水果采摘机器人视觉系统与机械手研究进展

水果采摘机器人对实现水果装备自动化智能化具有重要意义。对近年国内外水果采摘机器人领域关键技术研究工作进行总结,根据水果采摘机器人的重要组成结构与关键技术,对水果采摘机器人视觉系统的关键技术：传统基于水果特征的图像分割方法如阈值法、边缘检测法、基于颜色特征的聚类算法与基于区域的图像分割算法,基于深度学习的目标识别算法以及目标果实的定位等进行分析和对比;总结了水果采摘机器人机械臂与末端执行器的技术发展现状,指出水果采摘机器人存在的问题;对未来水果采摘机器人的发展趋势及方向进行了展望,可为水果采摘机器人相关研究提供参考。     

基于双目立体视觉的机械手精确定位系统

在机械手执行任务的过程中,控制机械手定位到目标位置是一个非常的机械手自动定位系统设计方法,由双目立体视觉系统根据目标物的二维图像计算出目标物的三维坐标,然后根据此三维坐标去控制机械手自动运动到目标位置.实验表明该系统能提高排爆机器人机械手的易操作性,大大提高了机械手的性能     

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。     

平行双目视觉系统的定位误差补偿

测量精度在平行双目视觉系统的应用中非常重要.为了提高测量系统的精度，提出了基于改进的BP神经网络的误差补偿策略。采用不同位置处的测量数据作为学习样本，利用训练好的网络模型预测测量系统的误差，对测量结果进行误差补偿，得到新的数据作为测量值。实验结果表明，该方法的结果值相较原始数据，误差减少了70%，为提高视觉系统的定位精度提供了一种新的思路。     

基于机器视觉算法的高速工业机械手定位控制方法

针对高速工业机械手在强扰动环境下定位性能不高的问题,提出基于机器视觉算法的高速工业机械手定位控制方法.构建高速工业机械手驱动定位的参数辨识模型,结合模糊约束参量控制的方法进行位姿修正和自适应调整,在机器视觉下采用模糊自适应控制律进行高速工业机械手的定位误差反馈修正,建立驱动力学解析模型,在优化的动力学和运动学联合控制下...     

采摘机械臂位置误差补偿方法研究

对采摘机械臂的结构误差补偿作了探讨,提出了基于模糊稳健性的误差补偿方法以及关节最小误差补偿量求解算法,并对5自由度采摘机械臂末端位姿误差补偿进行仿真分析,结果表明模糊稳健补偿后末端位置误差明显减小。     

基于双目立体视觉的番茄识别与定位技术

根据颜色特征利用阈值自动设定的方法对图像进行分割,自动、快速识别红色番茄;采用形心匹配取代常规的特征点选择和匹配方法,对双目立体成像测距公式进行了修正,经过验证,当工作距离小于500mm时,距离误差可以控制在±10mm以内。     

双目视觉平台的研究

本文介绍了双目视觉平台的研究目的，意义和现状，着重介绍了其研究内容和方法，指出在双目视觉平台研究中双目区配，视觉运动集成是研究的重点和难点，总结了研究中存在的困难和以后的研究方向。     

基于机器视觉的圣女果采摘机械臂的动作研究

针对当前圣女果采摘机器人无法保证带蒂采摘的问题,提出一种通过机器视觉进行圣女果姿态分析进而生成特定的机械臂采摘动作的方法;该方法通过模拟人手采摘流程,能够使得机械臂末端执行器到达采摘位置时与圣女果的果蒂方向保持一致;整体系统包括对成熟圣女果的目标检测,测距算法的实现,圣女果方向识别以及机械臂动作生成;根据轮廓拟合算法的思想进行算法改进,实现针对圣女果的更加精确、稳定的方向识别算法,从而获得机械臂末端执行器与圣女果果蒂方向一致的目标位姿,进而实现相应机械臂采摘动作的生成;多次实验表明,改进后的对于圣女果方向的识别算法相较于传统轮廓拟合算法而言误差角度更小,对于不同姿态圣女果的方向识别更具稳定性,因此更加适用于实际采摘流程中根据圣女果姿态生成机械臂的特定采摘动作。     

基于视觉识别的机械手无抖振定位控制

采用当前方法对机械手进行定位控制时,定位控制所用的时间较长,控制结果与预期结果之间的误差较大,存在定位控制效率低和控制精准度低的问题。将视觉识别技术应用到机械手定位控制中,提出基于视觉识别的机械手无抖振定位控制方法,对采集得到的机械手图像做DCT变化处理,将机械手图像变换到频率域中,采用高斯同态滤波去除机械手图像中存在的噪声,将高斯模型作为分割模型对去噪后的机械手图像做分割处理,得到机械手的轮廓区域。结合Softmax分类器和稀疏自编码网络对机械手进行无抖振定位控制,采用贪婪训练算法根据顺序对网络进行训练,将训练得到的特征点输入Softmax分类器中对机械手进行微调,实现机械手的无抖振定位控制。仿真结果表明,所提方法的控制效率高、控制精准度高。     

双目立体视觉的目标识别与定位

双目立体视觉系统可以实现对目标的识别与定位.此系统包含摄像机标定、图像分割、立体匹配和三维测距4个模块.在摄像机标定部分,提出了基于云台转角的外参数估计方法.该方法可以精确完成摄像头旋转情况下外参的估计,增强了机器人的视觉功能.并利用广茂达机器人系统,基于改进的双目视觉系统进行目标识别与定位,以此结果作为依据控制机器人的手臂进行相应运动,最终实现了对目标物体的抓取,验证了提出方法的可行性.     

