面向分拣机器人的多目标视觉识别定位方法

针对分拣机器人作业目标的结构形状复杂、位置随机摆放等干扰因素的问题,提出了面向分拣机器人的多目标视觉识别定位方法。基于四自由度Dobot机器人构建了具有视觉感知的分拣机器人系统,视觉系统获取传送带上多目标的图像,图像预处理算法提高分拣目标的对比度,构建圆形和线性结构元素对最大类间方差法分割的多目标区域进行填充和边缘平滑。建立基于图像信息的质心坐标,对多目标区域的连通域进行识别与定位。实验结果表明,该方法能够实现对多目标数量的统计,在分拣机器人的手眼标定的基础上,实现了对形状复杂、位置随机的多目标进行识别与定位,为分拣机器人的自主抓取、分拣提供位置信息。     

机器视觉在采摘机器人识别与定位中的应用

针对采摘机器人的运行环境复杂,采摘效率无法满足实际生产需求。这里在采摘机器人体系结构的基础上,提出了一种基于机器视觉的夜间识别与定位方法。使用基于粒子群优化的独立成分分析方法来降低夜苹果图像中的噪声,然后使用PCNN分割方法对图像进行分割并通过边缘检测等提取目标轮廓,最后通过改进的三点定圆法对目标果实进行定位。通过仿真验证了该方法的可行性。结果表明,该方法在夜间遮挡小于50%时识别率为94.3%,遮挡大于50%时识别率为89.05%,可以有效提高识别和定位的准确性。为机器人识别和定位技术的发展提供了一定的参考。     

工业机器人视觉系统的目标定位

机器视觉的应用越来越广泛,也成为了工业机器人获取环境信息的重要方式。通过工业机器人视觉系统采集工作台上物品的图像,对获取的图像进行处理,使用阈值法对图像进行分割。在获得图像轮廓的基础上,通过轮廓的最小外接矩形计算物体质心的位置。试验结果表明,该方法能够快速准确地获得多个目标的质心位置。     

用于采摘机器人的空间定位方法及试验

针对双目视觉采摘机器人空间定位时两投影线不相交于一点的问题,提出了一种利用两异面直线公垂线中点作为目标点的空间定位方法。同时,为了验证所提出的空间定位方法的可靠性,进行了机器人采摘实验。实验结果表明:在机器人可采摘范围内,该方法的定位精度在5mm之内。当Y值处于300mm左右时,定位偏差最小为0.18mm,偏差模为2.86mm。且随着Y值的增大,误差也基本呈现增大趋势。该方法能够很好地化解机器人空间定位时两投影线不相交于一点的矛盾。     

并联机器人双目主动视觉目标定位的研究

为解决并联机器人"盲"工作状态,提高并联机器人的运动精度,构建了一种对并联机器人工作空间监测的双目主动视觉监测平台,并在双目主动视觉监测平台上给出了一种视觉空间目标定位算法.该算法分别研究了两个摄像机光轴在同-平面和不同平面时的空间目标定位问题.     

足球机器人视觉系统目标识别算法的改进

介绍了国内外足球机器人视觉系统中目标识别算法的发展现状,讨论了视觉子系统中的目标识别问题,采用了一种将颜色信息从RGB空间映射到HIS空间的快速变换方法,并以此为依据采用颜色阈值法和顺序网格与种子点生长相结合的目标搜索方法确定场上的目标,进一步提高了足球机器人视觉系统的实时性.     

基于单目视觉的工业机器人目标识别技术研究

为实现工业机器人能在多个目标的工作环境下自主识别指定的目标,提出了一种基于单目视觉技术的解决方法.主要采用中值滤波和最大类间方差法对初始图像分别进行滤波和分割,给出一种新的统计矩阵标记区域算法,利用目标本身的几何特征达到识别目的,选取质心标记法实现目标物体的定位.实验结果表明,该方法在较复杂的环境下能够获得较好的识别定位指定目标的效果,为工业机器人抓取目标提供了必要的信息.     

基于视觉定位的机器人焊接系统

本文基于三维扫描视觉系统开发了具有对汽车零部件在线整体定位功能的机器人焊接系统.详细介绍了系统的组成、工作流程及被焊接工件机器人视觉定位过程,为汽车焊接过程提出了一套自动化、柔性化应用方案,可以有效克服工件的装卡误差,大大提高焊接质量.     

