基于机器视觉的Delta机器人分拣与跟踪系统设计

为了提高Delta机器人动态抓取的精度与速度,提出了一种基于欧姆龙NJ控制器的Delta机器人控制系统。通过采用欧姆龙NJ运动控制器和EtherCAT内部高速总线将Delta机器人的运动控制和外部运动逻辑控制进行无缝对接,实现一体化控制。同时为了提高抓取效率,利用Delta机器人视觉系统识别抓取目标的位置,去掉重复图像信息,进而提出一种动态的抓取算法,实现了机器视觉与机器人动态抓取的完美结合。通过对样机进行测试表明:该Delta机器人在分拣与跟踪目标过程中漏抓率小于2%,误抓率为0,表明该系统能够达到抓取系统的实时性要求,在实际工程中具有一定的应用价值。     

基于机器视觉的工件识别与定位系统设计与实现

机器人关节工件组装生产过程中,工件种类多、产量大、人工分拣与装配困难等问题,为了提高生产速度和效率,提出一种基于OpenCV视觉技术的机器人关节工件识别与定位检测方法.首先,通过工控机读取相机的工件图像,并进行图像灰度化、均值滤波、自适应阀值分割等图像预处理过程,得到二值化图像;其次,从二值化图像中提取出工件的轮廓,之...     

基于机器视觉的工件识别系统

针对生产制造过程中枯燥的零件识别、分拣等工作,利用Lab VIEW建立了具有机械视觉的识别系统。通过对工作区内零件进行图像采集、处理,甄别不同形体的零件以实现零件的分拣工作,可以极大促进生产的自动化程度,提高生产率。最后通过实验验证了设计的实用性。     

基于手眼立体视觉的弧焊机器人平面工件定位系统

在工业生产中应用的焊接机器人都是示教再现式的机器人，在批量生产时这种机器人要求每次工件定位必须一致，否则需要重新示教；带有离线编程系统的机器人同样存在工件定位问题，如果工件定位不准，焊接机器人无法按原离线编程系统生成的路径完成焊接。作者针对平面工件开发了一套基于手眼立体视觉的弧焊机器人工件定位系统，首先对摄像机的内外参数和机器人手眼关系进行标定；然后控制机器人运动，使安装在机器人末端的摄像机在两个不同的位置取像；最后通过图像处理和立体视觉的方法来计算出平面工件在机器人基坐标系中的三维信息。试验表明该系统获取的工件定位信息精确。该系统为焊接机器人自主焊接奠定基础。     

基于机器视觉的手机镜头机器人装配应用研究

介绍了机器视觉在导引手机镜头(由LENS、BARREL部件构成)机器人装配中的应用,采用直角坐标型机器人设计成手机镜头机器人装配设备,进行手机镜头同一对位置下的镜头装配实验,获取手机镜头LENS、BARREL部件在各个位置下的图像,通过模板匹配的方法确定部件的坐标值,导引手机镜头机器人装配.实验表明:机器视觉方法具有实时、在线、非接触、重复误差小、精度高、自动化等特有的优点,在机器人装配中具有较好的应用前景;设计出手机镜头机器人装配设备已经成功运用于某公司,各项性能、效果良好,均满足客户要求.     

一种基于Delta结构的书法机器人的研制

针对目前市面上串联式书法机器人体积大,动作灵活性差、运行速度慢以及成本高等缺陷,研究一种基于Delta机器人的并联式书法机器人。该书法机器人将Delta作为机器人本体,使得书法机器人体积小巧,运动快速灵活,准确度更高。该机器人的毛笔夹持机构和纸张输送机构可实现自动换笔和输送纸张,提高了自动化程度。利用Inscape软件将所需要书写的汉字转换成相应的坐标代码,机器人读取坐标代码,通过基于单片机的控制系统驱动机器人进行书写,降低了工作量,提高了书写效率。     

基于Faster R-CNN神经网络的钢卷端部缺陷检测

钢卷的端部质量不但影响后续生产的效率和稳定性,还影响产品的整体产品质量.然而目前国内外大部分钢铁企业仍是靠人工进行检测,尚未有高效、准确的设备对端部质量进行监控.为此,研究了通过机器视觉和Faster R-CNN神经网络对钢卷端部缺陷进行定位和检测的方法.研究发现,Faster R-CNN神经网络在经过足量的有效数据训...     

