基于手眼系统的视觉定位研究

针对自动化产品装配中的视觉定位问题,搭建一套基于手眼(eye-in-hand)系统的机器视觉装配实验平台。在Halcon软件平台上运用张正友标定法对相机内参数和外参数进行标定,并利用手眼关系方程CX=XD求解出机器人的手眼关系以完成手眼系统标定的过程,最终将手眼系统标定结果应用于视觉装配平面的目标点定位。其中以机器人定位到的目标点坐标为理想位置坐标,对视觉定位与机器人定位得到的目标点位置进行比较分析,验证该手眼系统视觉定位的准确性并对视觉系统进行不确定度评定,实验重复性良好。实验结果表明,用此方法得到的手眼系统视觉定位精度能达到0.6 mm,满足机器视觉生产线上产品装配的需求。     

基于改进Hough变换的纸塑复合袋视觉定位算法

目的 为快速精确获取纸塑复合袋纠偏过程中的位置偏移和倾角信息,提出一种基于改进Hough变换的纸塑复合袋视觉定位算法.方法 首先通过大津法对平台上的纸塑复合袋图像进行分割,去除皮带部分;然后利用基于方差的差异化滤波方法对纸塑复合袋图像进行降噪处理,突出复合袋图像边缘;最后运用Canny算子获取纸塑复合袋边缘点,利用改进的Hough变换算法对纸塑复合袋4条边线进行直线提取,求解纸塑复合袋的中心位置和倾角.结果 改进算法在直线提取精度和耗时2个方面均优于传统Hough变换算法,获取纸塑复合袋位置和倾角只需0.335 s,耗时减少了76％.结论 改进算法的耗时满足纠偏定位要求.     

基于机器视觉的电视机背板检测及自适应抓取研究

机器视觉广泛应用于装配、制造和加工等工业领域,用来保证产品质量,控制生产流程。将图像处理技术应用于自动化装配生产线,对电视机背板质量进行在线检测。为了实现对不同型号和尺寸的电视机背板的抓取,使用图像模板匹配方法确定当前背板的型号和检测当前背板的品质,并开发基于采集图像的视觉伺服自适应控制系统,该控制系统以西门子 PLC（programmable logic controller,可编程逻辑控制器）作为控制核心,通过串口通信实现PLC与Halcon软件的数据对接。使用Halcon中的工具箱对电视机背板采集图像进行运算以抽取目标的特征,并分析出抓取过程的坐标值,进而根据判别的位置坐标误差结果来控制步进电机调节偏移量以实现自适应抓取过程。针对图像处理后产生的电视机背板位姿累计误差,设计了一种标准模板中心参数值与增量误差值求差的方法,对背板位姿视觉定位误差进行补偿。通过抓取实验验证了视觉伺服自适应控制系统的可靠性较高,能满足自动化装配的工业生产需求。在生产实际中,电视机背板自动检测及抓取平台的应用能极大地提高电视机生产效率、节约人工成本、降低劳动强度和提高生产精度,该平台具有很好的应用前景。     

基于机器视觉的微小型零件精密装配

基于机器视觉的精密装配是实现微小型零件自动组装的重要方法.所研制的基于机器视觉的自动装配系统解决了某小型产品装配中的关键问题,其中包括待装配的零件尺寸相差大、形状和特征多样、表面质量差别较大、需要同时保证组装的位置精度和形位公差等.采用Canny边缘提取、圆的最小二乘拟合、轮廓提取、质心主轴计算、图像拼接等方法实现了待装配零件的识别定位,通过设备坐标系统的转换保证了小型零件的精确装配.实验结果表明装配精度小于40μm.     

基于视觉的工业机器人码垛系统设计与分析

目的 为提高企业工件的码垛效率,降低工人劳动强度,搭建工业机器人视觉码垛实验系统.方法 在对工业机器人运动学模型分析的基础上,通过相机坐标系和末端坐标系的坐标关系,得到工业机器人末端执行器的位置和姿态信息.结果 提出了基于工件位置坐标的图像剔除算法,实现了多余工件图像的剔除.通过旋转平移矩阵计算待码垛工件的实际位置,并将此位置作为视觉校正后的工业机器人抓取工件位置.结论 实验结果显示改进后系统的重复性定位精度在x,y方向上均有显著提高,验证了工业机器人视觉码垛系统模型的准确性.     

