基于计算机视觉的机械手包裹分拣与放置系统

物流业发展迅速,但快递工人的数量有限,快递员总是要处理成堆的包裹,工作效率低下。针对分拣和投递系统的快件堆放问题,提出并设计了一种基于视觉的机械手快递系统。该系统结合了计算机视觉、深度学习、机械手控制和运动规划技术。采用YOLO算法和PCL法向量确定位置和法向量包裹取件点,规划并控制机械手移动到目标位置吸包,并通过视觉确定包裹尺寸,获取客户信息。与RCNN和SDD算法相比,YOLO算法具有明显的收敛性,检测速度更快,同时对快递箱等小型堆叠目标的处理精度更高。采用YOLOv3算法来提高系统的提取精度和速度。最后,系统的成功率为75%,完成时间约为15 s。实验结果表明,该系统具有分拣和快递功能,以及向客户发送取货信息的功能,具有一定实际应用和借鉴价值。

基于机器视觉的工业机器人工件分拣系统

工业机器人在工业生产中的应用越来越广泛,但机器人缺乏感知能力,所以它还没有达到工业自动化的水平。随着机器视觉的发展,新兴技术已被应用于工业机器人,以提高生产效率。在智能改进中,机器视觉起着至关重要的作用。设计了一种基于机器视觉工业机器人的工件分拣系统。该系统通过相机在工件上进行图像采集,拍摄工件图像;然后,通过相机标定,获得三维空间中物体的几何信息,以重建和识别物体;之后,通过采用Canny算法获取工件边缘信息,进行工件的图像预处理,为后续图像处理做铺垫;提出结合概率霍夫变换和弗里曼链码算法,对工件进行图像形状识别;计算工件中心空间坐标,指导机器人完成分拣工作。实验结果表明,该分选系统能够实现快速工件识别,从而满足分拣的要求。