基于机器视觉的线圈在线定位与抓取研究

目前铜线圈的摆盘依靠人工进行作业,为解决此问题,设计了一种基于机器视觉的线圈在线定位与抓取的自动化单元,对该自动化单元整体功能进行设计,并制作了样机。经测试,该自动化单元能够在视觉的辅助下实现将铜线圈从传送带上精确抓取并运送到线圈摆盘位置。

一种改进的基于九圆点的摄像机自标定算法

为解决目前现有激光切割视觉系统单目摄像机标定算法存在的抗噪性能差、精度低等问题,提出一种改进的基于九圆点的摄像机自标定方法。对算法中的理论进行了分析和实验验证。将改进的九圆点标定算法与现有的单目摄像机快速标定算法进行对比实验。结果表明:改进的摄像机自标定算法相对于现有的单目摄像机快速标定算法抗噪性能更好、精度更高。

两轮自平衡机器人姿态误差的神经网络补偿研究

针对自平衡机器人领域姿态检测普遍采用单一滤波而存在的姿态误差问题,提出了一种基于双重滤波和神经网络补偿的“两滤一补”检测策略。通过分析误差来源,设计了针对姿态传感器和姿态误差之间的姿态补偿BP神经网络,根据传感器的输出信息,直接预测机器人姿态倾角的误差补偿值,对滤波处理之后的姿态角进行同步补偿。对机器人在原地站立、加速前进后退、原地转向3种控制状态下的补偿效果分别进行验证,结果表明神经网络对机器人的姿态误差有着明显的修正作用,有利于提高机器人姿态检测精度。

基于小生境遗传算法的激光切割快速模板匹配

为了解决激光切割视觉识别系统对大幅面多目标图像识别实时性差、对带有偏角的目标识别率低甚至出现无法识别等问题,采用小生境遗传算法,对大幅面多目标匹配识别算法进行了理论分析和实验验证。结果表明,无论目标有无旋转,该算法都能达到100%识别,算法运算时间比传统算法快5倍～10倍。该算法在识别带有旋转角度的多目标时,具有很好的实用性。

自平衡机器人视觉语音双重引导运动控制研究

自平衡机器人是一种特殊的移动机器人,为了拓展其交互能力,设计了基于视觉和语音的双重技术引导控制系统。针对目前视觉测距计算繁杂性,提出了目标定位的新方法。通过视觉测距方法,实现机器人对运动目标的动态定位;采用Camshitf目标搜索算法,在复杂环境下对目标进行连续捕获,联合双重引导控制策略,实时切换机器人的识别模式,实现机器人对指定目标的识别和跟踪,且能在预设的道路上进行自主移动。通过目标颜色、形状识别和跟踪以及视觉巡线等实验测试,结果表明该机器人交互能力强,系统反应快,视觉定位计算便捷、实时性好。

激光切割视觉系统单目摄像机快速标定方法

针对目前激光切割机结合视觉切割行业中现有的张正友一般圆点标定算法中存在计算量大、结果不稳定的问题。提出一种基于九圆点的摄像机自标定算法。算法首先计算出图像和定义在世界坐标系X-Y平面上的模板之间的单应性矩阵,利用该单应性矩阵线性求解出摄像机内参,然后考虑非线性畸变因素,求解出畸变系数。最后在矫正后的模板中求出内外共八个仿射投影矩阵,并取其均值做为最终投影矩阵来求解出世界坐标。实验结果表明:该算法比现有的基于圆点的摄像机自标定算法更快速、更稳定,达到精度更高。

基于OpenCV的工件尺寸与划痕检测算法研究

针对制造业水平的不断发展对检测技术提出高精度、高速度、低误差的要求,提出一套工件尺寸与划痕检测算法。该算法基于OpenCV视觉库与工业相机,在适当的光源平台下运行,提取工件的轮廓尺寸和表面划痕,再利用相机标定参数求解出工件的实际尺寸。检测结果表明:提出的检测算法比传统的Hough变换直线检测算法检测误差小,划痕检测十分精确。

通用型六自由度工业机器人的运动学分析

针对六自由度工业机器人运动学分析和轨迹规划过程中的计算烦琐问题,以通用型六自由度工业机器人为研究对象,在Matlab环境下,利用Robotics Toolbox工具箱对该机器人进行运动学建模,并建立该机器人的D-H模型,对其进行运动学求解和轨迹规划与仿真。实验表明,Robotics Toolbox工具箱极大地简化了通用型六自由度工业机器人运动学分析的正、逆解的求解过程,并且能直观地显示机器人的运动特性、参数和轨迹。对通用型这类六自由度工业机器人的研究与应用具有重要的价值。

基于神经网络的水果智能分级系统研究

由于目前国内外有关计算机图像处理技术的水果分级研究都是针对苹果、柑桔等大型水果,而对于小型水果(如樱桃、荔枝等)的分级还要依靠人工进行,因此提出了一种基于颜色空间的分割识别与基于BP神经网络分级相结合的水果识别分级法。该算法根据成熟水果所特有的颜色作为特征描述值进行分割识别出成熟的水果,并在该基础上以水果目标的色度均值和色度均方差为特征进行BP神经网络分级,从而提高了成熟水果分拣和分级的效率。实验结果表明:该算法对成熟水果的识别准确率达93.16%,平均分级正确率为93.3%,可满足实际水果识别分级的作业要求。

基于双三次插值算法的集成电路在线检测快速模板匹配

为了解决目前电路板缺陷检测视觉识别系统对多目标识别检测过程实时性差、识别效率低,甚至出现无法识别等问题,首先对集成电路板图像按一定比例进行双三次插值算法处理,并在该基础上创建模板图像,然后进行归一化积相关匹配快速地识别检测出目标的大概位置,最后以双三次插值算法缩放比例值还原目标在原图像中的位置,从而精确识别检测出的目标。实验结果表明:该算法能达到100%识别,运算时间比传统算法快2~11倍,可见该技术提高了检测效率,具有很好的实用性。