复杂纹理工件的位姿检测方法研究

针对工业检测中一类具有平面特征的复杂纹理金属工件的位姿检测问题,使用双目视觉和DLP投影仪,将工件的局部特征作为检测重点,提出一种投影差分多线结构光的方法,使差分结构光的中心线相互补偿,减少提取光条中心线出现异常点的概率。运用极线约束特征点行对齐的特性,设计无编码双目结构光系统特征点匹配方法,提高提取平面特征点的稳定性。利用Tukey权重函数改进拟合算法,进一步提升工件被测平面拟合精度和提取工件边缘和角点的准确度,解决了传统拟合模型算法权重分配不合理的问题。经三轴精密滑台实验,并与高精度三坐标仪对比检测结果,验证该方法可以满足高精度三维测量的需求。

基于点云深度学习的散乱堆叠轴承圈位姿检测

为解决工业应用中散乱堆叠轴承圈的难识别、分割与抓取问题,提出一种分层递进随机下采样算法对采集的点云模型进行下采样操作,并结合提出的基于RGB阈值自动标注算法完成数据集的制作,利用PointNet++网络预测并分割出可抓取轴承圈上表面,进而使用RANSAC算法精确分割出待抓取轴承圈上表面,最后采用防干涉的抓取点选取策略完成待抓取轴承圈的位姿检测。实际场景下三组抓取实验得到的成功率均在98%以上,验证了其有效性。

基于三维点云的机械臂抓取位姿检测方法

针对机械臂抓取检测中对物体抓取位姿检测精度低的问题,提出一种基于三维点云的机械臂抓取位姿检测方法。首先设计基于注意力机制的端到端抓取位姿检测网络SE-PointNetGPD(简称SEPN-GPD),其次针对pointnet网络在利用共享权重的多层感知器MLP处理3D点云数据时信息冗余的问题,引入通道注意力机制SENet模块,通过自适应地调整各个特征区域权重的方式,提升网络特征提取能力从而提高抓取位姿检测的准确性和可靠性,然后在YCB和BigBIRD公开数据集上进行验证。实验结果表明:SEPN-GPD抓取位姿检测方法的分类精度分别为86.2%和85.14%,且网络具有较好的模型泛化能力和较高的鲁棒性与稳定性,优于当前主流的PointNetGPD和GPD等抓取位姿检测方法。

基于改进YOLO6D的工业零件位姿检测算法

针对工业现场散乱堆叠、零件位姿难以准确检测的问题,提出一种基于改进YOLO6D的工业零件位姿检测算法。首先,对原始YOLO6D网络结构进行改进。以Darknet53作为主干网络,并在其残差块内部引入坐标注意力机制,强化神经网络对坐标信息的表达能力;利用空洞空间金字塔池化捕获多尺度上下文信息,实现底层坐标信息与高层语义信息的特征融合;采用Mish函数作为激活函数,增强神经网络的鲁棒性。在此基础上,采用改进YOLO6D网络检测工业零件6D位姿。以工业零件图像作为改进YOLO6D网络的输入,直接回归输出目标零件3D边界框的9个关键点,利用2D-3D空间中的映射关系,采用PnP算法计算目标零件的6D位姿。最后,进行工业零件位姿检测实验验证。实验结果表明,所提算法具有较高的准确性和鲁棒性,为三维空间内工业零件的位姿检测提供了一种有效的思路。

一种基于YOLOv4的隧道吊柱位姿检测方法

针对隧道内吊柱实现自动抓取安装需要获取吊柱位姿信息的问题,提出一种将YOLOv4目标检测算法与多特征点提取算法融合的吊柱位姿检测算法。通过YOLOv4算法在双目视觉的左右图像上标出吊柱法兰的识别框,在扩大后的识别框范围内将图像从三原色(RGB)空间转换到HSV空间,利用检测目标的特有HSV信息分离出其区域,对该区域进行直线检测,通过canny和霍夫变换筛选出吊柱法兰的特征点。利用视差原理与面面交会原理还原出吊柱相对于相机的位姿信息。在不同距离进行了多组位姿检测实验,结果显示,检测速度为26 f/s,在1000~1500 mm内平均误差均在20 mm以内,具有较高的精确性和实时性。

基于动态角点定位的SD卡位姿检测方法

在SD卡彩喷生产环节中,为了防止SD卡在从料盘翻转至金属打印盘的过程中被翻转装置压伤或损坏,就必须确保SD卡在料盘Pocket(限制SD卡位置的卡槽)中处于正确的位姿,因此提出了一种基于动态角点定位的SD卡位姿检测方法。为了降低机械定位误差和料盘尺寸公差对SD卡位姿检测的影响,设计了一种基于统计决策的动态角点定位算法,实现了Pocket区域的动态定位。同时,由于不同型号或批次的SD卡和料盘表面颜色存在差异,且不同位置的SD卡边缘存在不同程度的阴影,传统的图像分割算法很难有效地提取出SD卡轮廓,为此提出了一种基于粗定位的自适应阈值分割方法,显著提升了图像分割效果。试验结果表明,提出的方法在满足检测速度要求的前提下,SD卡位姿检测准确率大于99.9%,具备良好的鲁棒性。