基于RHT-LSM直线检测方法的研究

本文结合随机Hough变换(RHT)抗噪声能力强与最小二乘法(LSM)拟合精度高的特性,提出了一种基于随机Hough变换与最小二乘法进行直线检测的方法.该方法能用于背景噪声较强,直线存在一定弯曲的图像,检测精度高.首先,用随机Hough变换确定直线的大致位置,得到直线参量和数量;然后,利用所得直线参数,计算图像中的点到直线的距离,根据距离,可以确定每条直线附近的点集,剔除干扰点和噪声;最后,用最小二乘法对点集中的各点进行拟合,得到精确的直线参量.把该方法应用于列车动态识别中的制动梁检测,得到了良好的效果.     

基于线结构光的空调四通换向阀高度测量

为提高空调四通换向阀高度测量的精确度以及加工焊接的效率,提出一种基于线结构光的四通换向阀高度测量方法。通过计算机视觉技术搭配线型结构光获取四通阀的表面形貌特征,基于结构光三维测量原理得到被测工件表面各点的实际位置坐标,从而实现四通换向阀的高度测量。实验研究表明,线结构光法测量结果稳定,并能得到较高的精确度,所得高度的误差小于0.5 mm,满足零件的加工要求。该方法可完成物体表面轮廓的三维重建,克服单目视觉测量过程中丢失被测件深度信息的缺点;并能实现四通换向阀生产线上工件的自动化检测加工,因而避免传统人工测量引起的低效、易疲劳等问题。     

基于Harris-Hough算法的芯片初始测试点对准方法

针对芯片测试设备中的机器视觉系统可以实现芯片自动对准的需求,提出一种基于Harris-Hough算法的芯片初始测试点对准方法。通过Harris角点检测算法获得图像中探针顶端的角点位置,建立图像位置定位基准;通过Hough变换提取芯片初始测试点位置,计算芯片初始测试点和探针顶端之间所需移动距离;在不同光学放大倍率下进行粗、细两步对准,达到所需定位精度要求。该方法经过Matlab编程实现,经测试验证,能够有效获得芯片初始测试点及探针顶端的位置坐标,准确度达到0.3μm。经过距离换算,可以为芯片测试设备的运动控制系统提供移动参数。     

基于双目视觉零件特征测量技术的研究

通过eye on hand模式，对上下料机器人配置双目视觉系统，将获得的图像进行处理后，判断工件的尺寸、位姿等信息，为上下料操作提供数据支持，使其能准确抓取工件。本文根据双目测量的理论基础，利用Harris角点算法获取零件的角点，对左右相机获取的图像进行区域匹配操作，进而获得工件的特征信息。最后，利用MATLAB对工件进行特征的提取和测量实验，为后续的研究工作提供了基础。     

基于改进随机Hough变换的快速中心检测方法

为了实现芯片焊盘的中心提取,建立了显微视觉系统,研究了焊盘中心坐标的图像检测方法.该方法将改进的随机Hough变换与最小二乘法结合起来,实现对焊盘中心坐标的快速准确定位.首先,根据焊盘基本为圆形的特征,初步确定使用Hough变换法和最小二乘法进行中心检测.其次,分析了这两种方法存在的问题和不足,引出了改进的随机Hough变换法.最后,根据焊盘边缘凹凸不平的特点,将改进的随机Hough变换法和最小二乘法结合起来,通过随机Hough变换检测出焊盘中心的大致坐标,进而锁定焊盘边缘,再通过最小二乘法对中心坐标进行修正而得到精确的亚像素级中心坐标.实验结果表明,该方法的检测精度可达0.57μm,运行时间在12 ms以内,满足显微视觉系统的精度高、速度快和抗干扰能力强等要求.     

