在汽车焊装市场中的占有率比较低,影响了我国汽车制造业水平及机器人焊接工作站的设计水平的提升。     

基于双目立体视觉的机器人测量技术研究

本文利用双目立体视觉技术、机器人手眼关系以及机器人的正向运动学模型获得空间点在世界坐标系下的坐标值，从而可以构建多个点在空间的三维模型，并且获得任意被测两点之间的空间几何尺寸。     

焊接机器人的发展及其在工程实际中的应用

机器人自产生以来已经广泛应用到工程领域的各个方面，焊接过程自动化、智能化、机器人化已经成为焊接技术的发展趋势。本文综合介绍了机器人工作原理及其发展历程，重点介绍了焊接机器人在工程领域中的应用。     

立体视觉方法在混凝土表面裂缝检测中的应用

针对混凝土结构表面裂缝宽度评定需要,研究了立体视觉测量方法的三维数学模型,提出了将裂缝边缘曲线投影到空间平面,用来恢复裂缝边缘的三维坐标的方法,并利用最小距离法和裂缝图像识别算法完成了对裂缝宽度的评定。使用该文集成的立体视觉测量系统完成了在破坏性静载试验中产生表面裂缝的三根混凝土梁的检测试验,得到了每根混凝土梁2个检测区域的裂缝宽度曲线,并与微显微观测仪的数据进行比较分析。试验结果表明：基于立体视觉的裂缝宽度检测方法准确地评定了裂缝宽度,验证了该方法用于混凝土表面裂缝宽度检测的可行性。     

机器人焊接智能技术研究

现今机器人自动焊越来越多地受到相关企业的重视,已逐渐成为焊接行业的发展方向,受到企业的青睐。应用焊接机器人技术是焊接领域的革命性进步,它突破了焊接刚性自动化传统方式,开拓了一种柔性自动化新方式。本文主要介绍了机器人焊接智能化技术的总体构成,并对其关键技术—焊接机器人传感技术做了重点研究。     

基于多视图立体视觉的沙堆三维尺寸测量研究

利用从运动中恢复结构方法(SFM),提出了一种基于多视图立体视觉的沙堆三维重建及三维尺寸测量方法。首先根据SFM方法的求解不稳定特点,结合光束平差法对SFM求解过程进行分析及优化;其次针对SFM重建结果为稀疏点云的问题,利用基于面片的稠密重建算法重新生成稠密的三维点云,再利用泊松算法对密集点云进行三维曲面重建;最后获得模型的三维尺寸信息。对某建筑工地的沙堆进行了三维尺寸的测量实验,实验结果验证了该方法的有效及可行性,提高了重建能力及精度,同时考虑了目标实际测量误差与重建误差,能够满足实际智能测量的应用需求。     

焊接机器人在机电安装施工中的应用

本文通过项目实践,介绍了焊接机器人在机电安装施工中的实际应用情况,分析了焊接机器人应用优势,阐述了焊接机器人技术在机电安装行业的应用前景和发展趋势。     

基于BIM和机器视觉的钢结构智能焊接机器人系统分析

本文搭建了基于BIM和机器视觉的钢结构智能焊接机器人系统,通过方案设计、系统选型、安装调试、视觉算法优化、焊接工艺专家库搭建以及实际项目应用,结合钢结构的BIM信息和高精度机器视觉识别技术,实现了装配式钢结构梁柱端板、檩托板、加劲板等非标连接件的智能化自动焊接,以及免人工示教的快速高精度自动焊接。相较传统人工焊接,可降低50%以上人工成本、提升40%以上焊接效率,焊接质量和工厂环境得到大幅改善和优化。     

立体视觉技术的应用与发展

对双目视觉的理论基础、基本原理及其核心技术-立体匹配技术进行了系统的研究与总结,简要介绍了双目视觉技术在DARPA2005挑战赛、美国勇气与机遇号火星车及上海航天局805所研制的攻关样机MR-3上的应用,最后根据目前立体视觉的发展现状和存在的问题提出今后的发展方向。     

立体视觉测量系统的空间分辨力和结构参数设置

立体视觉测量系统的空间分辨力随着物体的空间位置和移动方向的变化而变化,系统的空间分辨力高低在很大程度上会影响整个系统的测量精度。本文根据立体视觉测量系统的成像公式,对整个系统观察范围内的所有空间点的空间分辨力进行了详细分析与计算。结果表明,两个 CCD夹角在 80°~100°时系统的空间分辨力最高,并且 X方向的空间分辨力整体上高于 Y方向, Z方向的空间分辨力变化相对较小,最终的实验结果和仿真结果相吻合,根据系统空间分辨力的分布规律,本文制定出了制出了空间分辨力最优的立体视觉系统的参数设置方案。     