基于机器视觉的救援机器人的设计与研究

随着人工智能的快速发展,救援机器人要能快速准确地实施救援,最重要的就是要能看见,机器视觉的提出解决了这个问题。机器视觉是一项综合技术,主要用计算机来模拟人的视觉功能,从客观事物的图像中提取信息,进行处理并加以理解,最终用于实际检测、测量和控制,这也是救援机器人寻找被困者、处理地形环境以及将图像传送至操作者的根本。机器视觉的加入使救援机器人更加灵活,同时也为救援机器人智能化提供了必要条件。该文将工业相机作为视觉传感器,完成目标识别与定位任务。利用C语言编程在keil5软件平台开发,植入嵌入式实时操作系统FreeRTOS的STM32F427IGHx芯片中,以完成对机器人的实时控制。通过实验验证了视觉识别及定位方法的可行性。     

用于采摘机器人的空间定位方法及试验北大核心

针对双目视觉采摘机器人空间定位时两投影线不相交于一点的问题,提出了一种利用两异面直线公垂线中点作为目标点的空间定位方法。同时,为了验证所提出的空间定位方法的可靠性,进行了机器人采摘实验。实验结果表明:在机器人可采摘范围内,该方法的定位精度在5mm之内。当Y值处于300mm左右时,定位偏差最小为0.18mm,偏差模为2.86mm。且随着Y值的增大,误差也基本呈现增大趋势。该方法能够很好地化解机器人空间定位时两投影线不相交于一点的矛盾。     

输电线巡检机器人障碍物定位与识别

针对巡检机器人运行中对线路障碍物的自主定位与识别,分析了巡检机器人自主运行中对障碍物信息感知的精度和实时性要求,提出了一种用于线路障碍物定位与识别的多传感器集成结构,并介绍了各个阶段的障碍物定位与识别算法.实验表明该方法可以实现机器人稳定自主行驶、可靠定位与识别障碍物,满足各阶段机器人对障碍物信息感知的精度和实时性要求...     

基于火星探测的人工标志识别定位

为了实现火星探测中巡视器以及着陆器上人工标志的识别定位,结合好奇号火星车的人工标志特征和火星环境的特点,提出一种人工标志两步识别定位方法。第一步是在图像中识别人工标志并进行初步定位。该步骤通过图像边缘检测,提取并跟踪各轮廓边界。针对人工标志存在的沙尘附着、光照不均、以及阴影遮挡等问题,提出一种基于火星环境的自适应边缘检测方法。采用最小二乘椭圆拟合方法对每一个轮廓边界进行椭圆拟合,将拟合所得的椭圆参数作为标志的初步定位结果。第二步是对各人工标志进行精确定位。根据初步定位的椭圆参数进行图像分割。考虑标志中心为两条直线的交点,故采用Hough变换对各分割出的图像块进行直线检测,并对交点进行重定位,从而得到人工标志的精确位置。对好奇号火星车的标志图像进行了试验,结果表明:提出的方法能够检测存在较大变形的人工标志,对标志中心的定位精度稳定在1个像素以内。该对沙尘附着、光照以及阴影遮挡具有一定的鲁棒性,基本满足火星探测中人工标志定位的精度和鲁棒性要求。     

输电线路除冰机器人障碍视觉检测识别算法

障碍物检测识别是实现输电线路除冰机器人自主除冰作业的关键技术之一.针对220 kV输电线路的结构特点,提出了一种障碍物视觉检测识别算法.算法首先对机器人采集的原始图像进行中值滤波以减少图像噪声并减小障碍物内部的灰度差异;然后利用Otsu算法来确定Canny算子的参数,较好地提取出图像的边缘;最后利用改进的随机Hough变换(RHT)提取出几何图形基元,并施加一定的结构约束,实现了对障碍物的检测识别.在模拟线路上的实验结果表明,该方法能有效地对高压输电线路的导线以及防震锤、绝缘子等障碍物进行检测识别.     

