基于改进SSD算法的工件检测

针对自动化生产线上运动的工件检测准确度要求高,部分小工件难以检测的问题,提出一种基于SSD改进的工件目标检测算法.在SSD算法的基础上,将SSD的骨干网络VGG16替换为ResNet50,并增加输出特征层的预选框数量,其次加入特征金字塔(FPN)的算法思想,将网络中的底层特征与高层特征融合,解决了SSD算法中对底层特征...     

基于机器视觉的工件识别与定位系统设计与实现

机器人关节工件组装生产过程中,工件种类多、产量大、人工分拣与装配困难等问题,为了提高生产速度和效率,提出一种基于OpenCV视觉技术的机器人关节工件识别与定位检测方法.首先,通过工控机读取相机的工件图像,并进行图像灰度化、均值滤波、自适应阀值分割等图像预处理过程,得到二值化图像;其次,从二值化图像中提取出工件的轮廓,之...     

基于改进图像结构算法的钣金件特征点识别

针对平面钣金件轮廓特征点识别中,特征点受边缘噪声影响,易出现伪特征点、切点难识别及特征点识别定位精度低等问题,提出了一种基于改进图像结构算法的平面钣金件轮廓特征点识别方法。首先,对特征点进行粗提取,通过判断轮廓点两相邻轮廓段的类型,并计算轮廓点间斜率差的绝对值,将斜率差的绝对值和阈值比较,分别获取切点和角点的候选特征点集;其次,进行特征点精确识别,将候选特征点进行分组融合,并引入直线度指标对线段轮廓上的伪特征点进行滤除,最终完成特征点的准确识别。实验结果表明改进的识别算法可以准确地识别平面钣金件轮廓特征点,能够滤除掉所有伪特征点,识别精度更高。     

基于改进的SURF_FREAK算法的工件识别与抓取方法研究

为解决自动化生产线上工件的准确、实时定位与抓取问题,提出改进的SURF_FREAK算法,将其应用于工件的识别与匹配。该算法首先利用加速稳健特征(SURF)算法提取特征点,随后对FREAK算法添加中距离点对进行特征点的描述,在汉明距离相似性度量之前添加极线约束匹配工件图像。研究结果表明:改进的SURF_FREAK算法相比传统的尺度不变特征变换(SIFT)、SURF、SURF_FREAK算法,其在工件的识别速度和匹配准确度上有很大的改善。将该算法应用于工业现场,可以快速准确地识别出工件,结合双目技术完成工件的定位,通过运动学逆解求出机械臂各关节的移动量,传送到控制器,实现对工件的抓取。     

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。     

基于局部特征的位姿求解算法北大核心

为提高点云数据配准精度,更准确获取目标物体位姿信息,提出一种基于局部特征的多源数据匹配位姿求解方法。首先,通过3D深度相机获取模型三维点云数据,并根据梯度阈值算法从大量点云数据中得到物体表面梯度值;其次,使用L+边界提取算法提取物体边缘轮廓特征信息,再遍历实体大量点云数据求解二维轮廓特征值,从而对输出的轮廓特征数据建立特征数据库;最后,对获取的点云数据特征进行数据处理,通过Hu矩匹配算法找到相对应的数据源后再由F-ICP匹配算法获取模型位姿。结果表明基于局部特征的多源数据匹配算法可以有效对点云数据进行位姿计算,匹配精度得到提升。     

基于双目视觉的船舱格子间角焊缝路径识别

针对船舱格子间工作空间狭小,大型自动化设备难以完成舱内自动焊接的问题,提出了一种基于双目视觉获取焊缝路径三维信息的策略。基于张正友标定原理获取双目系统基本参数后,利用C++与OpenCV编写了自适应阈值的二值化处理、改进的Sobel轮廓提取算子、非连续像素点筛除等程序,对双目相机采集的图像进行处理,提取了清晰、低噪点的直角角焊缝中心轮廓图像。基于BM特征点匹配算法与像素点扫描方法,得到了焊缝轮廓上连续特征点的三维信息数据集,利用Origin作图软件拟合后生成了三维直角角焊缝路径。为了验证双目系统测距精度与鲁棒性,设计了可升降、角度可调的滑轨万向节组合模块,实现了从不同拍摄角度、高度采集焊缝图像,并对焊缝上设置的等距特征点的距离进行识别。试验结果表明,当拍摄偏角在30°之内,或正拍高度在150～190 mm内变化时,测距偏差都可以控制在2 mm内,基本满足焊接的精度与稳定性要求,并为焊接的自动化循迹过程提供了数据基础。创新点： (1)将双目视觉识别测距技术应用于小型船舱格子间内矩形角焊缝中心路径的识别,为自动化的焊接过程提供了循迹数据基础。(2)设计了滑轨万向结模块,证实了该双目视觉识别系统在不同角度与高度下良好的鲁棒性与识别精度。     

