基于单目视觉的工业机器人定位系统的设计

在工业生产中,工业机器人如何能够准确地抓取和摆放工件是自动化生产中的一个重要问题,而问题的关键是准确地获取工件目标位置和姿态的信息。针对此问题,以图像辨识、处理及视觉定位为主要研究内容,设计了一种处理简单、计算准确的单目视觉定位系统。该系统包含静态图像采集平台、图像测量模块及与之匹配的三维空间中单目定位算法与姿态测量算法。经测试实验,并通过对数据和误差进行分析,系统满足自动化生产过程中对工件的空间定位与姿态测量的要求。     

基于视觉的局部环境焊缝起始位置识别方法

采用视觉方法实现在局部环境中对焊缝及其起始点的识别。通过采用两步法的模板匹配方式，不仅提高了识别的速度，而且在全局匹配过程中通过区域分析的方法去除奇异点，提高了识别的准确性。在局部匹配过程中采用了动态调整搜索区域方法，并在焊缝端点附近的区域进行焊接起始点的识别及定位，从而提高了焊缝端点识别的准确性。试验表明，该方法具有较强的抗干扰性，并且运算速度较快，识别率较高，具有较高的实用价值。     

基于单目视觉的螺纹孔定位精度分析

针对自动化装配过程中的螺纹孔定位问题,提出了一种基于单目视觉的螺纹孔识别定位方法,并对螺纹孔定位精度进行了分析.利用工业相机对螺纹孔进行拍照,通过对图像进行识别和处理提取出螺纹孔特征,通过标定获得每个像素尺寸,经过坐标变换最终到螺纹孔物理坐标.对比分析了拍摄工件全局、拍摄工件局部两种不同方法获得的螺纹孔定位精度,定量分...     

基于LabView的焊缝视觉识别

将传统的模板匹配技术与焊缝边缘信息相结合,应用LabVieW提供的子Ⅵ(虚拟仪器)功能实现了对尺度变化及旋转角度变化的焊缝图像匹配识别。试验结果表明,该方法的识别准确性及精度较高,为弧焊机器人实现对焊缝位置的寻找提供了前提条件和依据。     

基于改进SIFT的室内机器人惯性视觉定位系统北大核心

对移动机器人室内单目视觉定位存在的定位精度较低,光照鲁棒性差的问题,提出一种基于改进SIFT的实时惯性视觉定位系统。首先压缩SIFT尺度空间,降低描述子维度;再利用结合位置信息的描述子曼哈顿距离进行FLANN匹配,PROSAC迭代优化。在跟踪阶段结合IMU获取的初值约束匹配,剔除误匹配。在回环检测阶段利用惯导位姿给定位姿初值范围,局部搜索SIFT特征点匹配实现重定位。在室内天花板数据集上验证改进SIFT算法,匹配准确率平均提升12.4%。在室内多个场景验证定位精度,平均定位误差为0.076 m。实验结果表明,所设计的算法能够在算力受限平台实现较精准的实时室内定位。     

基于融合BEBLID和改进ORB算法的单目视觉里程计研究

为防止FAST算法在纹理丰富的环境下提取的特征点过于密集,通过预设条件使特征点稀疏化,便于后续对极约束恢复相机的位姿;为保证相机摄入的图像帧中纹理较少,特征提取时不会丢失图像信息,提出根据特征点数量调整检测方式,使其自适应提取图像特征,增强对复杂环境的适应性;为提高图像特征的匹配精度,通过融入BEBLID使特征点描述符充分表达。经实验验证,面对复杂的场景,改进算法有较强的环境鲁棒性。改进算法的匹配精度要高于ORB算法,在算法耗时方面相较SIFT算法有量级提升。经轨迹测算后,相比于ORB算法,改进算法在相机运动上更贴合真实轨迹,在位姿精度上有较明显的提升。     