飞机蒙皮铆钉孔的位置与法矢检测技术研究

在飞机蒙皮的自动铆接装配中,为将铆钉准确插入到相应的铆钉孔中,该文开展铆钉孔的位置与法矢检测技术研究。将单目视觉与十字线结构光投影相结合,研制一套十字线结构光视觉检测系统,并提出一种基于投影光条的位置与变化规律而获取铆钉孔空间方位的方法。由十字线激光器将十字线结构光投射于被测蒙皮表面并在其上形成投影光条,再通过摄像机采集其视野范围内的、同时包含有投影光条和铆钉孔的二维图像,而后经由系统标定和光条中心线提取来计算和表征出蒙皮曲面的成形轮廓和结构特征,并通过等效与叠加运算等获取到铆钉孔的孔心三维坐标与孔心法线方向。实验结果表明,该系统对于铆钉孔的坐标单次测量极限误差在±0.06 mm内,法矢方向的单次测量极限误差在±0.4°内,具有良好的重复性精度,可以满足蒙皮自动铆接过程中的插钉要求,从而为实现视觉伺服插钉功能提供检测技术支撑。     

面向机箱标准件装配质量局部特征的智能检测技术

标准件装配质量包含零件类型、位置偏差、姿态偏差等多个指标,还具有部位多、类型复杂的特点,该文提出基于装配局部特征的检测模板结合机器视觉的产品装配质量智能检测方案。首先,分析鉴别产品质量需从类型、位置、角度方面进行检测,还须结合装配公差要求,研究标准件局部特征检测方法;其次,通过标准件局部特征检测对装配部件进行快速准确定位、利用数学模型进行鉴别,结合SURF算法确定主方向及特征点,实现标准件装配质量的快速智能检测;最后,构建机箱标准件装配质量检测装置,对多个不同型号ADLINK嵌入式机箱进行试验。结果表明:与全局检测相比,使用标准件装配质量的局部特征智能检测技术,检测时间可缩短86.31%,实现零漏检,识别正确率达100%。     

典型鱼种自动化抓取装箱的装置设计

该文以黄鱼作为典型鱼种,针对大型养殖工船内黄鱼的高效规则装箱的加工问题,以减少人员工位、提高生产线自动化程度以及加快生产速度为目的,从黄鱼抓取方式、黄鱼装箱方式、箱体模具设计、箱体模具拆装等角度,设计了一种黄鱼自动抓取、装箱的方案以及相应的机械结构,建立了零件、装配体的三维模型,完成了黄鱼抓取装箱结构的机械设计,以实现黄鱼的自动化抓取装箱,无须人工干预。     

基于线结构光的柴油机缸盖三维形貌测量

为了获取某种型号内燃机工件的三维形貌数据,设计了线结构光非接触方式的移动扫描测量系统。探索出了以虚拟双目立体视觉原理为理论基础的相机光心平移轨迹所在直线的方向余弦标定的实现方法,从而确定由系统中各局部坐标系变换到系统全局坐标系的旋转矩阵R和平移向量T,进而求出系统中各个局部坐标系原点在系统全局坐标系下的坐标值,最后得到相机光心移动轨迹所在直线的方向余弦。探索出利用相机的移动距离及方向余弦将局部坐标系数据转换至全局坐标系的计算方法,扫描获取了某种型号柴油机缸盖的三维形貌点云数据,在此基础上设计算法从中提取出气道口的中心坐标,测量精度较高。采用逆向工程软件对工件进行了表面重构,结果与实际表面特征信息吻合良好。     

面激光测量传感器快速标定方法

本文提出了一种基于平面靶标的结构光系统参数快速标定方法。该方法基于摄影测量技术,使用编码点制作的平面靶标,由相机获取靶标平面光条图像,根据编码点的图像坐标以及靶标坐标,经过仿射变换和后方交会等处理,可以快速方便的得到光平面标定点的相机坐标,将标定点进行拟合即可完成标定。实验表明,该方法的光平面拟合中误差优于0.07 mm,系统测量精度的平均相对误差优于0.33%,具有较高的标定精度。同时该方法可以实现点、线、面等模式的结构光参数标定,通用性较强,标定效率较高,方法灵活,适合现场标定。     