基于机器视觉识别的小型机器人分拣搬运系统的研制

提出一种小型机器人分拣搬运系统的设计和研制方法。它基于机器视觉识别技术对工件进行辨识,用四自由度机器人进行搬运和分拣。主要研究内容有分拣系统的总体设计、部件和附件的设计、视觉系统的基本原理和编程、四自由度机器人的示教以及I/O通信和编程等。该系统己应用,效果良好。     

一种基于改进Faster RCNN的金属材料工件表面缺陷检测与实现研究

目的 针对传统检测算法在工件表面缺陷检测上的局限性,以及检测精度不高、准确率较低、检测过程繁琐等问题,提出了一种基于改进RCNN的金属材料工件表面缺陷检测算法。方法 图像预处理过程中,运用了图像缺陷定位标注与图像数据的增强处理的方法。模型训练时为了避免某些分类数据不足,防止因数据集过小导致系统测试模型出现过拟合现象,使用了对原图像进行数据扩增处理。检测网络模型设计时,采用非极大值抑制算法对缺陷图像进行候选区域筛选,构建了区域建议网络,实现网络多层特征的复用和融合,在减少候选区域冗余的基础上提高系统的检测精度。引入多级ROI池化层结构设计算法,消除ROI池化取整而产生的系统偏差,实现高效并准确检测零件表面缺陷的目的。基于ROI-Align算法的原图位置坐标改进,利用双线性插值法获得原图的位置坐标,克服了基于最近邻插值法的ROI-Pooling设计算法带来的像素位置偏移和检测不匹配（misalignment）的问题。结果 设计的检测方法在测试集上,金属材料工件表面目标缺陷检测速度达22 帧/s,准确率达97.36%,召回率达 95.62%。结论 与传统的工件表面检测方法相比,改进的FasterRCNN方法对目标识别与定位处理具有较快的速度与较高的准确度,能在复杂场景条件下,提升工件表面缺陷的检测性能。     

基于机器视觉的工件的在线检测

利用HALCON软件提供的算子对摄像机内、外参数和机器人"手眼"系统进行标定,在此基础上结合视觉检测技术提出了一种工件在线缺陷检测的方法。该方法是根据触发时刻的空间位置来确定抓取时刻工件位置的一种空间相量平移方法,接着利用图像处理软件发出的电信号来控制机械手来完成缺陷工件的动态抓取工作。最后利用C++完成人机界面的设计,经调试可完成实时在线检测、可达到生产要求精度。     

级联结构与Faster R-CNN相结合的焊缝缺陷检测

针对目前风电塔筒焊缝缺陷人工检测或自动检测方法中存在的安全性差、效率低和准确率低等问题,提出一种改进Faster R-CNN焊缝缺陷检测方法。首先,制作焊缝缺陷样本数据集,并对有限的数据集通过数据增强技术进行样本扩充,改进RPN网络,利用K-means聚类方法生成更加接近目标区域的anchor box;同时结合ResNet深度残差网络,获取更小的焊缝缺陷细节特征,最后为了能获得精确的缺陷位置,采用一种基于IOU(intersection over union)值的三层级联结构。实验结果表明,改进后的Faster R-CNN模型对5种焊缝样本的检测mAP值为89.6%,对工厂的实际操作有较高的应用价值。     

基于机器视觉的MOTOMAN机器人轨迹控制

基于机器视觉的MOTOMAN机器人轨迹控制方法具有较强的灵活性,可以很好地适用于MOTOMAN机器人涂胶、切割等作业。使用张正友标定法对CCD相机的内参与外参矩阵进行求解,得到图像坐标系与机器人坐标系之间的转换关系;分析背景差分法与二值化法各自的优缺点,提出使用背景差分法与二值化结合检测法对CCD相机所捕捉的目标轨迹图像进行特征提取;对提取的特征图像进行细化与去噪处理;针对提取目标处理后得到的点序,对Motocom32库函数进行封装;机器人调用Motocom32库函数完成对MOTOMAN工业机器人的实时控制。通过试验验证了该方法的准确性     

基于机器视觉的机器人作业目标定位

为了满足生产制造过程中物料无序分拣的需要,设计基于机器视觉的机器人作业目标定位系统。利用Qt开发人机交互界面,实现图像采集处理、通信和机器人运动控制功能。对图像进行阈值分割等处理,得到理想工作区域。通过机器人视觉系统标定实现相机像素坐标和机器人基坐标之间的转换,得到机器人坐标系下的工件位姿识别。在机器人目标抓取平台上随机摆放一定数量的工件进行数据采样,结果表明：系统准确度以及速度具有优势。     