基于机器视觉的轮胎快速识别分拣方法

在生产诸如自行车轮胎等产品过程中,存在人工识别分拣工作量大、过程枯燥乏味及效率低下的现象。针对这一问题,研究了一种基于机器视觉的轮胎快速识别分拣方法,该方法依靠机器视觉系统抓取生产线工作区域图像,利用NCC(归一化积相关)模板匹配准确的特点快速匹配到轮胎上的固定编号,然后进行扇形固定区域扫描获取编号区域,通过双线性插值将定位出的环形区域转换为矩形区域,实现轮胎编号信息的快速识别,最终驱动机器人完成分拣工作。实验结果证明,该方法安全可靠,具有较好的实际应用价值。     

基于单目视觉的初始焊位导引技术

针对传统焊缝起始点自动导引技术所采用立体视觉方法存在系统复杂、导引过程繁琐等问题,提出了一种基于eye-in-hand单目视觉的焊缝初始位置导引方法.首先调节机器人关节并获取不同位姿下焊缝初始位置图像,然后建立经过初始焊位点的直线方程,并将其转换到位于机器人基坐标系下.进一步求取上述两直线交点,最终确定初始焊位在机器人基坐标系下的三维坐标,以此引导机器人运动.结果表明,该方法能够在保证精确度的情况下实现对焊缝起始点进行导引.     

基于特定平面的单目视觉焊缝起始点导引

为了解决传统采用立体视觉和模板匹配方法实现焊缝起始点自动化导引过程中存在的算法复杂、运算速度慢以及导引精度不高等问题,提出了一种基于特定平面的单目视觉焊缝起始点导引方法。首先,采用“单目双位”和随机一致性算法对放置待焊工件的工作平面进行标定,将导引范围限制在该特定平面上;然后以手持点激光作为主动光源照射到该平面上,在保持摄像机坐标系姿态不变的情况下,导引摄像机至焊缝起始点,进而计算该点在机器人基坐标系下的三维坐标指导机器人运动使焊枪到达焊缝起始点。     

基于局部模板匹配的GMAW初始焊位识别及工艺研究

为解决超超临界锅炉悬吊管自动焊初始焊位导引问题,提出了一种基于模板匹配的机器人GMAW初始焊位识别的新方法.对焊接机器人单目CCD视觉传感器的手-眼关系进行快速标定,对待匹配图像和模板图像进行了预处理,利用翅片角点特征,采用搜索策略和匹配算法对工件进行初始焊位识别,计算初始焊位偏差值并发送机器人控制器进行焊缝纠偏.分析...     

基于深度学习的单目视觉水下机器人目标跟踪方法研究

介绍了一种基于深度学习的单目视觉水下机器人目标跟踪新方法,采用该方法能够使自主水下机器人(AUV)在水下复杂环境中实现图像增强处理与目标识别跟踪,对于视频图像中的每个图像,使用预先经过训练的深度卷积神经网络计算图像传输图,图像传输图提供了图像深度信息的相关估计,该方法能够识别水下目标区域,并标明水下目标运动及跟踪方向。实验表明:该方法能够更精确、更稳定地获取水下环境中的定位数据。     

一种基于DSP服务机器人的单目立体视觉跟踪算法

介绍了一种基于DSP服务机器人的单目立体视觉跟踪算法。该算法通过中值滤波、帧差分,运用圆盘型腐蚀获得运动的图像,并通过运动目标在图像中的质心坐标来计算运动轨迹。避免了使用复杂算法来计算移动目标的位置。该算法实现简单且运算量较低,适合于运算能力不强的处理器。本文通过MATLAB仿真验证了这种算法。     

基于深度学习的轴端编号识别算法设计

随着制造业能力的不断提升,产品生产过程的自动化程度越来越高。对于传统的视觉识别算法,需要拥有大量工程技术和专业领域知识的人才能对视觉识别进行建模,并且设计的算法只能适应单一工况不具有通用性;而深度学习算法是一种通用的学习算法,通过训练可以识别不同种类的不同目标。基于此,针对某企业曳引轴加工过程中轴端编号的识别,设计了可进行端到端训练的识别算法。系统通过高精度工业相机获取目标图像,获得的原始RGB图像不需要进行预处理便可输入到网络当中,由深度学习算法对目标进行识别。实验表明所设计算法鲁棒性好且准确率高。     

