基于单目视觉的Z轴位置自适应识别定位系统研究

针对工业上单目视觉系统难以适应工件Z轴位置变化的问题,开发基于单目视觉的Z轴位置自适应识别定位方法与系统。采用激光三角测距原理检测工件坐标系平面与相机坐标系平面的距离,配合下位机微机控制系统实现工件平台Z轴位置自适应,进一步融合HSV颜色空间模型,通过改进模板匹配算法完成工件识别定位。联合Halcon与Visual Studio进行单目视觉Z轴位置自适应识别定位系统软件开发以及实验验证。结果表明:该系统在工作范围内平均定位误差小于1 mm,具有较好的Z轴位置自适应调节能力和较高的定位精度。     

基于视觉的SCARA机器人抓取平台与实验研究

为了提高自动化装配任务中高节拍机器人抓取工件的位置精度与效率要求,提高工作节拍时间,搭建了基于视觉的SCARA机器人抓取平台,同时开展了抓取工件的实验研究。使用Open CV完成摄像机标定,运用改进的霍夫变换算法进行工件轮廓检测,根据抓取平台的机械结构和运动特点,完成抓取作业;最后,对多次抓取实验结果进行研究分析。结果表明,该抓取平台具有较高的工业生产应用价值,其定位误差在0.5mm范围内。     

盘型激光焊接状态多传感信息融合分析

针对大功率盘型激光焊接状态,研究一种基于支持向量机的多传感信息融合分析方法. 使用紫外、可视和红外波段的两个高速摄像机同时获取激光焊接过程中金属蒸气、飞溅和熔池动态图像. 通过模式识别技术提取焊接过程多传感信息特征及进行数据主成分特征分析,并以焊缝宽度变化作为衡量焊接状态稳定性的参数. 运用支持向量机融合各特征,通过网格搜索和粒子群算法优化支持向量机参数,建立基于支持向量机的多传感信息融合模型. 结果表明,支持向量机多传感信息融合方法能够有效预测焊缝宽度变化趋势,为大功率盘型激光焊接状态的实时监控提供试验依据.     

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。     

双目视觉引导机器人定位抓取技术的研究

目前大部分工业装配生产线中机器人抓取待装件都是预先将固定类型的工件进行机械定位。为了提高机器人柔性抓取能力,实现了双目视觉引导机器人的抓取系统。文章通过定位工装板来间接定位工件的方法来完成双目视觉引导机器人抓取,首先通过双目视觉系统拍摄的图像识别工装板上6个定位孔,计算孔中心在相机坐标系下的位置,利用这6个定位孔中心空间位置用最小二乘法拟合出最优的工装板平面,由于工件相对于工装板的位置固定,可求得工件相对于相机坐标系的位置,进而通过标定参数转化为在机器人基坐标系下位置和姿态,供机器人抓取工件。经过多次工件抓取实验,分析数据得出,系统距离定位误差小于0.5mm,满足工业生产要求且适应于多种类型工件的抓取,具有通用性。     

基于视觉的机械臂轨迹优化方法研究

针对应用视觉系统进行工件抓取时,工件相互遮挡导致识别工件不准确且抓取效率较低的问题,提出基于视觉的机械臂轨迹优化方法。由相机采集工件图像信息,通过标定机械臂坐标系、工件坐标系及相机坐标系,建立“手眼”坐标关系,基于点云数据对工件识别与定位;提出改进遗传-鲸鱼混合轨迹规划算法,以控制工件抓取过程。对机械臂的3个重要关节进行了运动仿真与实验测试。仿真结果显示：改进的遗传-鲸鱼混合算法收敛速度更快,搜索能力更强,优化后的抓取时间比基本遗传算法优化的抓取时间减少了2.3 s。实验结果表明：基于点云识别的机械臂抓取成功率达到93.75%,极大提高了抓取效率,验证了算法的有效性。     

基于改进YOLOv3算法的堆叠工件检测

针对传统物体检测算法识别堆叠工件存在准确率低以及漏检的问题,提出一种基于改进YOLOv3算法的堆叠工件检测方法。首先,引入Inception结构增强特征检测网络的特征提取能力,提高堆叠工件检测的准确率;其次,引用增强型特征金字塔结构(enhanced feature pyramid network, EFPN),提高模型多尺度特征融合能力,改善算法漏检率高的问题;最后,利用K-means聚类融合交并比损失函数(intersection over union, IOU)重新确定工件锚框,解决YOLOv3网络预设锚框尺寸不适合现有工件的问题。实验结果表明,改进算法均值平均精确度(mean average precision, mAP)达到92.89%,相较于原始YOLOv3算法提高了5.32%,F1值为0.95,召回率为93.33%,精确率为97.65%,满足堆叠工件检测的指标要求。     

