机器视觉主导的机械臂动态抓取策略研究

针对传统工业机器人在移动目标的抓取中存在灵活性和位姿适应能力差的问题,以开源机器人操作系统（ROS）为平台进行基于视觉反馈的动态抓取策略研究。在ROS中搭建UR5机械臂动态抓取系统,并对机械臂进行正逆运动学分析;提出基于RGB颜色空间和SITF算法结合的新型特征识别方法以提高识别效率;设计注视逼近的视觉反馈控制策略,实现机械臂对传送带上移动目标的抓取操作。结果表明：所提策略识别成功率达到99.6%,逼近抓取成功率达到98.33%,验证了机器视觉主导的反馈抓取算法基本满足工程实际应用,有较高的可行性和准确性。     

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。     

机器人智能抓取系统视觉模块的研究与开发

以ABB机器人、快换手爪、双目相机为硬件基础,搭建了基于双目立体视觉的工业机器人智能抓取系统,旨在实现随机放置物体的识别定位和自动抓取。基于视觉模块,研究了图像处理、立体匹配和深度计算以及坐标转换,以C++为开发平台,结合Open CV图像开发库和Triclops库,开发了视觉识别与定位算法,实现对圆柱体和长方体薄板对象的分类和位姿识别。最后,通过实验验证,表明该视觉算法有较高的识别定位精度,满足抓取系统的要求。     

RV减速器装配机器人系统设计

在分析了RV减速器配件支撑盘和针齿壳的装配要求后,设计了由AGV和机械臂组成的移动装配机器人系统来代替人工实现工件的装配,以提高RV减速器工件的装配速度与精度,减少人为因素影响。提出了二次目标定位的机械臂定位控制策略,弥补了AGV的定位误差,提高了机器人的识别精度,减小了系统整体运行时间。利用HALCON软件实现对装配对象的识别与定位,加入了去除物体阴影的自适应阈值算法,提高了目标的识别速度和精度。大量实验测试表明,所设计的机器人能够完成RV减速器支撑盘和针齿壳的定位抓取和装配工作,最大定位误差为0.906mm,平均定位误差为0.4325mm,平均识别时间为0.695s。在现有软硬件条件下,该系统能够替代人工完成1mm内的间隙配合装配工作。     

全自主足球机器人的目标快速识别与定位

根据足球机器人比赛视觉系统的实际应用环境,对比分析了不同颜色空间的优缺点,采用HSI作为视觉系统的颜色空间,减弱了现场光照变化对视觉系统产生的影响,研究了在实际比赛场地条件下图像预处理和颜色阈值设定方法,采用声纳和红外传感器,结合机器视觉对比赛目标进行了快速识别和定位,实现了机器人的控球、带球和射门,比赛实验表明,该方法减少了运算量,提高了运算速度,进攻效果好.     

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。     

基于视觉的工业机器人装配演示示教研究

针对工业机器人编程效率低下、智能化程度不高和人机交互性能弱等问题，提出一种基于视觉的工业机器人装配演示示教系统，该系统包括目标检测与中心点定位模块、装配动作分类识别模块和机器人动作执行模块。在目标检测与中心点定位模块中,提出一种目标物体中心点定位和机器人抓取方法，使用实例分割算法识别物体类别，通过掩码均值化处理和坐标转换计算物体3D姿态信息；在装配动作分类识别模块中，建立基于深度学习网络的动作分类识别模型，该模型的输入为装配动作视频帧，输出为动作分类标签；最后，机器人动作执行模块根据物体类别、物体3D姿态和动作分类标签等信息规划机器人装配动作，控制机器人执行装配任务。以轴孔装配为例，验证了上述方法的有效性，实现了基于视觉演示的机器人装配模仿编程，对机器人演示示教研究具有一定的参考价值。     

基于改进SIFT算法的机械臂识别抓取研究北大核心

为解决水下机器人进行水下目标物识别时,存在的计算速度慢、抗噪声能力差等问题,提出一种基于SIFT和FLANN的图像识别算法,并在自主研发的机械臂平台上进行验证。使用改进算法提高目标识别的准确率;基于D-H法建立机械臂模型进行运动学分析,实现系统优化控制。利用机械臂进行多组抓取实验。结果表明:所提方法不仅可以准确地识别海参,同时可以自动调节识别框的位置,提高机械臂抓取的成功率,验证了该算法的有效性。     

基于视觉的运动目标跟踪抓取和装配研究

为提高家电装配生产线自动化水平和生产节拍,提出采用基于机器视觉的跟踪抓取和装配系统代替人工进行分拣上料和装配工作。使用Open CV进行摄像机内外参数标定,运用基于1DPHT方法求取目标位姿,采用卡尔曼滤波算法对目标位置进行跟踪预测。并搭建基于SCARA机器人的视觉跟踪抓取平台和基于6R机器人的装配平台,实验表明该系统能够实现2D空间移动目标的有效抓取和装配,且工作效率和精度较高。     

卷积神经网络算法在工件抓取中的应用

为提高机械手臂夹取物件的准确率,提出基于深度学习法的3D视觉辨识与抓取系统。该视觉系统结合GPU和深度影像Open CV等函数库,分别进行影像拾取、深度数据运算、坐标转换、影像轮廓搜寻和卷积类神经网络模型训练等。采用YOLOv2算法判别目标物体的种类和中心点,并利用轮廓搜寻方法找出物体的角度信息,作为机械手臂操作目标点;通过坐标转换将相机坐标转为机械手臂坐标,由TCP/IP通信传至运动控制系统进行物件夹取。实验结果表明:不同位置的所有零件辨识准确率均在82%以上,抓取误差在1～4 mm内,符合工业生产的要求。     

