基于机器视觉的工业机器人自动分拣系统设计

经济的发展推动了我国工业自动化进步,自动分拣是工业自动化中的一部分,传统的工业机器人自动分拣系统的分拣精确度较低,无法满足目前的工业化生产需求,因此基于机器视觉设计了新的工业机器人自动分拣系统.硬件部分设计了CCD图像采集器和运动控制卡,软件部分首先处理了工业机器人自动分拣图像,其次基于机器视觉识别了自动分拣工件类型,...     

基于工业机器人与机器视觉的芯片分拣系统设计

随着科技的发展,近年来工业机器人技术的不断发展成熟,在制造领域中,工业机器人的应用范围也越来越广.由工业机器人、机器视觉检测、PLC等系统构建的芯片分拣系统,可以实现复制式、可定制化生产,避免了工人的重复性劳动,减少了工作负担,让生产工作更加灵活,提高了工作效率.     

基于角偏移控制算法的机器人伺服寻迹系统设计

机器视觉和嵌入式系统是机器人领域研究的热点。随着计算机技术的发展,机器视觉在工农业生产和国防等领域已得到成功的应用。本文将机器视觉和嵌入式系统综合用于竞赛机器人的运动控制,构建一个嵌入式机器人视觉伺服寻迹系统的平台,完成相关的硬件和软件设计及制作。设计制作的试验平台能够动态地获取、处理和分析视频图像数据,将分析结果反馈于机器人本体驱动电机,实现机器人本体的自主动态寻迹,且其误差精度能得到很好的保证。     

基于机器视觉的机械手装配系统设计

为了解决工业生产过程中料板的自动装配问题,提出了一种基于机器视觉的机械手定位装配检测系统,建立了实验平台。系统通过工业相机对料盘进行图像采集,将所采集的信息传送给工控机,借助图像处理程序,采用图像预处理实现了对图像的降噪,结合BLOB分析对图像特征进行了提取,获得了料盘上装配孔的位置信息,通过控制机械手动作,移动到装配位置,旋转相应角度,实现料板的自动定位装配。实验结果表明,该系统装配准确度高,误差小,满足了工业上的要求。     

基于机器视觉的工业机器人定位系统

建立了一个主动机器视觉定位系统,用于工业机器人对零件工位的精确定位.采用基于区域的匹配和形状特征识别相结合的图像处理方法,该方法经过阈值和形状判据,识别出物体特征.经实验验证,该方法能够快速准确地得到物体的边界和质心,进行数据识别和计算,再结合机器人运动学原理控制机器人实时运动以消除此误差,满足工业机器人自定位的要求.     

基于机器视觉的电力巡检机器人自动化系统设计

为实现巡检中更低的误检率,设计一种基于机器视觉的电力巡检机器人自动化系统。利用远距离激光雷达配合多种设备,实现机器人的定位导航。根据图像预处理模块能够实现巡检图像的色彩分割、降噪滤波等处理。总控平台模块主要由六部分构成,分别为图像识别单元、核心服务单元等。通过硬件与软件相结合实现机器人的电力巡检功能。实验结果表明,设计的机器人运动指标良好,能够实现高效变电站巡检,同时系统的巡检导航性能良好,巡检误检率较低,说明系统满足设计需求。     

双足机器人实时障碍检测视觉系统

提出一种双足步行机器人的实时障碍检测视觉系统．基于图像平面与机器人行走地面之间的映射变换矩阵的唯一性准则，判别图像中的像点是否位于地面上，高于或低于地面的点被认为是障碍点，为减少实际行走过程中系统外部和内部参数变化对映射变换矩阵的影响，系统加入了在线校正映射变换矩阵模块．在提取出障碍物体边缘后，通过对其三维信息的简单恢复，建立了机器人行走空间的障碍投影图．该系统计算量小，可靠性强，能基本满足双足步行机器人实时避障的要求。     