基于机器视觉和深度神经网络的零件装配检测

针对工业生产中存在着大量的零件识别定位以及装配检测等,传统人工检测效率低、劳动强度大、识别不准确。文章提出了一种基于深度神经网络的零件装配检测方法。首先该方法对零件图像和装配图像进行采集,选择Mask-RCNN网络进行训练,对装配零件进行分类以及定位,通过已识别的零件类型判定装配件是否存在漏装;然后将分割后的零件图像进行二值化处理,利用Canny算子提取零件图像轮廓;最后利用图像的Hu矩特征与正确的零件图像轮廓进行对比,判断装配是否正确。通过实验验证可得,该方法在零件装配中的漏装和换装检测中效果较好,并表现出较高的鲁棒性。     

基于视觉的工业机器人装配演示示教研究

针对工业机器人编程效率低下、智能化程度不高和人机交互性能弱等问题,提出一种基于视觉的工业机器人装配演示示教系统,该系统包括目标检测与中心点定位模块、装配动作分类识别模块和机器人动作执行模块。在目标检测与中心点定位模块中,提出一种目标物体中心点定位和机器人抓取方法,使用实例分割算法识别物体类别,通过掩码均值化处理和坐标转换计算物体3D姿态信息;在装配动作分类识别模块中,建立基于深度学习网络的动作分类识别模型,该模型的输入为装配动作视频帧,输出为动作分类标签;最后,机器人动作执行模块根据物体类别、物体3D姿态和动作分类标签等信息规划机器人装配动作,控制机器人执行装配任务。以轴孔装配为例,验证了上述方法的有效性,实现了基于视觉演示的机器人装配模仿编程,对机器人演示示教研究具有一定的参考价值。     

基于机器视觉的Baxter机器人抓取算法研究

针对传统机器人结构化示教抓取无法满足智能制造生产过程中实际抓取需求的问题,对机器人在非结构化场景下的多目标灵活抓取进行了研究,在分析了传统机器人抓取检测方法的基础上以智能协作式机器人Baxter作为操作对象,融合机器视觉技术提出了一种基于改进的Canny边缘检测和Hough变换的机器人抓取检测分类算法,并最终实现了机器...     

基于视觉的并联机器人药袋分拣系统设计

药袋包装是生产过程中一个重要的环节,将传送带上的药袋高速、准确地摆放到药袋盒子中对提升药袋包装的生产效率具有十分重要的意义。设计一款基于视觉的并联机器人药袋分拣系统,系统利用Robot Control系统控制并联机器人的运动,Soft PLC负责外围信号采样、逻辑控制等功能,MM240/A编码器输入模块记录药袋识别后的编码器增量值。药袋位置、摆放角度与轮式编码器增量值关联并传递给Robot Control系统,实现对药袋的视觉追踪和高速分拣。结果表明,该系统成功实现了药袋的视觉跟踪和抓取工作。     

应用机器视觉的工件表面质量检测

工件在传输工程中不可避免地发生旋转和平移,快速准确地将检测工件与标准工件图像中的目标对准是应用的关键。为此,本文研究了应用机械视觉进行工件表面质量检测的方法,提出了以工件目标的角点为识别特征,结合遗传算法快速确定变换参数的目标对准算法,在此基础上建立了一个应用机器视觉技术的工件表面质量实时检测系统。检测结果表明,该方法能有效地从各种旋转、平移后的待检测图像中实时检测出缺陷工件。     

基于图像的采摘机器人模糊视觉伺服系统研究

果蔬采摘机器人是一类工作于非结构环境中的复杂光机电一体化产品,对其感知能力和智能化的要求比一般工业机器人高.将模糊控制应用于果蔬采摘机器人视觉伺服系统,选取果实图像重心坐标作为模糊控制系统的输入变量,构建模糊控制器;利用自调整因子对输出控制量进行修正,得到精确的输出控制量的模糊控制表.实验结果表明:基于图像的果蔬采摘机器人模糊视觉伺服控制系统克服了机器人视觉伺服系统的时变性、非线性和强耦合,具有较快的响应速度和很好的鲁棒性.