基于机器视觉的高精度测量与装配系统设计

在对某些精密产品实现自动化生产过程中,存在难以对装配该产品所需的多种装配小零件进行高精度自动测量与装配的问题;针对该问题,搭建了基于机器视觉技术的自动化测量与装配系统;基于Halcon图像处理软件平台,对零件图像进行了中值滤波、图像增强等预处理;采用了Canny算法对零件求取像素精度的边缘,并运用椭圆曲线拟合法获取了亚像素精度边缘;建立了两种相机镜头畸变模型,采用径向排列约束(RAC)标定法与张正友标定法对相机进行了标定,并对标定精度进行了对比;实验结果表明:本系统的装配同轴度精度能达到0.05 mm,零件尺寸测量标准差低于3.8 μm,满足工业需求,可以解决工业实际问题。     

基于机器视觉的超视场工件识别抓取系统

目前,应用机器视觉系统进行工件检测时,对于工件体积相较单个相机视场范围较大的超视场工件,因无法拍摄出工件完整图片,因而存在工件识别困难以及定位不准等问题.针对这些问题,本文提出了一种基于机器视觉的超视场工件识别抓取系统WRGS （workpiece recognition and grabbing system）.该系统无需拍摄工件完整图片,采用提取工件上特征点进行形状匹配的方法来实现对超视场工件的有效识别.系统定义了每类工件标准位置用于位姿计算,通过设计由粗到精抓取网络的方法,WRGS解决了超视场工件定位困难的问题,并提高了抓取精度.该系统能通过自学习来适应多种工件,从而提高了系统的柔性.通过实验例证,整个系统抓取时间小于6s,落爪位置与目标在水平方向上的误差≤ 2mm、高度误差≤ 0.2mm、角度误差≤ 0.3°.     

智能化上料系统中工件视觉定位的研究

随着我国工业生产行业的快速发展,人工上料越来越难以适应,为解决工业生产线生产效率不高,人工成本过大,智能化不足等问题;基于国内外现有工件定位方法的研究,采用机器视觉对工件定位进行研究,利用工业相机采集图像信息,上传到PC端中 NI Vision软件进行图像预处理、边缘检测,并基于边缘检测结果提取质心点,然后利用坐标转换算法,获得对应世界坐标系下的坐标值,通过通信单元传送给机器人控制系统,控制机器手移动;经验证,算法不仅稳定可靠,而且易于修改,所得结果精度相对较高。     

基于机器视觉的审计机器人控制设计

机器视觉技术在机器人移动控制中的研究已成为当前的热点。设计一种应用单目视觉摄像机的机器人移动控制方案,在分析四个参考坐标系的前提下,着重分析摄影机标定和目标位的定位,通过目标物的搜索算法来实现审计机器人的移动控制。HSV颜色模型将图像的亮度信息均给予了一个分量,而将颜色信息给予了另外两个分量。目标控制跟踪算法成功跟踪的次数为194次,相比较于改进RRT、TEB、AGV其他三种目标搜索方法,目标控制成功率的提升率数值分别为13%、65%、9%。所给出的目标搜索算法具有较高的路径质量,同时也能获得数量更多的理想路径,这为机器人的移动控制提供了新的技术支持。     

一种基于机器视觉的圆型零件检测技术

利用机器视觉技术建立圆形零件检测系统,采用简单高效的标定方法和亚像素技术实现对圆孔和圆形零件的非接触精密测量。圆孔和圆形的直径测量过程包括图像采集、图像分析处理和结果输出。其核心算法是系统校正、图像预处理、二值化和圆检测。实验结果证明,该系统实现了在线实时检测,其精度达0.01 mm,具有良好的应用前景。     

基于机器视觉的形状尺寸检测方法研究

基于机器视觉技术的产品自动检测、分类和测量系统,由于非接触性和快速、精度高等优点在实际生产中得到广泛关注.论文研究并建立了目标体几何形状和尺寸检测机器视觉系统.原始图像经过预处理、获取图像轮廓特征后,采用一个基于不变矩、相对矩和提取角点特征的新方法自动识别目标体的形状.根据工业应用实际情况,线性模型标定获取摄像机内外参数,计算目标体形状特征的真实尺寸.实验证明该方法计算复杂度相对于带佣的Hough变换大大降低,适合实时处理,实验结果较为理想.     

