应用摄像机位姿估计的点云初始配准

基于摄像机位姿估计的数学模型,提出了一种检测摄像机位移前后目标图像特征点的方法,通过求解摄像机发生位移前后的相对位姿矩阵来解决应用视觉图像获得点云的初始配准问题。首先,介绍了摄像机位姿估计模型,包括本质矩阵、旋转矩阵以及平移矩阵;然后,介绍了SURF算子的特征点检测、描述和匹配的方法,在此基础上面向双目视觉和单目结构光系统,分别提出了摄像机位移前后目标图像SURF特征点匹配和深度估计模型;最后,分别进行双目视觉和单目结构光系统点云的获取、位移前后目标图像特征点检测匹配和深度估计实验,应用摄像机位姿估计模型求解旋转矩阵和位移矩阵,并对位移矩阵进行统计分析剔除粗差。实验中采用基于点云空间特征点和基于图像的方法进行对比,点云对应特征点均方误差缩小至12.46mm。实验结果验证了方法的可行性,表明本文的点云初始配准方法能较好地获得点云精确配准初值。     

基于神经网络的锂萃取率软测量模型研究

在锂萃取实验实现自动化控制基础上,针对锂萃取率目前不能在线测量的问题,分别采用RBF神经网络和小波神经网络对锂萃取率软测量模型展开研究.先从锂萃取实验获取基础实验数据,再把实验数据分为训练和预测数据,分别采用RBF神经网络和小波神经网络,对锂萃取率软测量模型进行了多输入单输出和多输入多输出模型试验.试验表明,小波神经网络比RBF神经网络,具有较好的泛化能力,建立了多输入单输出和多输入多输出锂萃取率软测量模型.     

采用示教杆的机器人喷涂轨迹生成方法研究

为了解决汽车局部漆面的机器人喷涂轨迹快速获取需求，提出了一种采用示教杆的工业机器人喷涂轨迹生成方法。该方法设计了1∶1复制工业机器人D -H模型参数的示教杆，并建立了基于B样条曲面算法的喷涂轨迹路径点及姿态生成模型。在方法测试中，介绍了喷涂轨迹生成的实验流程，以汽车翼子板和车门为例，采用示教杆进行表面轮廓点获取与路径位姿生成仿真，最后在协作机器人（负载5kg）进行在机运行测试。测试表明，所提出的方法能够快速获得喷涂目标区域轨迹，验证了方法的可行性。