基于视觉的机器人拧盖控制系统

机器人通过视觉对工件进行图像处理,获取工件随机位置的坐标信息,进而完成工艺作业,这种智能化的工作模式被越来越多的应用在工业生产中。该文介绍了一种基于视觉的机器人全自动拧盖控制系统。利用视觉相机和机器人进行标定后,建立绝对坐标,对工件进行精确定位,从而实现机器人拧盖工作。该系统包括机器人、视觉、伺服、传感器以及PLC,可以实现对空油桶桶口处的塑料盖和铁盖的松开,以及满油桶桶口处的铁盖的拧紧,与灌装系统对接后实现全自动灌装。该系统目前已经在益海粮油现场投入使用,运行稳定,满足生产需求。     

基于3D视觉的微通道换热器定位与尺寸测量

为实现微通道换热器生产线的自动化与智能化,提出一种基于3D视觉的微通道换热器定位与尺寸测量方法,以引导机械臂进行抓取上下料。首先,用3D相机以俯视角度拍摄产品,矫正获取的图像并将RGB图像与深度图像对齐;其次,通过产品3D信息的辅助实现精确的二维图像分割以及角点的二维坐标定位;最后,加权拟合角点的深度值,通过角点二维坐标及深度信息进行坐标转换得到其三维坐标,计算产品尺寸。实验结果表明:该算法能够在复杂的背景中实现精确的图像分割与尺寸测量,在测量距离为4000mm时相对测量误差可控制在1%以内,能够满足系统需求。     

电芯模组激光焊接装配线中原料包装箱智能识别上料龙门装置

目的 电芯模组激光焊接装配线上料单位质量大,存在用时长、效率低、上料精准度低的问题,无法满足装配线48 s持续、稳定、精准上料需求,因此基于机器视觉设计一种原料包装箱智能识别上料龙门装置。方法 采用SolidWorks设计龙门上料装置机械结构;基于工艺流程设计电气控制系统;通过机器视觉检测判定包装箱正反以确保正确供料方向;以第1个包装箱视觉检测位置为基准,确定每层4个包装箱的机械手抓取标定位置,并进行偏差补偿,以确定机械手实际抓取坐标;PLC与视觉装置通过TCP通讯,驱动吸盘准确吸取包装箱至入料口。结果 通过实践测试,龙门装置每包装盒上料速度为24~48 s。结论 系统满足装配线供料效率需求,上料精准度明显提升,节约了人力成本。     

基于计算机视觉的位移测试方法研究与实现

针对Hough变换、最优圆拟合两种圆检测算法进行了圆检测效果、算法应用范围及计算效率的对比分析;研发了基于圆检测算法的非接触性动态位移测试方法并应用于大型振动台实验。结果表明:Hough变换圆检测及最优圆拟合圆检测均具有较好的圆参数检测效果。Hough变换圆检测方法更适用于测试背景简单且需单次识别多个标靶圆的工况;最优圆拟合圆检测方法更适用于测试背景复杂的工况。应用非接触性位移测试方法于大型振动台试验中,测试了模型地基土的位移反应。应用基于机器视觉技术的位移测试方法可以有效解决复杂工况下的位移测试问题。     

基于机器视觉的分拣机器人6D位姿估计北大核心CSCD

为解决传统分拣机器人通过人工示教完成指定动作其自动化程度低、实时性差、可移植性弱等问题,研究设计了基于机器视觉的分拣机器人实验平台,提出了基于粗配准与增强精配准混合递进配准策略的6D位姿高精度估计方法。首先,将由视觉传感器采集的3D点云信息进行背景信息去除、目标区域裁剪、ROI提取等预处理;然后采用采样一致性初始配准算法(SAC-IA)进行位姿粗配准,再利用迭代最近点算法(ICP)进行精配准及正态分布变换(NDT)进行增强精细配准,以获得高精度6D位姿。实验结果证明,通过粗配准与增强精配准能够快速准确获得待抓取目标6D位置和姿态,与理论位置和姿态相比较其误差分别控制在1.5 mm和2°之内,满足分拣机器人的实际需求,所提出的方法便于在基于机器视觉的机器人装配、打磨等有高精度6D位姿估计场合推广应用。