基于分区编码坐标的目标物体6D位姿检测网络

基于建立2D-3D坐标密集对应的两阶段方法是对目标物体进行6D位姿检测的一类解决方案。本文在前人的基础上改进,提出了ZC-Pose,一种基于分区编码坐标的目标物体6D位姿检测网络框架,其仅使用RGB数据和模型信息对目标位姿进行预测。本文在Linemod数据集上测试其表现,相较于该领域的一项经典工作--CDPN中的旋转分支部分有了可观的提升,并且与其他相关工作进行比较,也表现出了具有竞争力的结果。

面向机械臂的抓取位姿检测

针对结构化环境和单一已知目标的抓取方面,搭载末端夹持器机械臂抓取技术取得了显著进展。但当工作场景环境不明、工作目标形状各异时,机械臂容易受环境光照变化、物体遮挡的影响,为此,本文深入研究了机械臂抓取系统流程和抓取方法,设计了基于卷积神经网络自主检测机械臂抓取位姿的方法。

基于机器视觉的悬臂式掘进机机身位姿检测系统

针对矿井巷道自动掘进的需求,为矿用悬臂式掘进机构建了一套机身位姿实时检测系统。该系统以十字激光器与激光标靶为信息来源,通过对标靶上十字光线成像特征的分析,建立了掘进机机身位姿空间解算模型。该模型利用机身与十字激光面的空间关系,使用空间矩阵变换方法,得到机身相对于巷道的三轴倾角以及在巷道断面上的偏离位移,实现了掘进机机身位姿的自动实时检测。最终,在实验室条件下,搭建了机身位姿自动检测试验平台,模拟掘进机在巷道内的姿态,试验结果表明：测量范围在2~100 m时,系统的角度测量误差在0.5°范围内,位移的检测误差小于20 mm,能够满足巷道施工过程中掘进机机身位姿自动、精确、实时测量的要求。

悬臂式掘进机位姿检测方法研究进展

根据综掘工作面无人化掘进作业的需求,要实现无人环境下对悬臂式掘进机位姿的高精度测量,综合叙述了目前基于4种测量技术的悬臂式掘进机位姿检测方法的研究进展,分别为基于惯性测量技术的位姿检测方法,基于超宽带测量技术的位姿检测方法,基于iGPS测量技术的位姿检测方法,基于空间交汇测量技术的位姿检测方法,并初步估计了这4种悬臂式掘进机位姿检测方法的检测精度。

基于单目视觉的并联机器人末端位姿检测

高效、准确地检测机器人末端位姿误差是实现运动学标定的关键环节。提出一种基于单目摄像机拍摄立体靶标序列图像信息的末端执行器6维位姿误差辨识方法,构造具有平行四边形几何约束的四个空间特征点,并以平行四边形的两个消隐点为约束,建立空间刚体位姿与其二维图像映射关系模型,实现末端位姿的精确定位,然后以Delta高速并联机器人为对象,进行了运动学标定试验,验证该方法的有效性,为这类机器人低成本、快速、在线运动学标定提供重要的理论与技术基础。

基于激光位移传感器的角焊缝位姿检测

针对工字梁、箱梁等焊接结构自动化生产中工件偏移和偏转问题,提出了一种基于激光位移传感器的角焊缝位姿检测方法。建立了角焊缝位姿的弧长模型,分析了角焊缝位姿对弧长的影响规律;基于傅里叶分析,提出了角焊缝位姿解耦算法,实现了对角焊缝横向偏差、纵向偏差、坡口角度和工件偏转角度的检测;通过对存在坡口间隙和定位焊缝的角焊缝进行位姿检测试验。结果表明,所提出方法具有检测误差小、抗干扰能力强等优点,在焊接自动化生产中具有良好的应用前景。

一种通用的工业机器人位姿检测方法

研究了一种通用的工业机器人位姿检测方法。其基本原理是以激光跟踪仪测量固定在机器人末端的4个参考点来间接测量机器人的绝对位姿,并与指令位姿比较,实现机器人位姿准确度和位姿重复性检测;其中,参考点坐标及机座坐标系通过多姿态约束同步标定,并设计非线性标定算法。通过末端带有制孔执行器的KUKA KR210 R2700工业机器人的位姿检测实验表明:机器人的位置准确度为0.3 mm,位置重复性为0.06 mm,与标称指标相符,且工具中心点(TCP)坐标与直接测量的偏差小于0.015 mm,证明该检测方法的准确性可满足机器人位姿检测的需要,且无需特殊的机械工装,具有良好的通用性;采用基于多姿态约束的非线性标定方法,标定残差减小至0.35 mm,标定方法具有良好的鲁棒性,可有效地减小因机器人运动模型不准确引起的标定误差。

