基于机器视觉的并联机器人工件识别定位

针对并联机器人在分拣过程中无法识别特定工件,分拣精度低的问题,提出了一种基于机器视觉的工件识别定位技术。运用海康工业相机采集工件图像,对图像进行预处理,提出合适的方法提取图像边缘进而提取工件的轮廓;提取待识别图像中工件轮廓的Hu矩特征与工件模板轮廓的Hu矩特征进行相似性度量,识别工件。然后对其进行质心提取并确定工件位姿以对工件进行定位。实验结果表明,该方法能有效地对工件进行识别与定位,为工件识别提供了参考思路。

基于机器视觉的Delta机器人目标识别算法研究

传统机器视觉目标识别算法中的目标物与背景不精确分割会导致定位不准确,并影响并联机器人工作时的抓取精确度。为此,提出一种基于ORB特征提取算法与Onecut分割算法结合的目标提取算法,对Delta机器人进行系统标定,确定了工业相机、机器人及传送带的位置转换关系。将ORB特征提取算法与Onecut算法相结合,实现了Onecut免交互分割以及对目标进行识别和定位。实验结果表明,此算法的定位精度达到并联机器人的抓取要求。

Delta并联机器人轨迹规划的研究与分析

针对传统的直线插补轨迹规划方法使得并联机器人产生较大的刚性冲击与振动冲击,导致机器人运行不稳定的问题,运用修正梯形轨迹规划算法对并联机器人轨迹进行平滑处理,提高了并联机器人的运行稳定性。首先建立并联机器人三维模型,之后通过MATLAB模拟运行轨迹并求解其工作空间,再利用ADAMS软件进行轨迹仿真,并对比两种轨迹规划算法的仿真结果。仿真结果表明,修正梯形轨迹规划算法具有更好的速度连续性,有效减少了并联机器人的刚性冲击。