基于机器视觉的遥控器装配系统研究与设计

为实现遥控器按键装配生产线自动化,结合机器视觉技术与SCARA机器人的精确定位与控制,采用Roberts算子进行工件边缘提取,确定模板匹配方法。在得出图像坐标与机器人末端抓手坐标的转换函数关系后,计算模板位置与抓取位置之间的差值,在工件装配过程中进行差值补偿,实现自动装配。经测试,抓取和装配精度达到±0.1 mm,完全符合规定的装配速度和精度要求。系统实现了遥控器按键的智能装配,优化了现场工作流程,提高了工作效率。与其他自动化系统相比,该系统更具智能性和便捷性。系统的设计思路可用于各类自动装配,能够有效保证装配过程的安全性、可靠性及稳定性,是未来智能装配的发展趋势。     

基于视觉引导的SCARA机器人自动装配系统

现有生产线工业机器人抓取点固定,工件只能以固定的姿态提前摆放在固定的位置,这种装配模式很难满足复杂的工业生产要求且效率低下。设计了基于视觉引导的机器人装配系统改进原有系统。设计了机器视觉系统,实现了工件的快速识别、定位以及姿态确定功能;设计了抓放系统,实现了工件的精确抓取和安装功能;采用Visual Studio的MFC开发,实现图像处理算法,并利用Socket通信将坐标和姿态数据发送给机器人。通过实验验证本系统具有良好的稳定性和快速性,可以满足生产的要求,大幅提高生产效率。     

基于机器视觉的板件形位测量

为实现快速非接触式的板件形位测量,提出了一种基于机器视觉的测量方法,将机器视觉技术应用到机械加工中。基于机器视觉的板件形位测量利用工业摄像机获取工件图像,经过图像滤波和图像分割后提取工件角点,匹配左右相机中的角点,从而得到角点的三维坐标,并且采用直线拟合的方法拟合工件边缘、计算直线斜率,得到工件的旋转角度。     

基于机器视觉的移动工件抓取和装配的研究

针对工业生产线上某产品上下盖自动装配的问题,运用运动控制理论与机器视觉相结合,搭建了一套模拟工业生产线产品装配系统；首先利用工业相机对进入视场 的工件进行单帧图像采集,获取图像数据；然后利用OpenCV对数字图像进行处理,包括中值滤波、阈值分割、孔洞填充、边缘提取来获取数字图像的特征；之后通过质心法结合矩形拟合计算出工件的质心坐标和偏转角度；最后引导六轴机械臂抓取产品的时候能根据图像处理结果进行纠偏和补偿；该系统采用平面棋盘格标定板对工业相机进行了标定,并且在线进行了验证,实验结果表明,工件抓取和装配成功率为100%,满足工业现场的装配精度要求。     

机器视觉在工业生产线上的应用实现

以新松6轴SRH6工业机器人和GMl400千兆以太网工业相机为基础,搭建了基于机器视觉的工业生产线智能抓取实验平台。首先利用工业相机对生产线上进入到工作区的工件进行拍摄,获取数字图像;然后利用软件对采集到的数字图像进行分析处理,利用其特征对工件进行识别,计算出工件的几何中心坐标,再利用坐标变换得到工件的空间位置：最后引导机器人控制吸盘机械手来完成工件的分类与抓取工作。实验表明,抓取成功率为100％,该方法为工业生产自动化、智能化提供了解决方案。     

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换,通过相机的正确标定与抓取动作的共同控制,实现工件的精确定位,达到可靠抓取的目的。总结图像处理技术在工件抓取中的协作应用效果,期待便捷的视觉图像技术与机器人工件抓取的协作应用。     