使用机器视觉的柔性机器人装配质量控制

柔性机器人装配系统在现代制造系统中已越来越重要，装配质量控制是柔性机器人装配系统中的关键技术之一，装本质量控制的主要任务是检测装配状态的正确性并采取相应的措施施保证装配质量，本文提出了柔性机器人装配控制的模型以及实现这个模型的一些有效方法，最后给出一实例。     

基于机器视觉的机器人定位抓取的研究进展

传统工业机器人工作大多是通过示教或者离线编程的方式,按照规定的路径进行工作,功能单一,一旦场景发生改变就不能有效工作,智能化程度低且适应性差,无法满足柔性制造业的要求.而视觉机器人利用视觉技术获取目标物及其周围环境的信息,并能通过决策来引导工业机器人完成对路径规划和目标的抓取工作.针对视觉机器人抓取系统中的关键技术,对...     

双足机器人视觉系统的设计与应用

在一个十自由度双足步行机器人的平台上,基于双目视觉进行机器人视觉系统的设计.该系统包括两部分:一部分用于处理视频信号,另一部分为闭环控制系统.在信号处理部分,利用两个CMOS摄像头采集到的视频信息作为输入信号,基于TI公司的OMAP3530微处理器在Linux操作系统下进行图像信号的分析、计算等处理,输出机器人距离目标物的距离.在控制部分,以第一部分的输出信号作为输入,用DSP作为控制芯片实时控制机器人步态,并将步态调整结果作为反馈信号,使整个系统形成闭环控制,实现了机器人的自主控制.基于该思想,实现了对双足机器人步态的稳定控制,实验结果验证了该方法的可行性.     

基于机器视觉的工业机器人分拣控制系统探究

在工业生产环节中,工件分拣是不可或缺的一部分.其作用是将不同型号的工件、物料分类摆放到对应的位置.随着科技的发展,机器人的性能、系统等也在不断提高,为了推动机器人分拣技术的进步,本文从机器视觉的角度出发,研究机器人分拣系统,并为整个控制系统的方案设计、运动学分析、对工业摄像机的标定、图像处理、运动目标的跟踪以及机器人分...     

基于机器视觉的机器人物料分拣系统的设计

随着生产技术发展和产业转型升级,机器人代替人工劳动是大势所趋,而视觉是机器人的“眼睛”。分拣是工业生产过程的关键环节,但传统分拣工作多以人工分拣为主,这降低了生产效率,且难以保证产品质量。运用基于机器视觉的机器人物料分拣系统,能对不同颜色的物料进行准确识别和精准定位。本文阐述了机器视觉应用的意义、基于机器视觉的机器人物料分拣系统组成,设计了基于机器视觉的机器人物料分拣系统软件,分析了系统的应用优势。通过实践,实现了基于机器视觉的机器人物料分拣系统功能,提高分拣安全性、可靠性和工作效率,从而提高工业生产的智能化,适应产业发展需要。     

基于机器视觉的机器人自动上料系统设计

本文提出一种基于机器视觉的机器人自动上料系统的设计方案.系统利用相机对工件形状、大小和位姿信息进行采集,上位机的图像软件进行处理并与设定好的标准模板进行特征匹配,最后通过PLC控制的工业机器人利用获得的位姿信息进行快速抓取,触摸屏能够作为操作平台和监控设备来保障系统稳定运行.实验结果显示,自动上料系统能够精确抓取物体,...     

基于机器视觉的砂轮片智能更换机器人设计

钢铁棒材轧制过程中切割砂轮锯是必不可少的装备,其使用的大型砂轮片（单片50±2 kg,直径1250 mm）每2.5 h更换一次。过去采用的是传统的人工更换,两位工人需耗时30 min,使棒材轧制无法连续生产,且砂轮螺母松紧度无法把握,太紧会使砂轮炸裂,太松容易出现安全事故,大型砂轮片更换已经成为冶金装备行业共性技术难题。“无人值守”砂轮片智能更换机器人的到来破解了轧钢实现数字化生产最大的卡脖子难题,实现了全智能在线更换、精准控制螺母松紧度、减少了棒切割的停机时间,大大提高了生产效率,降低了工人劳动强度,改善了工作环境,提高了经济效益,具有广阔的应用前景。     