基于机器视觉的水表抓取系统

目前国内对水表的检定多采用人工的检定方式,过程中存在许多重复人力操作,造成检定过程费时费力.为了解决这一问题,本文在水表检定过程设计了用工业机器人代替人工完成水表的检定工作,提出了一种基于机器视觉的水表抓取方法.系统通过YOLOv3网络对处于不同环境下的不同型号的水表进行检测,获取目标水表的型号和位置后再进行水表的位姿检测得到水表抓取点坐标与水表姿态角并控制机器人进行抓取.实验表明,该系统能在不同外界环境下实现不同型号水表的抓取和精确放置,具有较好的鲁棒性和较高抓取成功率,能够满足实际水表自动检定线上的水表抓取需求.     

基于机器视觉的钢轨轮廓测量方法研究

钢轨轮廓检测是轨道几何参数检测的重点和难点。采用二维平面靶标对激光摄像传感器进行标定,建立世界坐标系和图像坐标系的标定模型。通过棋盘格进行实验标定,获取300组数据,采用非线性最小二乘法来标定模型参数。结果表明:采用非线性最小二乘法能够将棋盘格水平和垂直的测量误差控制在0.3 mm左右,该方法能够很好地运用到钢轨轮廓测量中。     

基于机器视觉的卫星天线模块自动精密装配技术

针对卫星天线模块自动化精密装配需求,介绍一种基于机器视觉的机器人自动精密装配方法。通过6自由度工业机器人和相机建立Eye-in-Hand和Eye-to-Hand混合的自动装配系统,对系统进行手眼标定,从而确定相机、机器人、工具之间的相互位置关系,通过图像处理获取装配位置像素坐标,并通过坐标变换将像素坐标点转换为机器人基坐标点,控制机器人完成天线模块自动装配。装配时通过Eye-to-Hand和Eye-in-Hand系统分别直接定位天线模块上连接器公头和母头位置,消除连接器安装位置误差和模块外壳加工尺寸误差对定位精度的影响,该系统通过一次标定即可实现机器人末端工具在距目标物体垂直距离相同情况下X/Y任意位置的定位功能。实验结果证明该方法准确可行,所设系统满足50μm装配公差天线模块的自动精密装配要求。     

基于机器视觉的工件尺寸和角度的测量

针对一款手机U盘芯片的二维尺寸的测量问题,提出运用图像处理的方法,实现手机U盘芯片长度和偏角的非接触式测量;通过COMS工业相机采集到U盘芯片的背光图像,在边缘检测的基础上,用Hough变换检测和定位U盘芯片边缘直线;针对在一条边上Hough变换对应检测到多条直线的情况,提出采用直线参数平均法拟合边缘直线,从而获得较精准的边缘位置;通过对已知尺寸的标准块进行相机标定,由此计算出精确的U盘芯片的尺寸和倾斜角度;实验表明:该算法能够满足工程上较高精度的检测要求。     

基于机器视觉的平面规则几何工件分拣方法

为有效提高工业生产中工件分拣的效率,提出了一种基于机器视觉的平面规则几何工件分拣方法。首先对CCD相机采集到的工件图像进行预处理,包括灰度变换、二值变换及多目标分块处理三个环节;然后通过多目标质心快速计算方法获取工件的几何中心,再运用边缘曲线等价方法实现工件的形状识别,接着利用Harris算法检测出工件的角点,并筛选出工件外接矩形上的角点用于计算工件的旋转角度;最后引导Tripod三轴并联机器人在线完成工件分拣实验。实验结果表明,该方法能够获得良好的识别效果,有效提高了工件分拣的柔性和自动化程度,具有应用价值。     

基于双目视觉的工件定位与抓取研究

针对生产制造过程中工件的自动定位、识别与抓取等问题,研究基于双目立体视觉的工件识别定位方法;对每个工件进行SIFT特征提取,采用模板匹配方法实现工件的识别.用形态学方法获得工件特征点的二维信息,结合双目立体视觉标定技术得到工件的三维坐标,为机器人抓取工件提供信息;在实验中,相机标定、匹配识别与三维定位程序在MATLAB环境中执行,应用MATLAB和VC++混合编程技术将获得的工件信息传递给机器人的控制程序,实现了机器人对工件的在线实时抓取.     