基于信用度分类遮挡问题解决方法

在基于立体视觉的立式风洞飞机尾旋姿态测量过程中,遮挡问题是困扰测量的一个难题.遮挡问题的常用解决方法需要恢复连续的被遮挡空间,计算量大,且不容易保证精度.针对特征点测量的遮挡问题,本文提出一种基于信用度分类的解决方法,在被遮挡空间搜索感兴趣点的最佳近似,并且通过引入信用度因子的组合计算,控制和提高最佳近似点的计算精度.文中分析了辅助计算点的测量误差所带来的搜索定位困难,信用度因子的引入可以弱化不精确辅助点对搜索结果的影响,使搜索过程主要依赖可靠的点进行.最后,通过仿真实验分析了该方法的可靠性,并说明其在飞机尾旋运动测量实验中对测量结果的有效改善.     

基于LS-SVM的立体视觉摄像机标定

利用最小二乘支持向量机来直接学习图像信息与三维信息之间的关系,不需确定摄像机具体的内部参数和外部参数.在双目视觉的情况下,两摄像机的位置关系不需具体求出,而是隐含在映射关系中.根据最小二乘支持向量机与摄像机标定的特点,提出了基于最小二乘支持向量机的双目立体摄像机标定方法.将摄像头采集到的图像的像素坐标作为输入,将世界坐标作为输出,用最小二乘支持向量机使网络实现给定的输入输出映射关系.该方法同BP神经网络预测结果对比表明:基于最小二乘支持向量机的双目视觉标定方法速度快,实时性好,能有效提高标定精度.     

基于双目立体视觉的物流包装箱尺寸测量研究

目的 针对物流行业运输中包装箱的非接触自动测量,提出一种基于改进SURF配准算法的双目立体尺寸测量方法。方法 首先采用二进制FREAK描述子代替传统SURF的描述子,解决传统SURF描述子计算耗时、描述向量生成依赖于特征主方向,且主方向计算误差会在后续步骤中出现传导放大 的缺点;其次,采用PROSAC删除误匹配点,并利用FREAK级联匹配的方式进一步提高算法的匹配 速度和匹配准确率。最后,利用视差优化和边缘提取算法获得精确三维空间体,实现非接触尺寸测量。结果 实验表明改进算法可快速提取图片特征点并准确匹配,对不同规格包装箱检测结果显示,基于改进算法的测量方法测量误差小,检测速度快。结论 改进图像匹配算法可有效提高图像匹配准确率,减少测量时间,对于提高物流行业运输效率、减少人工成本具有重要意义。     

机器人视觉搬运系统构建与软件开发

目的基于双目CCD相机、机器人、搬运手爪构建机器人视觉识别与搬运平台,引导机器人实现自动抓取。方法利用OPENCV库函数,由二次开发完成相机的标定,经图像采集、预处理,研究了立体匹配、边缘提取等算法,提取物体的轮廓特征点,并计算物体质心点的三维坐标,换算成机器人的关节转角信息,为机器人抓取提供视觉定位。结果基于VS2012开发平台,将视觉图像处理、机器人控制、数据传输集成于PC端,便于人机交互和软件集成,正交实验表明空间不同方向的定位误差在0.5～1.5 mm范围内。结论所提视觉引导方案能提高机器人动作的精确度,满足工业搬运要求。     

基于计算机立体视觉的图像测量技术

对基于计算机立体视觉和图像处理的高精度测量技术的应用进行了研究，建立了用于测量目的的计算机立体视觉系统模型，提出了对被测量物体附着网格的方法以获取物体本征图像，再应用图像处理和网格点匹配技术获取测点的坐标。对系统涉及的几个重要算法：摄像机标定算法、网格点的提取算法和网格点的匹配算法做了详细的研究，并结合金属板材加工的应变测量的实际应用给出了测量实例。     

集箱管座焊接机器人工作站的研究

介绍了集箱管座焊接机器人工作站的总体结构，讨论了工作站中测量机器人的技术特点，并对控制系统的组成作了简单介绍。     

基于可变形卷积的双目视觉三维重建

提出一种基于可变形卷积的立体匹配算法来进行双目视觉三维重建。首先,采用二维可变形卷积对输入的左右两幅图像进行特征提取;然后,利用三维可变形卷积,在匹配代价空间中有效地聚合两个图像之间的相关特征;最后,采用3个阶段级联残差学习的方式来降低匹配代价空间的参数计算量,以达到快速匹配的实时要求。根据该算法原理完成了视差深度图的检测,并通过Open3D重建三维物体。实验结果表明:该算法的参数量为0.5×10⁶,运行时间只需0.02s,生成的视差图精度较高,三维重建效果较好。