掘进机远程监控系统设计与位姿检测精度验证

为研究悬臂式掘进机远程控制与位姿检测方法精度验证问题,基于实地工况的调研,提出一种基于机载可编程控制器、机载传感系统、视频监控系统以及工控机的掘进机远程监控与位姿检测精度验证系统,并完成掘进机试验样机的改造,搭建模拟巷道,详细阐述了该系统的总体结构并说明了各部分的构建方法。以掘进机位姿检测试验为例,进行掘进机远程监控系统的调试与精度验证系统的功能性验证。结果表明,掘进机位姿测量精度验证系统与几种典型位姿测量方法的测角误差在1°以内,偏距误差在0.01 m以内,在试验过程中系统运行稳定且操作简便,显示界面直观,从而为掘进机远程监控与位姿测量技术进行了试验验证,为掘进机的无人化发展提供重要试验依据。

基于视觉测量的液压支架位姿检测方法

针对目前综采工作面液压支架位姿测量方法存在实施成本高、精度和实时性较差的问题,提出了一种基于视觉测量的液压支架位姿检测方法。通过在液压支架上设置红外LED标识板,利用安装在采煤机上的防爆相机进行图像采集,基于4个共面特征点的视觉算法对图像进行处理与解算,得到液压支架底座的位姿,根据液压支架的位姿坐标可以得到其在多个方向的直线度。实验结果表明,该方法测量的液压支架位姿检测精度在0.7°以内,直线度精度在20mm以内,满足综采工作面液压支架的检测精度要求。

二自由度超声波电机位姿检测与控制

为了探索多自由度超声波电机在微型机器人等控制领域的应用,提出电机的位姿检测与控制方法.以基于三定子的二自由度球形超声波电机为研究对象,以定子角速度的极小范数为优化目标,结合角速度矢量合成原理和电机的相位差调速方式,建立电机的前馈模型;提出基于机械鼠标原理的位姿检测机构,反馈球转子的姿态量,并结合PID分段斜率比较的控制策略实现电机位姿控制.测试结果表明,电机闭环轨迹控制的误差率为1.3%,位姿检测与控制的效果较好,为二自由度球形超声波电机的推广打下扎实的基础.

基于多传感器信息融合的物体位姿检测方法

提出了利用摄像机和超声传感器信息融合对机器人操作对象进行位姿检测的方法。该方法通过单幅图像获取目标点在图像中的理想坐标 ,求得投影矢量的方向 ,然后通过机器人末端的运动 ,导引超声传感器坐标原点与未移动前摄像机坐标系的原点重合 ,而其Z轴方向与求得的投影矢量方向相同 ,再由超声传感器测出投影矢量的长度 ,从而确定目标点在摄像机坐标系中的坐标 ,并可进一步转换到机器人基坐标系中。通过测量操作物体上两点的空间坐标 ,就能够确定物体空间姿态。该方法简单易行 ,计算量小 ,精度较高。

正交双目视觉长轴类零件装配端位姿检测方法

为解决非正交双目立体视觉在长轴类零件三维位姿检测中需要多个特征点进行匹配,计算量大以及视野中难以获取整个零件的图像等问题,提出一种基于正交双目立体视觉检测长轴类零件装配端三维位姿方法.采用光轴正交的两个相机同时采集长轴类零件装配端的图像,分别采用亚像素法对所采得的图像进行处理,可以得到被检测长轴类零件装配端在两个相机图像坐标系内的位置和姿态,再依据正交双目立体视觉模型对两组位置信息进行融合得到其三维位姿.实验结果表明:利用两个CMOS相机构成的正交双目立体视觉能够快速、精确检测长轴类零件装配端的三维位姿.该方法只需要一个特征点进行匹配,计算量小、简单易行,适用于通过机器视觉引导工业机器人进行精密长轴类零件的快速装配.

基于立体视觉六自由度大载荷实验平台的位姿检测

提出利用双目视觉系统检测六自由度大载荷实验平台的位姿。首先,采用时空联合的分割算法提取运动目标并由运动目标上不共线三点描述当前时刻运动平台的位姿;然后,根据运动平台负载大、惯性大的特点,对相邻时刻的位姿变化加入补偿,以此估计平台下一时刻的位姿。实验结果表明,该算法在较小的允许误差范围内能够较好地跟踪运动平台,准确地估计下一时刻的位姿。

基于线激光传感器的盾构管片位姿检测方法

针对盾构管片初始摆放误差与拼装累积误差问题,提出一种新的管片位姿检测方案。该方案无须在管片上添加额外标记点,利用安装在管片拼装机器人上的3个线激光传感器对管片边缘进行扫描,根据边缘点的相对位置坐标计算管片上特征点的坐标,并依此推导出待安装管片的抓取位姿和安装位姿表达式。使用SolidWorks软件建立三维模型以提供算例,比较不同检测点位置对位姿计算精度的影响,验证该方案的可行性。研究结果表明:本文提供方案计算得到的管片位姿误差较小,可以满足盾构管片抓取和安装要求;增大管片边缘扫描点的距离能够提高姿态检测精度。