机器视觉技术在荔枝识别与定位研究中的应用

为解决串型荔枝图像识别和定位问题,提出以Harris与SIFT算法融合的采摘点计算与匹配为基础,进行平行双目立体视觉模型下采摘点定位的研究方案。首先对荔枝YCbCr色彩空间的Cr灰度图进行二次阈值分割,分类识别出荔枝串、荔枝果与结果母枝。其次,提取识别果实区域的最小外接矩形、质心等特征信息,结合在结果母枝上检测的Harris特征点计算出采摘点的二维图像坐标,并对计算采摘点进行基于SIFT向量搜索的立体匹配。最后,对计算采摘点进行视觉定位及其深度误差分析实验,实验数据表明：在354~590?mm距离范围内,插值补偿后的采摘点的定位深度误差小于10?mm,能够较好满足荔枝采摘机器人的现有技术要求。     

双目立体视觉三维重建实验平台研究

三维重建是计算机视觉和虚拟现实领域的一个重要研究内容,其中,欧式重建以其直观能够反应物体原貌的特点在反求工程中得到了广泛的应用。为反求工程的需要开发了一套基于双目立体视觉的三维重建软件,综合考虑了欧式三维重建误差产生多种因素,给出了一整套比较完备的欧式三维重建流程,基于真实图像的实验结果表明,该实验平台可以获得较高的重建精度和良好的重建效果。     

基于粗精立体匹配的双目视觉目标定位方法

针对双目视觉系统定位精度较低的问题,提出一种基于粗-精立体匹配的双目视觉目标定位方法。该方法采用粗-精匹配策略：在粗匹配阶段使用基于Canny-Harris特征点的随机蕨算法对左右图中的目标进行识别,提取目标矩形区域的中心点,实现中心匹配;在精匹配阶段建立一种基于图像梯度信息的二值特征描述子,将中心匹配得到的右中心点作为估计值,设定像素搜索范围,于该区域中找出左中心点的最佳匹配点。最后,将得到的中心点匹配对代入平行双目视觉的数学模型中,实现目标定位。实验结果表明,在500 mm距离范围内,所提出定位方法的定位误差控制在7 mm内,平均相对定位误差为2.53%,相比其他方法具有定位精度高、运行时间短的优点。     

基于双目视觉的无人机悬停精度测量研究

为评测悬停状态无人机的稳定性,设计了一套基于双目立体视觉的无人机悬停状态评测系统。首先结合双目相机标定对视频图像校正,并利用提出的邻域灰度改进分级匹配策略,获取匹配特征点;然后根据重建原理计算求得视野中无人机三维坐标数据;最后利用悬停精度测量函数评测无人机的稳定程度。实验证明系统有效匹配目标的特征点,计算出目标三维坐标,同时根据其相对控制精度的浮动,对无人机悬停状态进行评测。     

基于畸变校正的双目立体摄像机线性标定

利用透视变换原理建立双目立体摄像机数学模型,全面考虑了镜头的径向畸变和切向畸 变,提出一种线性求解摄像机参数的标定方法,改变了以往的摄像机标定依赖于非线性优化的缺点,避免了非线性优化的不稳定性.该标定方法在单摄像机模型的基础上,加入对双摄像机相对位置的确定,通过成像过程中坐标系之间的转换,较好地实现了双目立体摄像测量系...     

基于立体视觉的人脸三维空间位置定位方法*

针对基于姿势的自然人机交互接口设计中头部定位问题,提出了一种快速的人脸三维空间位置定位算法。首先采用级联肤色分类器与类Haar特征分类器的人脸检测器对左右路输入的图像进行快速的人脸区域定位;然后利用仿射模型匹配局部收敛性好、速度快的特点实现了左右路图像的人脸区域对齐;最后通过立体视觉原理恢复人脸的三维空间坐标。实验结果证明,提出的人脸三维空间位置定位方法速度快、定位精度较高。     

双目立体视觉中的摄像机标定技术研究

以张氏标定方法为基础,提出以圆心作为标定点的2D平面模板标定方法,通过与基于方格角点的标定方法以及基于方格形心的标定方法进行比较,证明了该方法的有效性。又运用BP神经网络来模拟立体视觉系统三维空间与二维图像平面之间的物、像对应关系,建立了双目立体视觉系统的摄像机隐式标定模型,避免了因数学模型的不完善而带来的系统误差。实验证明该方法能够获得较高的标定精度。