基于立体视觉的大型工件尺寸测量的研究

大型工件在加工过程中的尺寸测量是保证加工精度和提高生产效率的重要手段.本文介绍了双目立体视觉的基本原理,深入探讨了其中的关键技术和主要算法,提出基于双目立体视觉实现精确测量工件尺寸的非接触测量方法.     

基于机器视觉的流体速度量化研究

为了对流体动力学性能进行量化分析,提出了一种利用机器视觉技术、基于平流扩散方程测量流体速度场的方法.该方法通过采用机器视觉技术获取被动示踪体浓度的时间、空间导数,从而获取流体速度场.试验结果表明,机器视觉方法适用于流体动力学的定量测量.进一步研究证实,该方法对流体速度场的初步估算和流体结构的速度测量都是可行的.     

基于机器视觉的自主式救援机器人的研究

本文将面向自主式救援机器人,从现阶段日本、中国对自主式救援机器人研究现状出发,深入分析自主式救援机器人的功能需求和硬件设备需求,并且结合自主式救援机器人工作中所具备的功能进行研究。在灾害事故当中,由于环境复杂救援人员难以勘探真实的灾害环境,从而影响救援效果,而自主式救援机器人则能够通过自身强大的移动、远程通信、监测与跟踪等功能为救援人员提供帮助。面对灾害事故频发的现代化社会,救援机器人的研发已成为全球重要的研究事项。     

基于机器视觉的工件尺寸高精度测量方法

通过优化照相机的内部参数,运用基于转轴法的外切矩形法对工件进行定位,确定工件像素级的姿态和尺寸;选取物体的ROI后,运用双线性差值算法,实现工件边缘的亚像素提取,通过黑塞范式直线拟合,找到精确的物体边缘;最终实现了运用500万像素的工业照相机,在全景拍摄条件下,测量尺寸在80～150 mm的工件,测量重复性精度可以达到0.015 mm.     

基于机器视觉的梨表面缺陷检测方法研究

针对梨表面缺陷的机器视觉检测问题,在对已有研究成果的分析和研究的基础上,论文采用形态学相加的方法实现梨图像的背景去除和表面缺陷提取;提出花萼、果梗与表面缺陷的区分方法;借助Matlab软件进行仿真算法的编程,通过作者设计开发的Graphical User Interface(GUI)界面,对三个品种的梨表面进行了缺陷检测仿真实验,成功提取了其中的表面缺陷信息,实验结果表明,作者提出的方法在多种梨的缺陷提取上通用性强、准确性高.     

基于计算机视觉的产品自动检测系统的研究

产品的自动识别跟踪检测是智能计算机研究的热点。该文建立了基于计算机视觉的产品自动检测系统框架,采用多DSP的硬件设施,达到了实时处理的效果。核心算法为用P型傅里叶描述子进行特征提取,用卡尔曼滤波进行运动目标的跟踪检测。     

基于机器视觉的垃圾分类算法研究与应用

垃圾分类识别算法是目前研究的热点问题,本文通过引入色块追踪模块Lab颜色模型对YOLOv3算法进行优化,利用优化后的算法搭建训练模型。并针对目前垃圾类别利用网络爬虫爬取日常生活中常见的垃圾图像并进行分类,形成数据集。其次通过优化的YOLOv3算法对处理好的数据集进行模型训练,将训练后的模型进行模型检测。最后通过实际测试,优化后的YOLOv3算法识别的平均准确率达到了94.33%,与原始算法相比,优化后的算法在稳定性和准确度上都有了明显的改善。