基于视觉技术实现侧围外板零件在非精度料架上自动上件的研究与应用

汽车工业的发展越来越倾向于无人化与智能化,汽车制造工艺流程中一些较大的外表面零件要实现自动上件,首先需要克服大零件的搬运,机械手的成熟应用已经可以克服该问题。但是如何基于现有汽车制造工艺,使用最小的改造费用实现自动上件,这是下面需要重点研究的问题。考虑现有汽车制造工艺流程中,鉴于前期规划成本考虑,一般的零件上件方式均为人工上件;人工上件时人员搬运零件都具备一定的自动纠错能力,及时零件在料架中的摆放位置不是特别精准,员工也可以将零件正确搬运出来,同时不影响零件的质量,最终实现上件工作。但是机械手抓取零件时,是有一定的公差要求的,如何实现机械手在非精度料架中实现自动抓取零件,然后实现自动上件,需要借助视觉设备以及视觉算法,通过视觉引导功能来帮助机械手纠正轨迹偏差,实现自动抓取功能。通过RobotStudio来仿真方案的可实施性,建立预集成平台,实物模拟实际工况,同时提高视觉技术与非精度料架匹配使用的可靠性和准确性。     

基于视觉引导的自动组装技术探究

机器视觉技术在自动化领域应用广泛,传统的视觉组装大多基于单个相机拍照、抓取、校正、组装的步骤来进行,忽略了抓取后的位置信息,使得组装的精度不高.设计四轴直角坐标型机器人控制系统,引入下相机对产品进行二次定位.对上下相机进行手眼标定,通过视觉处理引导机械手完成组装,为验证系统的有效性,以方块组装进行试验,在取料、放料位置...     

机器人视觉传感系统与数控机床的组合应用研究

介绍了机器人视觉传感系统的基本组成和现有机器人在抓取料时存在的种种问题,该应用建立了机器人视觉传感系统,提出了相应的实现方法和技术,运用了网络通讯、工业相机、图像处理等扩展技术,引导机器人精准无误地抓取工件。实践应用表明,该灵活准确组合,能够满足生产现场加工的需求。     

机器人视觉系统在焊装车间自动上件应用

各大车企焊装车间内,车身零件分总成的上件主要还是采用效率低下的人工上件方式,为解决零件分总成外购件无法保证输送料框精度问题,通过视觉系统与机器人结合自动识别上件方式,直接从精度较差料框中自动抓取零件上线,分总成零件上件自动化率提升效果显著,为焊装车间智能制造水平提升探索提供了实践方向。     

车丝机视觉机器人上下料系统仿真设计

以石油套管接箍车丝机视觉机器人上下料系统为研究对象,利用UG和RobotStudio软件建立了接箍车丝机视觉机器人自动上下料系统仿真模型.利用Halcon图像处理软件对抓取工件进行中心定位,并开发了人机交互界面.设计了机器人专用上下料夹具,创建系统Smart动态组件,添加了I/O信号实现设备通讯.编写机器人离线仿真程序,完成机器人柔性上下料系统仿真和优化.仿真结果表明,设计的仿真系统实现了机器人视觉精准抓取工件柔性上下料功能.     

零件的双目视觉识别定位与抓取系统研究

针对生产制造过程中零件的自动定位、识别与分类等问题,构建了基于双目立体视觉的零件识别定位与抓取系统,对每个零件应用SIFT算法进行特征提取和匹配识别,应用双目视觉实现零件的三维定位,运用MATLAB和VC++混合编程技术,实现零件自动识别定位系统的软件开发.经实验验证,结合机器人控制软件,本系统能够快速准确地得到物体三维位置信息进而完成抓取任务.     

视觉引导机器人协作AGV上下料系统研究

本文构建了一套引导机器人抓取物料的机器视觉定位系统。该系统以机器人,AGV和相机为硬件基础,借助软件平台对目标进行检测、识别及偏移误差计算等研究,在机器人程序内进行二次运算,根据相机软件运算的数据与机器人示教工件坐标系的数据建立偏移坐标模型,给出mark点偏移量与工件抓取点偏移量的转换关系,从而引导机器人精确抓取物料。经过实验数据验证,该系统具有较高的精度,可以精准有效的控制机器人对物料进行操作,对类似的作业类型有较好的参考价值。     