基于改进YOLOv3算法的堆叠工件检测

针对传统物体检测算法识别堆叠工件存在准确率低以及漏检的问题,提出一种基于改进YOLOv3算法的堆叠工件检测方法。首先,引入Inception结构增强特征检测网络的特征提取能力,提高堆叠工件检测的准确率;其次,引用增强型特征金字塔结构(enhanced feature pyramid network, EFPN),提高模型多尺度特征融合能力,改善算法漏检率高的问题;最后,利用K-means聚类融合交并比损失函数(intersection over union, IOU)重新确定工件锚框,解决YOLOv3网络预设锚框尺寸不适合现有工件的问题。实验结果表明,改进算法均值平均精确度(mean average precision, mAP)达到92.89%,相较于原始YOLOv3算法提高了5.32%,F1值为0.95,召回率为93.33%,精确率为97.65%,满足堆叠工件检测的指标要求。     

零件识别图像预处理算法研究北大核心

图像预处理是零件特征提取与识别的基础,处理质量直接决定后期识别的效果。提出了基于灰色关联分析的图像分割新算法,该算法通过分析像素点序列与代表目标的参考序列的灰色关联度来进行区域分割。通过测量实验,证明其对于在较复杂背景图像中较模糊的目标边缘具有较好的检测效果。可完整的提取出目标区域,并得到连续封闭的目标边缘,为后续的零件目标识别打下了良好的基础。     

基于机器视觉的工件识别系统

针对生产制造过程中枯燥的零件识别、分拣等工作,利用Lab VIEW建立了具有机械视觉的识别系统。通过对工作区内零件进行图像采集、处理,甄别不同形体的零件以实现零件的分拣工作,可以极大促进生产的自动化程度,提高生产率。最后通过实验验证了设计的实用性。     

基于UMAC的超精密研磨抛光机工件坐标系的建立北大核心

在开放式数控系统的研制过程中,基于机床坐标系的加工方式对于某些特定的加工对象不完全能够适用,因此建立工件坐标系很有必要。当不同空间直角坐标系之间进行转换时,常用方法是七参数法,通过最小二乘法求得各参数的最合适值。通过采集原点、X轴正向一点和XOY平面第一象限任意一点三个特定点来转换机床坐标系和工件坐标系,该方法采集点数少,计算值准确。由于安装误差等原因导致机床坐标轴的正交性不准确时,该方法建立的工件坐标系不受其影响。     

基于改进SIFT的无人机双目目标识别与定位北大核心

对无人机自主着陆系统中双目视觉采集到的地标图像进行了研究,在分析地标图像中存在模糊噪声以及大量背景干扰问题,提出一种基于改进SIFT算法的无人机双目视觉目标识别与定位方法。首先,采用基于OTSU与HSV的ROI算法对无人机双目图像进行目标识别与分割预处理操作,将目标准确识别;其次,针对双目视觉获取三维信息效率慢的问题,采用基于改进的SIFT算法对已识别的地标进行特征提取,生成二进制描述符,并采用局部敏感哈希算法对特征点进行稀疏匹配,提高目标特征匹配准确度及效率;最后,采用相似三角形原理计算每个特征匹配点的三维距离,获得无人机与目标之间的平均三维距离。实验结果表明所设计的算法相较于传统的SIFT算法更具有可行性和有效性。     

基于特征分割识别的点云配准

针对大型工业零件难以一次扫描点云模型的问题,基于工业零件包含大量规则面(平面、柱面、锥面)的特点设计了一种点云的自动配准方法.首先,提出一种基于生长区域算法的点云配准预处理算法并实现,将点云基于曲率变化和连续性分割成多个子点云,再基于特征面提取出子点云的特征属性(法线、轴线);其次,设计出一种点云粗配准方法并完成粗配准...     