基于机器视觉技术的全自动微点焊机器人的研究

针对目前电声电子器件铜引线人工难以识别定位的问题,本文提出了基于机器视觉识别技术的微点焊机器人的系统,采用图像处理算法和机器视觉标定方法,解决电声电子器件铜引线的精确定位问题。实验结果证明,该系统能够有效提高微点焊的效率和质量。     

基于机器视觉的审计机器人控制设计

机器视觉技术在机器人移动控制中的研究已成为当前的热点。设计一种应用单目视觉摄像机的机器人移动控制方案,在分析四个参考坐标系的前提下,着重分析摄影机标定和目标位的定位,通过目标物的搜索算法来实现审计机器人的移动控制。HSV颜色模型将图像的亮度信息均给予了一个分量,而将颜色信息给予了另外两个分量。目标控制跟踪算法成功跟踪的次数为194次,相比较于改进RRT、TEB、AGV其他三种目标搜索方法,目标控制成功率的提升率数值分别为13%、65%、9%。所给出的目标搜索算法具有较高的路径质量,同时也能获得数量更多的理想路径,这为机器人的移动控制提供了新的技术支持。     

基于机器视觉的自主式救援机器人的研究

本文将面向自主式救援机器人,从现阶段日本、中国对自主式救援机器人研究现状出发,深入分析自主式救援机器人的功能需求和硬件设备需求,并且结合自主式救援机器人工作中所具备的功能进行研究。在灾害事故当中,由于环境复杂救援人员难以勘探真实的灾害环境,从而影响救援效果,而自主式救援机器人则能够通过自身强大的移动、远程通信、监测与跟踪等功能为救援人员提供帮助。面对灾害事故频发的现代化社会,救援机器人的研发已成为全球重要的研究事项。     

基于机器视觉的芯片引脚缺陷检测系统设计与实现

针对双球红外接收头芯片人工缺陷检测难度大、误判率高等问题,设计了一个基于机器视觉的引脚缺陷检测系统,对双球红外接收头芯片的引脚进行缺陷检测,达到分辨出合格品和瑕疵品的目的;首先,通过工业相机实时采集芯片图像,并对图像进行滤波、灰度化等预处理;然后利用VisionPro视觉软件的PMAlign工件进行图像特征匹配,计算引脚个数以判断引脚是否缺失,利用AnglePonitPonit工具计算引脚间距以判断引脚是否弯曲;最后将检测到的芯片位置信息和识别结果通过socket通讯协议发送给工业机器人;工业机器人根据识别结果,将合格品和瑕疵品分别抓取至不同区域,实现对芯片的分类管理;实验结果表明,该缺陷检测系统误判率为0.4%,满足工业生产的要求。     

基于嵌入式机器视觉的流水线分拣机器人设计

针对传统流水线上人工错误率高、速度慢和人工成本高的问题,设计了一种深度学习的流水线智能分拣机器人来缓解流水线的压力。该机器人采用分层结构设计,上位机采用Jetson Nano来完成机器人的图像采集、识别和处理,下位机由STM32G0作为主控,通过舵机和电机实现机器人的功能控制。同时上位机与下位机之间进行有效的数据交互,实现了机器人的抓取和分拣协调工作。在实验测试中,该机器人能够通过学习样本实现自动分拣不同类型的对象,并且能够精确识别。该流水线分拣机器人融入了计算机视觉与嵌入式系统,不仅使分拣机器人结构更紧凑,而且有利于提高社会生产力水平,具有良好的应用前景。     

基于机器视觉的机器人动态目标检测系统

由于机器人动态目标检测系统在检测过程中缺少对动态物体的准确标定,导致检测精度不高。基于此,设计基于机器视觉的机器人动态目标检测系统。首先,对机器人动态目标检测图像进行处理,基于机器视觉对处理过后的图像信息进行动态目标检测标定;其次,根据标定传输数据畸变校正动态目标检测图像,从而实现动态目标检测;最后,进行实验对比分析。实验结果表明,该系统的动态目标检测误差小,能够实现动态目标检测。