视觉引导的搬运机器手位置测量研究

为提高工作效率,满足搬运机器手自动化抓取汽车保险杠的需要,研究了基于结构光视觉原理的保险杠抓取点位置测量方法。该方法通过对相机拍摄图像进行图像处理,识别出投射在保险杠平坦区域的激光光斑中心点;利用透视变换原理对获取的激光光斑图像进行矫正,最后结合像素标定结果计算得到汽车保险杠抓取点沿图像X轴方向偏移量和高度信息。现场实验结果表明：该测量方法稳定性能好,测量误差小于±3mm,可以实现对汽车保险杠的非接触测量,实时引导搬运机械手准确抓取汽车保险杠,给自动化行业提供一种简单准确的定位识别系统和方法。     

基于CICP的机械臂多目标定位与抓取

机械臂的目标定位和抓取是工业机器人自动化领域的核心问题。针对目前机器人3D抓取耗时长且误差较大的问题,提出基于轮廓迭代最近点（Contour Iterative Closest Point,CICP）配准的机器视觉抓取方案,并建立多维空间下的3D多目标模型定位的计算机视觉系统。利用梯度直方图特征+支持向量机对多目标进行检测分割得到单目标大致区域,再使用基于Guide滤波+漫水填充的预处理方式对目标轮廓进行提取得到轮廓点云,最后使用迭代最近点（Iterative Closest Point,ICP）进行点云配准获取目标工件的透视变换矩阵,能够很好地解决传送带上多目标工件的定位与抓取问题,实验结果证明该系统抓取误差可降低到0.4 mm,且对于小工件可将配准时间缩短至200 ms以内。     

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Hough变换的地形图自动校正

利用Hough变换检测地形图中的方里网网点坐标,并由地形图图幅编号计算得到方里网网点的理论坐标,再把方里网网点的理论坐标与相应Hough变换搜索得到的方里网网点图像坐标进行最小二乘拟合,以纠正扫描地形图的误差得到精确的方里网网点坐标。结合该技术形成了自动扫描生成DRG的软件系统。     

基于机器视觉的编码器光栅装配偏心调整技术

编码器光栅装配的过程中, 光栅实际回转中心与编码器主体轴的回转中心很难重合, 这样会影响编码器的输出信号的精度。为了解决编码器光栅与主轴的偏心问题, 提出一种基于机器视觉的光栅偏心自动调整系统。对光栅表面图像进行分析处理, 对边界跟踪提取及基于Hough变换圆弧检测等算法进行研究。根据光栅装配要求搭建了偏心计算系统的硬件系统。对光栅图像进行预处理及形态学操作, 在分析提取光栅基圆部分圆弧边界的基础上, 通过Hough变换的圆弧检测原理还原出光栅基圆并标定其圆心。介绍了系统通过多幅光栅基圆圆心拟合回转圆, 确定光栅偏心位置。实验结果表明, 基于机器视觉的编码器光栅偏心计算方法成功计算出光栅与主轴的偏心位置, 为光栅偏心调节奠定了基础。采用光栅偏心计算系统在编码器光栅的装配作业中具有很好的可行性。     

基于曲线拟合的Placido图像中心提取方法

中心提取是Placido图像特征提取的关键环节,提出了一种基于曲线拟合的中心定位方法。利用Hough变换定位图像的像素级中心,建立图像的极坐标系;在极坐标轴方向,通过亮环灰度变化曲线的导数特征检测亮环中心线;将亮环中心线进行曲线拟合,确定亮环中心位置。中心提取精度达到亚像素级,利用标准球验证算法精度,屈光度误差小于0.25D。与常规算法进行对比,分析结果表明,曲线拟合法在准确性和稳定性上更优,为绘制精确的角膜地形图提供了保证。     

