基于机器视觉的工业机器人分拣技术研究

将视觉系统应用到工业机器人当中去,使得机器人具有人眼的功能是当今机器人研究的重点。本文针对以往工业生产线分拣工件时存在的问题,从视觉的角度研究了相关技术难点。本文完成了基于机器视觉的工业机器人分拣系统平台的搭建,首先通过摄像机对传送带上进入工作区的工件进行图像采集,然后对图像预处理分析,接着用不变矩对工件进行快速识别,之后用Hough-链码识别算法对工件进行精细匹配,最后通过中心定位算法计算出工件的位置,引导机器人对工件进行分拣抓取。同时,本文还提出了多目标分块处理算法和Hough变换与链码相结合的Hough-链码识别算法。实验结果表明,该分拣系统可以有效解决规则几何工件的分类的问题,达到分拣的目的。     

工业机器人去毛刺平台研发路径探究

为了提升工业机器人的自动化水平,设计人员尝试基于机器视觉系统对工业机器人系统进行优化,并对相机与工业机器人视觉系统进行标定,并以蚁群算法为基础,搭建工业机器人去毛刺平台。通过引入工业视觉系统,实现对于目标工件的在线监测,并将有关工件轮廓以及位置的信息,远程传输至工业机器人去毛刺平台,提升该平台智能化水平,有效解决零件生产加工过程中,异形工件毛刺难以去除的问题。     

玻璃纤维网格布缺陷自动检测系统的研究

基于机器视觉设计了一种玻璃纤维网格布缺陷自动检测系统,可实现玻璃纤维网格布缺陷的识别以及分拣等功能。整个系统采用STM32作为运动控制处理器以实现机械手的运动控制,利用NI myRIO平台采集玻璃纤维网格布信息,设计玻璃纤维网格布缺陷识别算法,完成图像的处理与分析从而驱动机械手完成网格布的分拣。实验结果表明该系统可以实现玻璃纤维网格布缺陷的识别以及分拣。     

基于机器视觉的工业机器人分拣技术研究

简要介绍基于机器视觉的工业机器人分拣系统的构成,分析基于机器视觉的工业机器人分拣工作的流程,探讨工业机器人在机器视觉条件下的分拣技术,促进工业机器人分拣技术被进一步推广和应用,提升我国各个行业中自动化生产线的生产效率和柔性。     

基于PLC和机器视觉的工件自动分拣系统设计

该文以西门子S7-200 Smart PCL为控制核心,构建了一套基于机器视觉的工件自动分拣系统。该系统由控制模块、传输模块、人界交互模块、机器视觉模块组成,首先利用机器视觉技术识别出待分拣工件的特征,然后PLC根据机器视觉识别结果控制传送带动作将工件传送至不同产品盒,实现工件的自动分拣。实验结果表明,该生产线的分拣误判率低于0.4%,满足工业生产的要求。     

基于机器视觉二维码识别的工件仓储系统分析

传统制造业智能化改造升级过程中,仓储的智能化是其中重要的一个环节。文中分析研究一种利用机器视觉识别工件物料二维码信息实现智能仓储控制系统。本系统以欧姆龙FH控制器、工业相机、ABB IRB120型工业机器人、PLC立体仓库单元为硬件组成基础,工业相机完成工件二维码图像的摄取,该图像经欧姆龙FH控制器的识别处理得到工件编号,欧姆龙视觉处理系统将工件编号的数据信息发送到工业机器人,由工业机器人根据工件编号完成工件放置工作,从而实现仓储的智能化。     

基于Faster R-CNN的工件螺纹孔目标检测（英文）

为了提高螺纹孔目标检测的准确率,结合双相机视觉系统与Hough变换圆检测算法,提出了一种基于Faster R-CNN的螺纹孔目标检测方法。首先建立了由双相机组成的图像获取系统,通过安置在高处的工业相机采集工件整体图像,利用Hough变换圆检测算法初步筛选出工件上的疑似螺纹孔的位置,并驱动第二个工业相机逐个在近处采集经Hough变换检测出的疑似螺纹孔的局部精确图像。然后,在自建的螺纹孔数据集上训练以ResNet50为基础网络的Faster R-CNN目标检测模型。最后,将螺纹孔处局部图像输入训练好的Faster R-CNN目标检测模型进一步识别并进行定位。实验结果表明,该方法能有效地避免螺纹孔小目标检测,相对于单独使用Hough变换方法或者Faster R-CNN目标检测方法检测螺纹孔,具有更高的识别和定位精度。     