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。     

基于机器视觉的Baxter机器人抓取算法研究

针对传统机器人结构化示教抓取无法满足智能制造生产过程中实际抓取需求的问题,对机器人在非结构化场景下的多目标灵活抓取进行了研究,在分析了传统机器人抓取检测方法的基础上以智能协作式机器人Baxter作为操作对象,融合机器视觉技术提出了一种基于改进的Canny边缘检测和Hough变换的机器人抓取检测分类算法,并最终实现了机器人的目标抓取。通过实验证明,该算法能够有效提升Baxter机器人在完成抓取任务过程中的精准性和鲁棒性,该研究对智能制造环境下的机器人灵活抓取任务实现有着重要的案例参考意义。     

基于有限状态机的煤矿辅助运输转载自动化控制研究

为实现辅助运输过程中转载容器装载和转载工作的少人化、智能化,提出一种采用煤矿辅助运输转载机器人实现容器自动化转载的控制方案。概述煤矿辅助运输转载机器人组成及工作原理,分析机器人转载过程,确定了辅助运输转载自动化需要对单轨吊车、转载机械臂、平板车、锁具的工作时序进行控制,在MATLAB中建立系统状态机,将单轨吊车、转载机械臂、平板车、锁具作为子系统,系统状态机根据用户指令结合当前各子系统的状态,协同控制各个子系统的工作时间和顺序,保证了煤矿辅助运输转载的安全进行;最后在ROS中建立辅助运输转载仿真环境,通过系统状态机控制机械臂进行多次抓取实验,实验结果表明转载容器在20次不同位置抓取实验中,抓取成功率均在80%以上。     

面向数字孪生的工业机械臂手眼标定方法的研究

针对传统机械臂视觉系统标定方法存在标定误差大、精度低以及标定过程复杂的问题，提出一种面向数字孪生的手眼标定方法，通过分析标定原理给出标定方法以及搭建机械臂孪生虚拟平台，实现虚实空间的数据交互。结果表明：提出的手眼标定方法具有抓取精度高、抓取性能良好的优势。     

基于高斯混合模型的工业机器人适应性抓取

在机器人抓取物体的过程中,机器人要调整自身的位姿,以适应物体位姿的变化。提出了一种基于高斯混合模型的适应性抓取方法,实现了机器人在较大工作区域中对物体的抓取。该方法采用高斯混合模型进行建模,构建物体的观测变量与机器人关节变量之间的映射关系。机器人抓取物体时,首先通过相机获取物体的观测变量,分别计算各个高斯分布下该观测变量的生成概率,选取后验概率最大的分布对应的高斯过程回归得到适应性的机器人关节角度。实验结果表明,采用高斯混合模型建模,比采用单一的高斯过程建模能够使机器人更好地实现适应性抓取。     

视觉机械手的抓取方法研究

针对机械手抓取物体大多以指定位置抓取特定物体的方式及柔性差的问题,提出利用基于深度学习方式的目标检测算法对物体进行识别。通过双目视觉算法检测物体所在的空间位置,利用D-H法进行机械手的坐标解算,从而实现物体的抓取。根据实际需求,采用实时性较好的YOLOv4目标检测算法与OpenCV中的立体匹配算法SGBM相结合的方式实现目标定位检测,并且通过租用云端服务器来训练神经网络和运行程序的方式降低本地硬件要求。实验结果表明：该机械手抓取物体的成功率达到了84%,验证了该方法具有较好的准确性,基本满足智能制造中的实际需求。     

基于机器视觉的Delta机器人分拣与跟踪系统设计

为了提高Delta机器人动态抓取的精度与速度,提出了一种基于欧姆龙NJ控制器的Delta机器人控制系统。通过采用欧姆龙NJ运动控制器和EtherCAT内部高速总线将Delta机器人的运动控制和外部运动逻辑控制进行无缝对接,实现一体化控制。同时为了提高抓取效率,利用Delta机器人视觉系统识别抓取目标的位置,去掉重复图像信息,进而提出一种动态的抓取算法,实现了机器视觉与机器人动态抓取的完美结合。通过对样机进行测试表明:该Delta机器人在分拣与跟踪目标过程中漏抓率小于2%,误抓率为0,表明该系统能够达到抓取系统的实时性要求,在实际工程中具有一定的应用价值。     

SCARA机器人运动学和视觉抓取研究

针对机器人的控制问题,文章研究了SCARA真空机械手的运动学解算和视觉抓取。首先,对SCARA真空机械手的机构进行了分析;其次,通过MDH法对机械臂构建了关节坐标系并进行了运动学建模,通过弦位法进行逆解的计算;再次,提出了一种基于视觉的机械手抓取算法;最后,通过MATLAB仿真软件对于SCARA机械手的运动学正逆解算法进行了验证,并通过实验验证了视觉抓取算法的效果。从实验结果可得出,机械手的运动学算法准确,视觉算法提升了识别速度,该问题具有一定的实用价值。     

基于视觉的工业机器人下料与铣边操作

针对传统工业冲压或注塑成型零件生产上的智能化水平低的问题,提出了一种基于视觉编程的工业机器人下料与铣边操作方法.通过视觉技术与工业机器人相结合,推导了一种工业机器人下料与铣边路径点计算公式,并设计了基于视觉的下料与铣边操作软件与硬件系统;该方法采用Eye-in-Hand手眼放置方式对工件进行定位抓取,采用Eye-to-...