一种基于颜色聚类和种子填充的目标识别算法

针对类人足球机器人目标识别易受光照强度变化影响的问题,改进了常规的扫描线种子填充算法,提出了一种基于颜色聚类分割和种子填充的目标识别算法。该算法采用HSI颜色模型,依据亮度和饱和度信息对图像粗分割,基于阈值将彩色区域和灰色区域分离,同时将灰色区域二值化;基于色调直方图聚类分析对彩色区域的像素进行了归类,通过改进扫描线种子填充算法实现了色块的最简扩充和特征提取,使颜色分割和特征提取同步进行,解决了目标物体的快速、精确识别。实验结果表明,该算法抗干扰能力强,分割精度高,能满足实时性要求,具有一定的实用价值。     

一种基于移动机器人视觉的实用数字识别方法

移动机器人自动读取数字,并且正确快速识别数字的研究在智能机器人领域具有重要意义。本文以移动机器人为背景,提出一种实时简单的数字识别方法。文中提出边缘图能量百分率法初步定位数字位置。为改善实时识别的准确度,提出改进的中值滤波算法,对采集的数字图片进行去噪处理,利用最大类间方差法分离出目标与背景,采用一种快速、易实现、且对结构损失较少的细化算法,提取数字结构特征,提出分块部分面积法提取特征向量,采用改进的BP网络来设计分类器。试验结果证明这种识别方法不仅快速有效而且稳定。     

智能型采棉机器人电气控制系统设计

针对基于视觉的棉花采摘技术,构建了智能型采棉机器人总体设计方案。其电气控制系统中运动控制子系统采用安川MP2100运动控制单元为核心,控制其中的四自由度机械手及X向导轨,具有良好的实时性和扩展性。机器视觉子系统采用SEED-VPM642开发平台为基础,配合3个CCD摄像头进行采集,能够实现高效率和高准确性的图像识别。各个接口模块之间通过PCI总线进行通信,由工控机统一协调处理,以实现高效采摘功能。     

基于注意力机制的曲轴瓦盖上料机器人视觉定位和检测方法

为了解决曲轴瓦盖人工上料效率低下、易出错的难题,研究了基于注意力机制的曲轴瓦盖上料机器人视觉定位和检测方法,实现自动上料.针对图像特征不明显,在Faster R-CNN的特征提取网络引入注意力机制,将曲轴瓦盖图像不同位置的权重映射到特征通道,使深度学习模型能够更多地关注曲轴瓦盖的边缘和中心语义信息.为进一步提高定位精度...     

基于yolov3的车牌定位识别系统

为解决目前市场上车牌识别设备的高时延以及对高性能处理器高依赖性的问题,提出了一种基于yolov3的车牌定位识别方法,实现对车辆的车牌进行自动定位与识别。该方法通过收集5000张车辆图像数据,打包为VOC数据集,使用LabelImg工具对图像进行标注,并构建13个卷积层的yolo模型,在loss曲线趋于稳定之后,完成模型的训练,最终使用已训练的模型对车辆图像数据进行车牌识别。实验表明:在1000个测试数据中,该方法识别率达97.5%,平均耗时18.19 ms,能够快速精准的对车辆进行车牌识别。     

一种基于双相机焊缝跟踪的球形储罐爬壁机器人定位方法

针对具有很少甚至没有地标和缺乏良好照明条件的大型液化石油气球形储罐环境下,仅依靠里程计以及惯性测量单元的爬壁机器人定位精度较低,且存在较为明显的累积误差的问题,提出了一种新的解决方案,通过跟踪球形储罐表面焊缝相对于机器人的运动来改善机器人定位精度。首先,通过配备辅助光源,利用安装在机器人两侧的CCD相机进行图像采集,并实时对图像进行二值化处理,识别出焊缝特征区域并输出相应的检测信号,通过相邻时刻检测信号增量计算来估计机器人的相对位置;接着,提出了一种改进加权融合算法,用以实现各传感器之间的数据融合,该算法结合了自适应加权融合算法以及基于最小二乘原理的加权融合算法的优点,以对各加权因子重新分配权值的思想来对各个传感器数据进行最终融合,提高了测量精度以及动态适应性。最后,在实际环境以及虚拟环境下对该方法进行了实验评估,验证了该方法的有效性。实验结果表明,在没有良好照明条件及地标的球形储罐环境下,该方法可以保证爬壁机器人定位的准确性。