基于Faster R-CNN的工件螺纹孔目标检测

为了提高螺纹孔目标检测的准确率,结合双相机视觉系统与Hough变换圆检测算法,提出了一种基于Faster R-CNN的螺纹孔目标检测方法。首先建立了由双相机组成的图像获取系统,通过安置在高处的工业相机采集工件整体图像,利用Hough变换圆检测算法初步筛选出工件上的疑似螺纹孔的位置,并驱动第二个工业相机逐个在近处采集经Hough变换检测出的疑似螺纹孔的局部精确图像。然后,在自建的螺纹孔数据集上训练以ResNet50为基础网络的Faster R-CNN目标检测模型。最后,将螺纹孔处局部图像输入训练好的Faster R-CNN目标检测模型进一步识别并进行定位。实验结果表明,该方法能有效地避免螺纹孔小目标检测,相对于单独使用Hough变换方法或者Faster R-CNN目标检测方法检测螺纹孔,具有更高的识别和定位精度。     

一种新型光机电一体化实验平台设计

针对传统光机电一体化实验平台技术落后,功能单一,实验环节不连贯等问题,提出一种基于控制卡和机器视觉的新型光机电一体化实验教学平台。利用十字交叉步进电机运动平台和真空吸盘构成上料/分拣机构,链条传动式传送带平台传送工件;利用VB.net软件,结合控制卡DMC1380库函数,控制电机和外部IO信号;采用Halcon软件对机器视觉采集的图像进行分析处理,得到检测结果;利用接近传感器对工件不同工位进行位置检测;运用气动技术,对工件进行真空拾取和分拣,可模拟自动化生产线流程,具备上料、机器视觉检测、分拣等功能,开设多个光机电一体化实验项目,为学生学习光机电一体化技术等课程提供了一个创新的实验平台,取得良好的教学效果。     

基于机器视觉与改进遗传算法的机械手分拣方法研究

针对机械零部件快速分拣需求,提出一种基于机器视觉与天牛须改进遗传算法(BAS-GA)的机械手分拣方法。该分拣方法首先对零件图像进行预处理,然后利用Sift特征匹配的图像识别算法提取零件图像,并使用仿射变换对目标零件定位。接着,对得到的零件位置建立数学模型,使用BAS-GA算法求解该数学模型,得到机械手的抓取路径,实现机械手的快速分拣。实验表明BAS-GA算法相对于模拟退火算法,遗传算法和一种改进蚁群算法都取得了较好的寻优效果。经过优化后的路径缩短了11%,说明该方法可有效提升机械手分拣速度。     

基于嵌入式机器视觉的机器人抓取系统

针对工业生产线上机器人自动化、智能化识别抓取需求,设计研发了基于Raspberry Pi 3B+控制器的嵌入式机器视觉系统。采用开源OpenCV视觉算法库,使用高精度摄像头采集图像,经过图像预处理、特征提取判断等,快速识别、判断、定位产品,实现机械手对产品的准确定位和分类。实验结果显示,该系统运行稳定,对图像数据的处理可靠,能够较好地实现识别。     

柔性装夹机器人工件视觉定位系统设计

针对智能制造平台的需要,建立了基于双目立体视觉的柔性装夹机器人工件定位系统。采用GrabCut算法对采集图像进行图像分割获得目标工件图像;进一步基于SURF特征和极限约束实现工件立体匹配;最后基于视差测距法算法求取目标工件的三维坐标,实现工件的定位。定位误差实验结果表明,定位平均误差为0.276mm,能满足柔性装卸机器人对目标工件的抓取要求。     

基于机器视觉的金属工件智能分拣系统设计

针对传统工业中人工分拣效率低和成本高等问题,设计了基于机器视觉的机械臂智能分拣系统。通过摄像头采集图像并对图像进行灰度滤波操作后,使用SOA-OTSU算法对图像进行阈值分割,对目标区域进行Blob连通域分析,实现对工件的识别与定位。运用标准D-H参数法建立三自由度机械臂模型,将工件位置坐标代入逆运动学方程,解得每个连杆的关节转角,将其转化为机械臂步进值,并通过串口通信方式发送给Arduino,由Arduino控制机械臂完成工件的抓取与放置。实验结果表明,该方法提高了分拣系统抓取的准确性。     

基于机器视觉的罐盖质量检测系统设计

文中根据饮料易拉罐罐盖制造生产线的工作环境和检测要求,研制了基于机器视觉的罐盖质量检测系统,实现了铝制罐盖瑕疵的自动检测和快速剔除.该检测系统由下盖装置、盖传送装置、光源与图像采集系统、视觉处理及控制系统、次品剔除装置等组成,铝制罐盖经下盖装置连续不断的进入盖传输区域,盖传输装置通过真空将罐盖吸附在传送带上,当罐盖通过成像系统时,光纤传感器触发工业相机和光源,获得高速罐盖图像,图像检测系统分析罐盖多个检测区域,电气控制系统根据图像检测结果分拣罐盖.通过实验测试证明:该视觉系统实时性好,可靠性高,有效地提高了罐盖检测生产线的工作效率.     