基于单目视觉的工业机器人拆垛系统设计与实验

基于单目视觉提出了工业机器人拆垛系统构想。为实现工业机器人视觉拆垛系统中机器人精确运动控制与工件位姿识别,运用D-H位移矩阵法建立了机器人运动学模型,得到机器人末端相对机器人坐标系的位姿信息。基于形状模板匹配法提出目标图像识别算法,得到各个目标图像在相机坐标系下的位姿信息;将三维视觉模型与机器人运动学模型进行信息融合,建立机器人视觉拆垛控制系统数学模型。基于CCD工业相机、4-DOF工业机器人搭建视觉定位抓取实验系统。通过对空间目标进行抓取的实验,验证基于单目视觉的工业机器人拆垛系统的正确性、精确性、鲁棒性。     

SSD深度学习算法在机械手抓取系统中的应用

针对机械手在半结构化环境中出现抓取物堆叠等情况,造成抓取准确率较低的问题,文章提出了深度学习SSD算法,以提升多物件抓取的效能。针对三种不同的物件样本进行训练,首先SSD神经网络算法进行物件种类辨识,产生边界框包围物件在影像中的位置;其次,根据物件轮廓特征寻找包围物件的最小矩形,计算物件在影像中的位置坐标;最后完成夹爪配置规划信息,以避免夹爪碰撞到其他的物件,造成夹取失败。实验结果表明,采用SSD神经网络分类器的机械手,对三种物件的夹取成功率平均为93%,能有效避开物件的堆叠与碰撞。     

基于SURF+RANSAC的双目立体视觉目标识别与抓取

针对单目视觉处理简单、无法获取获取三维维空间数据的问题,提出一种双目立体视觉目标识别和抓取方法。结合SUR算法和RANSAC算法对图像进行匹配,以滤除图像中的"外点";利用仿射变换获取关键点信息及形心坐标,根据立体重建原理实现目标测距与定位,最终完成抓取任务。实验结果表明:采用距离辅助坐标定位法可以准确识别目标物体并获得距离信息,实现准确定位。     

基于机器视觉与Faster-RCNN的Delta机器人工件识别检测

针对传统并联机器人在工作环境中存在抓取不精确、定位与分类识别效率低下的问题,提出一种基于机器视觉与Faster-RCNN神经网络的工件识别检测技术。采用Delta机器人实验平台采集图像,进行图像的预处理操作并将其添加至网络训练集。通过Python3.7-torch1.7搭建深度学习中的Faster R-CNN卷积神经网络,作为基本框架训练工件图像数据集。最后将训练后的卷积神经网络得到的工件检测结果与原实验工件识别系统对比。结果表明：改进后的识别平均精确度比原有识别系统有所提高,反应时间缩短,并且能识别不同类型的工件。     

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。     

一种基于激光测量的自动钻孔系统研究

针对弹药壳体等圆柱体工件表面的自动钻孔需求,基于激光测量技术提出一种龙门式机器人自动钻孔系统设计方法。采用激光位移测量技术实现了工件轴向基准接合面、预制孔中心轴向位置、预制孔中心圆周位置等参数的在线监测和计算,自动识别钻孔目标位置。通过伺服电机驱动三坐标桁架机械手实现钻孔机构在工件长度方向和圆周方向钻孔位置全覆盖,并利用PID控制算法实现钻孔深度的精确控制。经过试验证明：该钻孔系统运行稳定,预制孔中心位置测量标准差为0.02 mm,钻孔深度精度达到0.15 mm,提高了钻孔质量,实现了弹药壳体钻孔工序的人机隔离,能够满足实际生产需求。     

基于双目视觉的钻杆接头定位系统设计

文章针对某地质钻杆摩擦焊接工作站钻杆接头自动上下料需求,在不改变原有工件存料方式的基础上,设计基于双目视觉的钻杆接头定位系统。利用大恒MER-500系列摄像机采集图像信息,并将其上传到工控机进行图像预处理及边缘检测;然后采用最小二乘法拟合椭圆,确定工件圆心坐标位置,并对圆心点进行排序;最终将工件坐标信息传给ABB机器人,实现工件的视觉定位及抓取。结果表明,利用最小二乘法拟合椭圆能够满足工件定位精度的要求。该定位系统可为类似工件的机器视觉定位提供借鉴。     