机器人视觉定位误差分析与试验研究

机器人视觉定位误差对于机器人准确抓取具有重要的影响。基于Hexsight 4.0和四轴视觉运动平台,首先对CCD相机进行标定,然后选择圆形、正三角形、正四边形、正六边形等典型图案,测量了视觉机器人对目标的抓取精度及机械臂转动角度的误差,分析了典型图案目标对视觉定位精度的影响。视觉机器人对圆型、正四边形的定位误差为0.4~1.2 mm,对正三角形、正六边形的定位误差为0.5~1.8 mm.对圆形的角度跟踪精度误差在-0.2°~0.2°,对正三角形、正四边形、正六边形的角度跟踪精度误差为-0.3°~0.5°.研究结果对于视觉机器人抓取和上下料的应用具有一定的实际意义。     

基于形状匹配的装配定位方法

机器人要完成零件的准确抓取,关键问题之一是需知道零件的精确位置。传统的机器人抓取零件多采用的是示教编程方法,当装配区零件的摆放位置发生改变,需重新编制控制程序,缺乏一定的柔性。为改善装配机器人的零件定位,出现了各种各样的定位方法,其中基于视觉的定位方法应用广泛。为此,本文引入了基于形状匹配的装配定位方法。首先,标定了机器视觉系统的相机变形,并将其应用到图像采集中;其次,通过图像金字塔的搜索策略和最小二乘法的优化方法,实现了形状匹配的亚像素定位。最后,由5个零件的装配实验,验证了定位方法具有较好的实时性和识别率。     

基于计算机视觉的排爆机器人半智能作业模式

为提高排爆机器人的智能性和易操作性,提出了排爆机器人的两种半智能作业模式:基于计算机视觉的目标物自动抓取模式和联动操作模式.在基于视觉的目标物自动抓取模式中,操作者只需在传回的现场图像中标出目标物,机械手臂就能自动抓取;在联动操作模式中,操作者能对机械手臂进行"整体"的联动控制,控制机械手臂的手爪的各个方向运动,很方便地抓取目标物。抓取实验表明,这能提高机器人的智能性和易操作性,及作业的抓取精度.最后,对误差的各种原因进行了分析。     

笨重不规则零件全自动供料系统的研究分析

采用点、线、面、立体的方法逐层分离零件,实现笨重不规则零件的自动供料。首先,利用高压循环水产生的冲击力使零件在水中翻滚,然后落到刮板分层输送线上,实现成堆零件分层;然后通过限高限位通道实现零件排列整理;最后通过视觉识别定位获取每个零件的准确姿势,将姿势参数传送给机器人控制系统,机器人自动调整手爪角度,实现零件360°范围内准确抓取,最终实现笨重不规则零件全自动供料。     

基于工业机器人与机器视觉的红外传感器装配系统设计北大核心

针对红外传感器装配过程存在工件位置不准确等问题,设计了基于视觉定位技术的红外传感器自动装配系统。机械结构由工业机器人、供料单元、输送单元、视觉检测单元、快换工具单元和机器人第七轴等组成;利用视觉系统识别传感器端盖的位置和角度,并将结果换算到机器人世界坐标系,使机器人能够准确抓取到工件;搭建了基于以太网通信的PLC控制系统,完成红外传感器各零件的出料、输送、抓取及自动装配控制。实验表明,所设计的系统自动化程度高,运行可靠,具有较高的推广应用价值。     

基于视觉的机器人物料矫正系统

"物料矫正"是自动化生产线上工业机器人最常见的动作之一,对流水线上的产品进行姿态检测后按照特定程序摆放。文中引入工业相机作为视觉技术环节,在保证了跟踪抓取的精度的同时,进行物料矫正。研究了视觉引导机器人的跟踪矫正动作,为实地生产的工业自动化提供技术支持。     

基于视觉引导的Delta型并联机器人运动优化

针对Delta型并联机器人抓取过程中的快速性和稳定性问题,提出一种基于视觉引导的轨迹优化算法。通过获取视觉相机识别出的随机放置于传送带上的工件实时位置,以抓取路径最短和机构平稳性最优为综合优化目标,采用粒子群优化算法对抓取轨迹进行优化。选取工件以正态分布和平均分布2种方式随机分布在传送带上。仿真结果表明,优化后的抓取轨迹提高了抓取效率,同时有效降低了抓取运动对机构末端冲击。     

