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。     

基于视觉引导的多类型管件识别与位姿估计研究

针对管件在机器人抓取中的分类识别、位姿估计等问题,对随机摆放管件的模板匹配识别、立体匹配和三维位姿估计进行了研究.通过标定得到左右相机的内外参数,然后进行双目标定、矫正以及手眼标定.优化了模板匹配算法,利用亚像素级精度提取管件的边缘轮廓.选择合适的图像金字塔层数以提高匹配速度,实现多类型管件的分类识别.通过立体匹配提取...     

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。     

基于双目视觉的冷凝器管口识别与重建研究

为改善现有大型冷凝器清洗装置对冷凝器管口三维定位的不足,便于操作人员远程监控清洗效果,设计冷凝器清洗机器人视觉系统。采用平行双目视觉结构模型,通过冷凝器管口轮廓识别和基于全多重网格算法的立体匹配,实现管口三维定位和表面重建。实验结果表明：该系统能够有效计算冷凝器各管口三维坐标;与传统方法相比,管板表面三维重建效果良好,能够满足冷凝器可视化要求。     

基于机器视觉及深度学习的静脉药物调配机器人药瓶识别北大核心

静脉药物调配机器人需要对数百种不同类型的药物进行调配,不同药物药瓶类型的识别、测量是精准调配的关键。对静脉药物调配机器人在药瓶类型分类、药瓶关键尺寸测量等不同任务要求情况下,运用基于机器视觉方法和深度学习框架YOLOv5s,实现了一种高效稳定的识别测量方法。结合机器视觉方法的测量准确性,深度学习方法对背景、光源的不敏感性,实现配药过程中不同环节药瓶的准确识别、测量。并通过实验定量地检测背景、环境光源对于识别结果的影响。     

机器人视觉技术在活塞在线识别与分选中的应用研究

提出一种机器人手-眼视觉分步动态目标定位方法,实验中保持摄像机图像平面与工作台平面平行并对摄像机的拍摄高度进行设定,最终将目标定位在图像的中心位置。在目标类型识别过程中,采用BP神经网络技术识别目标表面的字符,实现对目标类别的判定。这两种方法相结合,用于活塞的在线识别与分选,由活塞表面的字符信息及活塞定位信息引导末端执行器完成对活塞的准确分选。     

基于双目视觉和距离误差模型的工业机器人运动学参数标定方法

基于距离误差模型的标定技术,建立机器人末端距离误差与机器人运动学参数误差间的模型关系,避免了标定过程中坐标系的转换误差,能显著提高标定精度。视觉测量技术具有测量精度高、非接触性、实时性强等特点,与传统的机器人末端测量手段相比,具有成本低、操作简单等优势。研究一种将距离误差模型与视觉测量技术相结合的机器人标定方法,用于提高工业机器人特定工作空间的精度。采用双目视觉系统,将相机外置于机器人进行测量。基于距离误差模型进行机器人参数标定,利用标定结果进行运动学参数补偿。结果表明:特定标定工作空间内的距离误差都有所改善;在标定轨迹上,绝对距离误差的平均值从0.279 9 mm减少为0.104 4 mm,非标定轨迹的误差降幅高达50%以上,验证了该方法的可行性。     

基于机器视觉多目标工件分类识别和定位研究

为实现对随机摆放的多类型工件进行分类识别和定位,提出一种基于连通域Blob分析与神经网络分类器相结合的方法。该方法运用机器视觉技术,以Halcon软件为试验检测平台,通过Blob分析提取工件的特征信息实现定位,并且应用提前训练好的神经网络分类器对多类型工件进行分类识别。试验结果表明:相比传统模板匹配和定位算法,该多工件分类识别和定位方案识别准确率达到100%,定位精度提升0.7 mm,识别和定位时间减少8.735 ms,具有更好的多工件识别定位效果,有一定的应用前景和推广价值。     

基于无限因子隐Markov模型的旋转机械故障识别方法

在机械故障识别方面,因子隐Markov模型是目前常用的识别工具。无限因子隐Markov模型(IFHMM)是因子隐Markov模型(FHMM)的一种扩展形式,克服了因子隐Markov模型链条数往往事先假定的缺点。本研究将无限因子隐Markov模型(IFHMM)运用到旋转机械的升降速过程故障的诊断当中,提出了使用IFHMM作为诊断工具的旋转机械故障诊断方法,并与基于因子隐Markov模型的旋转机械故障诊断方法进行了对比,最后将提出的方法成功地应用到旋转机械的故障中。实验结果表明,提出的方法明显优于FHMM识别方法。     

基于多特征融合与GA-BP模型的滚动轴承故障识别

针对滚动轴承故障识别问题,基于遗传算法(GA)和BP神经网络等技术,提出一种GA-BP神经网络模型。该模型以训练数据的输出误差作为目标函数,利用遗传算法对BP神经网络的初始权值和阈值进行优化选择。将经验模态分解能量比和时域特征相结合的特征向量作为BP神经网络的输入,对滚动轴承不同工况下的故障进行识别。滚动轴承故障诊断的实例表明:该模型较传统BP神经网络模型具有更好的收敛精度、收敛速度和识别率。     

智能车路径识别及控制策略的研究

以"飞思卡尔杯"智能车比赛为应用平台,以微控制器MC9s12xs128为核心单元,设计一套通过激光传感器实现路径识别的智能寻迹小车系统,利用模糊算法和过滤处理找出路径位置和方向,采用PD控制策略对小车运行进行控制。硬件设计包括信号调理电路、电源和电机驱动的设计等。实验结果证明,按该方案设计的智能车能够快速稳定运行。     

基于语义ORB-SLAM2算法的移动机器人自主导航方法研究

提出了一种基于单目视觉和激光雷达的同步定位与制图融合语义信息的新方法,该方法利用从单目视觉中提取的特征和在激光雷达深度地图中的对应关系来获得相对于关键帧的姿态数据,同时对图像进行语义分割;通过从深度卷积神经网络CNN获得的语义特征来细化语义信息,地图中的每个点都与一个语义特征相关联,以执行语义引导的本地和全局姿态优化。提出的语义标记和SLAM的耦合具有更好的鲁棒性和准确性。在室内环境中对装备单目视觉和激光雷达的移动机器人进行验证实验,实验结果表明:该方法可以提高机器人导航精度,实现机器人智能自主导航,同时也可以提供语义信息的图像数据。