基于NX MCD的工业机器人视觉分拣数字孪生系统设计

针对制造业中多类型、多颜色工件人工重复分拣出错率高的问题，设计一个基于工业视觉的工业机器人自动分拣物理控制系统和数字孪生系统。提出融合工业视觉、工业机器人、PLC等设备的以太网通信控制方案；基于视觉检测原理，应用视觉检测工具，结合PLC程序能够正确识别工件信息；基于NX MCD软件构建了工业机器人、输送带、工件等数字孪生系统；最后，对工业机器人和PLC进行联合编程，实现视觉分拣虚实系统同步作业。实验结果证明：该系统工件识别正确率高，工件分拣效率高，数字孪生系统能够实现虚实同步，为系统的动态监控、维护管理与虚拟调试提供了便利。     

棱形管与法兰角焊缝图像处理及特征提取

由于棱形管与法兰角焊缝的位置多变,且实际生产中棱形管端面加工精度不高,自动化焊接程度低,文中搭建了一套棱形管与法兰环焊缝的自动化焊接系统,对于提高棱形管与法兰焊接的自动化程度有较大的应用价值。该系统通过CMOS相机和单条纹激光组成激光视觉传感器,获取角焊缝位置和间隙信息。针对采集的图像及工件特征,设计了适合的图像处理算法,首先采用了灰度变换、均值滤波和形态学处理的方法对图像进行预处理,然后根据对激光条纹图像灰度值分析结果,寻找合适的阈值,并采用极值法提取光条中心点,最后采用霍夫变换拟合直线,提取出角焊缝位置信息,并提出激光条纹端点搜索方法,提取出了角焊缝间隙大小。结果表明,该图像处理方案效果较好,抗干扰能力较强,可以准确的提取出焊缝中心位置和间隙大小,满足焊接机器人对焊缝跟踪的要求以实现自动化焊接。 创新点： (1)设计出适用于棱形管与法兰角焊缝的自动化焊接系统。 (2)设计了适用于该系统的焊缝中心位置提取算法。 (3)设计了角焊缝间隙提取算法。     

基于纹理特征的焊缝识别方法

提出了一种基于纹理特征的焊缝自主识别视觉方法.不同于通常利用被焊工件的宏观结构特征的主动视觉和利用工件图像中明显的灰度梯度的被动视觉,该方法利用待焊区(焊缝位置)与母材区之间明显的纹理特征差异来实现;能够解决多层多道焊后几层、道次的焊接时通常视觉方法不易识别焊缝的问题.在该方法中,先对图像进行纹理分析.提取纹理特征,再利用待焊区和母材区的纹理特征差异,采用图像分割的方法,确定焊缝区域位置以及焊缝中心.结果表明,该方法能够适用于多层焊盖面焊焊缝识别.     

基于深度学习的工业零件识别与抓取实时检测算法

为了提高工业生产中视觉控制机械臂抓取工业零件的精度和速度，提出一种新的识别工业零件类别和最佳抓取位置的检测算法。运用YOLOv5l目标检测算法对视界中的多种工业零件进行识别，随后将其识别图片传入抓取位置检测算法进行最佳抓取位置的识别。针对抓取位置检测的问题，提出一种改进的神经网络模型，在GG-CNN网络的基础上添加四层残差网络做平层特征提取，增强特征提取的效果。实验结果表明：此算法的识别准确率在95%以上，抓取成功率在90%左右，验证了该算法在多种工业零件和最佳抓取位置识别中具有高准确性和时效性。     

基于智能识别的汽车离合器压盘自动装配生产线的设计

将工业机器人技术、视觉传感器技术、PLC控制技术、Profibus-DP、modbus工业网络技术有效结合,开发智能识别算法,提高视觉传感器识别率,完成了传统汽车企业的汽车离合器压盘装配生产线的改造,改造后的生产线由机械手与自动工装取放工件,能完成成品瑕疵检验、装配、自动存储、自动打标等工序。实际应用表明:改造后的生产线能够较好解决人工检测中检测效率较低、误检率大等问题,具有较高的可靠性和实用性。