基于视觉引导的工业机器人定位抓取系统设计

以美国国家仪器公司的视觉开发模块NI Vision为软件支撑和以ABB-IRB120型机器人,摄像机和传送带为硬件基础,对视觉识别与检测系统进行了模块化设计,构建了一个基于单目视觉的工业机器人工件自动识别和智能抓取系统,其中ABB-IRB120型工业机器人作为操作手臂,用CCD相机、运动控制器和工控机搭建了机器人视觉控制平台,通过建立抓取系统的参数化模型给出图像坐标到机器人坐标的转换算法,利用NI Vision中提供的图像处理、模式匹配等方法,在C#环境下进行开发,实现了目标定位和机器人控制两大基本功能,最终控制机器人完成目标工件的抓取。     

基于视觉引导的ABB机器人定位与抓取

目前工业机器人在上下料时大部分都是采用预先示教或者离线编程的方法,具有很大的局限性。因此,研究了一套基于视觉引导的ABB机器人定位与抓取系统。通过手眼标定得到工件坐标相对于机器人基坐标的坐标变换,通过ABB机器人的PC-Interface模块功能把定位坐标传输至机器人控制器,使机器人运动到相应位置抓取工件。通过多次实验数据分析,定位误差在0.76 mm左右,具有很好的实用性。     

板式换热器上料机器人3D视觉引导系统

为实现板式换热器在氦气检漏工序的自动上料,设计了基于RealSense 3D相机的视觉引导系统.采用深度信息与连通域分析结合的方法找出板式换热器的最小外接矩形,并根据深度信息微调最小外接矩形的4个顶点,使其在同一深度距离平面上,减小了误差;将最小外接矩形的中心坐标作为工件坐标发送给可编程逻辑控制器(PLC)进行坐标转换,PLC将实际偏移值发送给机器人完成抓取.经实验验证,抓取4种不同型号、分布于4个工位且摆放层为1～4层的板式换热器的平均抓取成功率为98.3％;在机械手速度设定为AUTO模式下最高速的50％时,每抓取一个工件耗时59.29 s,能够满足氦气检漏工序上料的节拍需求.     

一种Delta机器人平移标定与动态补偿算法

针对Delta机器人视觉控制系统中机器人坐标和相机坐标空间不重合的问题,提出一种平移标定算法,使整个标定过程更加简便和准确,提高视觉识别算法预留时间,解决了Delta机器人视觉识别系统空间限制的影响;并针对Delta机器人机械臂运动时间的影响提出了一种动态补偿算法,提高了机器人抓取准确度和稳定性。     

视觉机器人的零件识别与抓取方法研究

为了满足视觉机器人能够精准抓取平面零件的需求,提出一种加入深度学习算法的零件识别与定位方法。首先,利用YOLOv4-tiny目标检测算法对目标物体进行识别,并提取出感兴趣区域（Region of Interest,ROI）送入PSPnet语义分割网络中进一步提取ROI。然后,将ROI区域进行亚像素级的模板匹配,并计算目标物体的深度信息。在目标物体中心坐标求解中,以ROI区域的最大内接圆的圆心作为目标物体的中心。最后,利用D-H法对机器人进行运动学解算,并进行抓取试验。实验结果表明：该方法的深度误差率大约为0.72%,视觉机器人抓取零件成功率达到91%,具有较高的定位精度和抓取成功率,可以满足实际工业分拣搬运需求。     

基于单目视觉的移动机械臂抓取作业方法研究

针对移动机械臂自主抓取作业过程中目标识别慢、作业精度低的问题,对基于单目视觉的目标识别与定位算法以及机器人作业精度提高方法展开了研究。以全向移动平台、工业机器人和单目相机等硬件为基础构建了一套移动机械臂抓取作业系统;对单目视觉模板匹配法进行了归纳,采用基于随机树分类的特征点匹配算法对目标进行快速准确地识别与定位;完成了相机内参数标定和机器人手眼位姿标定,分析了手眼位姿与抓取位姿的关系,提出了一种修正手眼位姿的抓取误差补偿方法,减小手眼标定误差对抓取误差的影响,最后进行了移动机械臂的抓取/放置实验。研究结果表明:采用上述方法能够快速准确识别目标,有效减小作业误差,并达到较高的作业精度。