探析工业机器人机器视觉系统在工件分拣中的应用

随着工业机器人现代化生产线的发展,智能视觉系统对于工业机器人的需求也随之增大。本文以汇博工业机器人、智能相机与S7-1200 PLC组成的软硬件为载体,主要研究基于智能相机的视觉系统协助工业机器人判检测工件的类型和位置,智能相机的使用使得分拣与搬运作业变得高效准确且成本低廉,为工业机器人能按确定的轨迹完成工件的抓取、搬运、装配以及入库一系列的作业提供了应用实践能力。     

一种气动机器人垃圾分拣系统的设计与分析

为解决垃圾分拣实现自动化分拣的问题,提高生产效率,降低生产成本,设计了一种气动机器人视觉垃圾分拣系统。利用气压控制回路实现对机械手运动的控制,采用棋盘格标定法对相机进行标定,标定结果误差相对较小。实验结果表明:利用气压控制的机械手定位和抓取效果良好。利用棋盘格标定的相机,机械手抓取平均误差小于3 mm。该分拣系统在一定条件下能够满足垃圾分拣,具有结构简单、易操作、分拣精准、效率高、成本低等特点,为后续实现垃圾智能化分拣设备研制提供参考依据。     

基于机器视觉的工业机器人智能分拣系统设计

为了解决使用传统示教或离线编程方式的工业机器人无法满足复杂分拣环境作业要求的问题,以史陶比尔工业机器人、Kinect深度相机为硬件基础,搭建了基于机器视觉的工业机器人智能分拣系统平台。通过支持向量机(SVM)实现对分拣物体的学习识别,通过基于采样一致性(SAC-IA)粗配准和迭代最近点(ICP)精配准算法实现对物体位姿点云数据的配准。实验结果表明,搭建的智能分拣系统能够识别分拣物体种类并且获取物体的位姿,拓宽了工业机器人的应用领域。     

基于单目视觉的工业机器人智能抓取系统设计

针对工业机器人如何能在多目标工况下快速自主识别和抓取指定目标工件的问题,将单目视觉引导技术应用到工业机器人智能抓取系统设计中。利用图像进行了模式识别,对检测定位进行了研究,建立了视觉图像与工件定位抓取之间的关系,提出了基于轮廓Hu不变矩快速模板匹配算法的单目视觉抓取系统。首先将摄像机获取的图像进行了预处理,然后利用轮廓Hu不变矩模板匹配算法进行了目标工件的识别,利用轮廓矩和二阶惯性矩最小原理对识别出的目标工件进行了位姿求取,最后通过建立SOCKET通信将求取的位姿发送给了机械臂控制系统引导机械臂的抓取。基于VS软件开发平台和ABB机械手,对智能抓取系统进行了搭建并试验。研究结果表明:该基于单目视觉搭建的工业机器人智能抓取系统成本低、定位精度高,可满足工业自动化生产的需求。     

基于机器视觉的螺纹牙型角检测方法研究

针对螺纹牙型角测量过程中自动化程度和检测效率低等问题,设计了一种基于机器视觉的螺纹牙型角测量系统,开发了螺纹检测平台控制算法和图像处理算法。该系统采用工业相机获取螺纹图像,利用边缘增强的Otsu算法分割螺纹工件图像,基于分割图像的LSD算法检测牙型角,测得牙型角的侧边缘。分析螺纹图像边界与实际轮廓的关系,基于螺纹牙型与图像阴影区域边界差值方程校正测量结果。采用标定算法标定相机,得到相机径向畸变系数和内参数矩阵。螺纹牙型角检测实验结果表明,系统测得的牙型角与实际工具测量牙型角均值相差0.022°,可知,本系统能较准确地测量出螺纹牙型角,因而可以应用于螺纹牙型角的准确测量。     

基于视觉的机器人抓取技术的研究

该文提出了一种基于智能相机的机器人抓取系统,采用图像处理算法对相机捕获到的图像使用模板匹配、边缘查找及坐标变换,得到工件在机器人坐标系的位置和姿态,通过串口将处理后的工件位姿数据发送给机器人控制器,控制器向机器人发送运动指令。经实验验证,系统达到设计要求,在工业机器人系统中引入计算机视觉提高了机器人的柔性以及对环境的适应能力。