基于机器视觉的钢拱架定位检测方法

针对岩石隧道掘进机(TBM)钢拱架拼接施工过程中的定位问题,提出一种基于机器视觉的钢拱架铰接孔定位检测方法。根据钢拱架拼接的现场环境,设计图像采集系统;使用具有旋转不变性的归一化的互相关值(NCC)模板匹配算法,可快速匹配钢拱架铰接孔所在的感兴趣区域;基于一维像素序列上的灰度梯度确定铰接孔外轮廓边缘点,并使用基于随机抽样一致性(RANSAC)算法的椭圆拟合方法确定钢拱架铰接孔圆心,实现钢拱架定位,为钢拱架拼接提供位姿信息。结果表明：该方法可实现钢拱架铰接孔的高效率、高精度定位检测。     

基于机器视觉的漆包线组装识别与电阻点焊定位系统

为了解决漆包线电阻点焊过程中焊点难以精确定位,并由此产生虚焊、焊偏及漏焊等焊接质量问题,设计了一种基于机器视觉的漆包线组装识别与电阻点焊定位系统.分析漆包线点焊定位过程中的各种不良组装模式,研究识别与定位系统的图像处理算法,制订了定位策略及规则.首先利用模板匹配提取ROI,得到漆包线与焊盘所在区域图像;其次采用阈值分割...     

单目视觉的大型零件三维测量方法

以单目视觉为基础,构建一种便携、大量程的在线测量曲面重构系统。当辅助靶标上的刚体测量头与曲面待测点垂直接触时,测头上的开关同步控制摄像机来获取靶标标志点的特征图像信息,进而由计算机进行图像处理得到各标志点的像面坐标,最后再经过坐标转换即可得到被测物体的三维坐标。通过对系统进行标定,提高了测量精度;通过摄像机的转站实现了最优视点规划分析,提高测量范围和自动化程度;另外,对系统测量不确定度进行论并提出了改进措施。     

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VisionPro的工业机器人视觉定位系统

基于美国Cognex公司的VisionPro机器视觉开发软件对工业机器人视觉定位系统进行开发,可以加快应用程序开发周期,从而降低公司周期成本.视觉定位系统基于VisionPro采用C#编程语言进行开发,利用VisionPro中的图像获取、摄像机标定、目标物体匹配等工具完成目标定位和输出结果.实验证明该视觉定位系统具有实用意义.     

基于视觉技术的连接器孔位识别与定位装配

针对圆形连接器生产过程中撑簧圈难以自动装入的难题,提出一种基于机器视觉技术的连接器基座孔位识别与定位的撑簧圈自动装配方法。通过CCD工业相机采集基座图像,利用中值滤波、二值化等图像处理技术实现图像去噪抗干扰处理以准确提取特征数据。进一步,通过连接器基座主键角度计算模块和孔位坐标定位算法实现任意规格的基座主键旋转角度的计算和孔位坐标定位,并最终完成撑簧圈的自动装配任务。采用13芯基座进行现场测试,结果显示主键旋转角度不超过1.35°、装配合格率达到100%,验证了系统的有效性。     

基于计算机视觉反馈的AGV定位停车研究

为了实现AGV的准确定位停车,采用视觉反馈法。首先经过图像处理,当发现定位停车标志符后,小车记录此时标志中心点到车辆中心的距离,并根据直线运动公式对距离进行判断,当距离为零时,小车停止。在标志符识别及配准过程中,采用了统计特征区域黑点数与模板图中的黑点数对比来筛选模板的方法以减少模板匹配的计算量,并利用SSDA算法进行图像配准。结果表明:在标识符形状差别较大、黑点数距离比较远的情况下,点的匹配率达到98%,识别准确率较高。