深度特征维纳反卷积用于均匀离焦盲去模糊

工业精密制造中,视觉检测设备的成像系统往往景深较小,易产生离焦模糊,严重影响检测效果。针对这一问题,提出了一种针对于均匀离焦图像的盲去模糊网络(Uniform Defocus Blind Deblur Net,UDBD-Net)。首先,提出一种模糊核估计网络,提取离焦模糊的特征,并准确地估计出模糊核;其次,提出一种反卷积网络,通过神经网络学习并估计基于特征维纳反卷积(Feature-based Wiener Deconvolution,FWD)公式中的未知量,更准确地生成去模糊图像的潜在特征;最后,使用一个编解码网络(Encoder-Decoder Net)增强图像的细节,并去除伪影。实验结果表明,该方法在DIV2K和GOPRO图片上的峰值信噪比(Peak Signal to Noise Ratio,PSNR)分别达到31.16 dB和36.16 dB;与目前主流的方法相比,该方法在不显著增加模型推理时间的同时能够复原出更高质量、更自然地去模糊图像。此外,该方法对真实的均匀离焦模糊图像也有较好的去模糊效果,且能够显著提升工业视觉检测算法对于离焦模糊图像的检测效果。

焊接机器人视觉系统标定方法

为保证焊接机器人视觉系统精确运行,综合各标定方法对系统中所涉及坐标系及其之间的关系进行标定。对相机进行标定,确定相机内外参数矩阵;进行机器人手眼标定,用于确定视觉系统中相机坐标系(C_(C))与机器人末端坐标系(C_(E))之间的转换关系;进行机器人工具坐标系标定,确定机器人工具坐标系(C_(T))与机器人基座坐标系(C_(B))之间的转换关系。最后通过实验验证了各标定方法的可行性。

智能焊接机器人系统设计

针对传统焊接工作站多角度焊接协调难度大、作业环境中存在健康危害等问题,基于变位机和搬运机器人配合焊接机器人的焊接作业方式设计了一套智能焊接机器人系统。首先对系统整体布局做出了详细设计;然后分别对外部轴变位机、焊接工装夹具、机器人搬运卡爪以及上、下料线进行了设计;接着综合考虑系统的尺寸及作业要求,分别进行了焊接机器人与搬运机器人及其装备的选型。设计的智能机器人焊接系统实际应用结果表明,其可有效提高生产效率。