基于视觉和GA的机器人最短分拣路径控制

针对元件分拣作业效率低下、传统的二维约束矩阵自动化程度低的问题,结合机器视觉和遗传算法,提出一种最短分拣路径优化策略。首先,对视觉系统进行标定解算出机器人-像素坐标系位姿变换关系;其次,运用深度学习识别出目标元件,以开启多线程的方法对3类目标框进行图像处理得到定位结果;最后,创建三维动态约束矩阵,运用贪心策略和遗传算法组合算法对分拣路径进行优化,探究不同的元件放置和元件组成对路径优化的影响。实验结果表明,优化后的分拣路径较随机路径缩短了2.12%~15.2%,分拣效率提高了0.52%~3.06%。实验结果揭示的相关规律对分拣作业的实际应用具有重要的现实意义。