线结构光光条中心提取算法

目的 线结构光视觉测量是一种利用可控光源和数字图像的主动视觉测量方法,光条中心提取是线结构光视觉测量的关键技术,直接影响到线结构光视觉测量的精度。传统灰度重心法只在图像的横向或纵向上计算光条的灰度重心,没有考虑光条的法线方向,精度较低。本文提出一种改进的光条中心提取算法,以期实现光条中心的精确提取。方法 在分析线结构光的光条灰度特性基础上,基于传统的灰度重心法,提出一种改进的两步提取算法。基于图像差分法从原始图像中分离出有效的线结构光光条,采用传统灰度重心法对光条中心进行粗提取;在粗提取的光条中心点处通过自定义的方向模板确定光条的法线方向,以粗提取的光条中心点为中心,沿法线方向采用灰度重心法进行二次提取,获取线结构光光条的中心。结果 本文采用CCD相机、镜头、线激光器及辅助机构搭建线结构光视觉系统,采用提出的算法对线激光器投影产生的直线型光条、非连续光条和弯曲光条的中心进行提取。通过光条中心提取实验获取的光条中心线的走向与光条的走向大致相同,符合预期的光条中心线。本文将Steger法作为评价标准,分别计算本文算法、传统灰度重心法与Steger法提取的光条中心的偏差,通过对比实验可知,本文算法提取的光条中心的偏差更小,并且程序运行时间比Steger法减少了3 s以上。结论 本文研究线结构光的光条中心提取算法,对传统灰度重心法进行改进,能够实现直线型光条、非连续光条和弯曲光条等不同形状光条的亚像素级中心提取,并且在保证较少的程序运行时间的同时,能够提高传统灰度重心法的光条中心提取精度。     

一种指针式仪表非接触测量方法

提出了一种基于图像处理技术的指针式仪表非接触测量方法.研究了指针式仪表的圆心、半径、指针角度以及零刻度自动检测与校准的计算,在基于点Hough变换拟合其圆心与半径以及中心投影法确定指针大概位置的基础上,提出了一种基于亚像素定位的拟合指针直线的方法,具有指针式仪表高精度的自动检测与定位,从而实现了指针式仪表非接触测量.实验表明,该方法具有快速、准确等特点且切实可行.     

The High-Speed Tracking of Flexible Confectionery Packets using the Hough Transform

One of the ways in which snack foods such as potato crisps and peanuts are presented to the market is to display them on cards hanging from the walls of shops and pubs. Currently, the assembly of packets on to these display cards is performed either totally manually or semi-automatically where the packets are introduced to the assembly machine manually. They key operation in the assembly process is the location of the leading edge of the packet, gripping this edge and pulling it through a slit in the display card. This requires the measurement of the centroid coordinates and the angle of the leading edge of the packet by means of some optical system. So, for a fully automated process the difficult part of the operation is to track, by means of a vision system, the motion of a randomly oriented flexible package as it moves along a conveyor belt and also control its position and orientation so that it is aligned with the centre line of the conveyor belt. The gripper can then grasp the leading edge successfully. It is proposed to use fast-acting power air-jets to control the position of the packet, however, only the real-time motion tracking problem is being addressed here.A transputer-based vision system has been employed as the computing platform. A modified Boundary Chain Coding (BCC) was used to extract the edge pixels from the binarized image. The edge pixels were used to calculate the centroid co-ordinates and also to determine the orientation of the leading edge of the packet by using the Hough transform. By employing parallel processing techniques, tracking of the packet's centroid and the angle of its leading edge at 60 Hz has been achieved.     

机器视觉在物体位姿检测中的应用

研究了机器视觉技术在物体位姿检测中的应用.从两个方位架设工业相机采集目标图片,采用张正友基于2D平面靶标的相机标定方法对相机进行标定.使用目标图像减去背景图像和形态学运算的方法进行粗定位,初步检测目标区域.利用Hough变换检测目标直线边缘,依据极线约束原则、灰度相似性以及直线约束进行边缘直线及其端点的匹配.计算出各直线端点的空间三维坐标及其单位方向向量.在已知目标模板的条件下,目标的几何参数已知,利用简单的几何关系求取目标的位姿数据.     

嵌入式机器视觉实时定位与测量的方法

本文提出了一种嵌入式机器视觉实时定位与测量相结合的测控方法。根据视觉测控系统中的定位与测量问题,利用点集、Hough变换和最小二乘等方法,解决了图像处理理论算法运算量大、工业检测实时性与准确性低等问题。测试结果表明,该方法检测工件的准确性高(基于公差),检测时间≤2.0ms/次。     

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。