复杂铸件的计算机辅助网格离散

采用特征点定网格，分层取剖面，特征色确定网格材料信息等技术，开发了运行于ＡＵＴＯＣＡＤ环境的计算机辅助三维网格离散软件系统ＧＲＩＤＣＡＤ，可准确、高效地完成复杂铸件的三维网格离散，也为铸造工艺ＣＡＤ软件与凝固数值模拟软件的系统集成奠定了基础。     

基于改进SIFT算法的机械臂识别抓取研究北大核心

为解决水下机器人进行水下目标物识别时,存在的计算速度慢、抗噪声能力差等问题,提出一种基于SIFT和FLANN的图像识别算法,并在自主研发的机械臂平台上进行验证。使用改进算法提高目标识别的准确率;基于D-H法建立机械臂模型进行运动学分析,实现系统优化控制。利用机械臂进行多组抓取实验。结果表明:所提方法不仅可以准确地识别海参,同时可以自动调节识别框的位置,提高机械臂抓取的成功率,验证了该算法的有效性。     

基于改进YOLOv5算法的带钢表面缺陷检测北大核心

针对当前带钢在表面缺陷检测过程中存在检测算法精度有待提高等问题,提出了一种基于改进YOLOv5算法的带钢表面缺陷检测模型。首先,在检测端构建新的检测层,提高网络对不同尺寸目标的检测;其次,在主干网络结构中引入注意力模块,进一步加强网络提取特征的能力;然后,通过BiFPN_Add来增强深浅层特征信息的融合;最后,构建新的CNeB模块来取代各检测层对应的C3模块,进而增强网络对特征的提取。实验结果表明,改进后的算法在NEU-DET数据集上均值平均精度达到了80.9%,较原有的算法提升了4.5%,同时检测速度与原模型保持基本不变,性能优于目前其他主流的检测方法。     

基于单视角图像处理的刀具磨损检测研究北大核心

针对现有刀具磨损检测存在检测速度慢、人工工作量大、经济效益低等问题,提出一种基于单视角图像处理的刀具磨损检测算法。使用CCD相机对刀具磨损前和磨损后的图像进行单视角提取,通过图像融合变换得到磨损前和磨损后的全景深刀具图像;将刀具磨损前后的全景深图像进行配准,得到磨损区域图像后,将磨损区域图像的像素转化成实际长度值,计算出实际磨损量。实验结果表明:该方案检测速度快,测量误差范围满足检测精度要求,可应用于实际加工。     

基于机器视觉的工件分拣及上下料系统

为了解决传统工业机器人无法对多个不定位姿的工件进行分拣抓取的问题,搭建一套基于机器视觉的零件分拣及上下料系统。所搭建系统能够较准确地对铝件和有机玻璃件进行分拣,并对工件的位姿进行识别,最后将结果换算到机器人的世界坐标系下,对工件进行准确抓取和上下料。其中针对工件的分拣,提出了通过条形码进行识别分拣的方法,此方法简单有效,快速便捷。对与背景对比度不高的透明有机玻璃件的位姿识别,提出一种自适应调参线性变换方法,从而准确识别出透明件的位姿信息。经实验测试,所搭建系统具有较高的准确性。     

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。     

一种基于改进Faster RCNN的金属材料工件表面缺陷检测与实现研究

目的 针对传统检测算法在工件表面缺陷检测上的局限性,以及检测精度不高、准确率较低、检测过程繁琐等问题,提出了一种基于改进RCNN的金属材料工件表面缺陷检测算法。方法 图像预处理过程中,运用了图像缺陷定位标注与图像数据的增强处理的方法。模型训练时为了避免某些分类数据不足,防止因数据集过小导致系统测试模型出现过拟合现象,使用了对原图像进行数据扩增处理。检测网络模型设计时,采用非极大值抑制算法对缺陷图像进行候选区域筛选,构建了区域建议网络,实现网络多层特征的复用和融合,在减少候选区域冗余的基础上提高系统的检测精度。引入多级ROI池化层结构设计算法,消除ROI池化取整而产生的系统偏差,实现高效并准确检测零件表面缺陷的目的。基于ROI-Align算法的原图位置坐标改进,利用双线性插值法获得原图的位置坐标,克服了基于最近邻插值法的ROI-Pooling设计算法带来的像素位置偏移和检测不匹配（misalignment）的问题。结果 设计的检测方法在测试集上,金属材料工件表面目标缺陷检测速度达22 帧/s,准确率达97.36%,召回率达 95.62%。结论 与传统的工件表面检测方法相比,改进的FasterRCNN方法对目标识别与定位处理具有较快的速度与较高的准确度,能在复杂场景条件下,提升工件表面缺陷的检测性能。