卷积神经网络算法在工件抓取中的应用

为提高机械手臂夹取物件的准确率,提出基于深度学习法的3D视觉辨识与抓取系统。该视觉系统结合GPU和深度影像Open CV等函数库,分别进行影像拾取、深度数据运算、坐标转换、影像轮廓搜寻和卷积类神经网络模型训练等。采用YOLOv2算法判别目标物体的种类和中心点,并利用轮廓搜寻方法找出物体的角度信息,作为机械手臂操作目标点;通过坐标转换将相机坐标转为机械手臂坐标,由TCP/IP通信传至运动控制系统进行物件夹取。实验结果表明:不同位置的所有零件辨识准确率均在82%以上,抓取误差在1~4 mm内,符合工业生产的要求。

基于Pro/E骨架模型的工件抓取输送机构运动分析及优化

对工件抓取输送机构的基本结构和工作原理进行深入的分析,并对其主要参数提出设计要求,利用Pro/E对其进行骨架模型的设计,同时完成运动分析和设计优化。该设计思路完善了工件抓取输送机构的设计,改善了传统的设计方法,可以缩短设计周期,增加产品设计的可行性,降低生产成本,为教学和生产实践提供指导。

视觉图像技术与机器人工件抓取的协作应用

工业机器人在抓取环节如果配置机器视觉装置,应用图像处理技术,在抓取效率和准确度方面就有优势。该文介绍机器人功能实训台的工件抓取视觉系统的组成,侧重工件轮廓的图像处理技术,以图像处理作为机器人视觉系统处理的核心目标,将视觉图像技术与机器人工件抓取技术协作应用于工业机器人实训平台的抓取环节,利用工业机器人运动过程中坐标的转换,通过相机的正确标定与抓取动作的共同控制,实现工件的精确定位,达到可靠抓取的目的。总结图像处理技术在工件抓取中的协作应用效果,期待便捷的视觉图像技术与机器人工件抓取的协作应用。

基于双目视觉的工件抓取系统研究

现代化工业流水线上,双目视觉技术利用视差原理能够恢复目标物体空间信息,将机械手与其相结合,可以解决传统生产线对机器人通过离线示教方式进行抓取的弊端,对于提高生产效率和自动化程度有着重要意义。该系统利用双目视觉技术,使用改进的SURF算法对工件图像进行特征提取,同时以距离测度作为相似性度量技术进行左右图像特征点匹配,实现对工件中心识别;并将识别结果转化为机械臂控制信息,完成工件抓取。

探究视觉图像技术与机器人工件抓取的协作应用

机器人在当前的多个行业中发挥重要作用,基于视觉图像技术的机器人在结构上较为简便,但是在一些情况下容易出现控制误差过大问题。本文研究了视觉图像技术在机器人中的使用方法,分析了机械运行过程如何实现对参数的合理控制,并研究在基于图像信息情况下,机器人姿态的自我控制方式。

融合图像处理与超声测距的工件精确抓取

图像处理给出工件的形心在图像的位置与姿态 ,利用本文提出了一种简单与高精度的映射算法 ,求出形心在机器人参考坐标的位置 ,引导超声波距离测量仪测量到工件的正上方测量工件的深度数据 .融合图像处理给出的形心的位置与姿态和超声波测量得到工件深度数据 ,获得机器人的控制输入向量 ,控制机器人运动并实现精确抓取工件 .图像处理的低误差与超声波的高精度深度测量 。

基于改进的SURF_FREAK算法的工件识别与抓取方法研究

为解决自动化生产线上工件的准确、实时定位与抓取问题,提出改进的SURF_FREAK算法,将其应用于工件的识别与匹配。该算法首先利用加速稳健特征(SURF)算法提取特征点,随后对FREAK算法添加中距离点对进行特征点的描述,在汉明距离相似性度量之前添加极线约束匹配工件图像。研究结果表明:改进的SURF_FREAK算法相比传统的尺度不变特征变换(SIFT)、SURF、SURF_FREAK算法,其在工件的识别速度和匹配准确度上有很大的改善。将该算法应用于工业现场,可以快速准确地识别出工件,结合双目技术完成工件的定位,通过运动学逆解求出机械臂各关节的移动量,传送到控制器,实现对工件的抓取。

基于Halcon的工件定位抓取系统设计与开发

设计针对工业生产中需要对不同姿态工件实施抓取这一问题,基于Halcon开发出一套工件姿态识别抓取系统。结合霍夫变换和坐标变换,识别工件坐标位置和旋转角度。以Visual Studio2017作为开发环境,开发了工件定位抓取软件。在埃夫特ER20-C10机器人上进行了抓取实验,结果表明本系统能对不同姿态的立方体工件实施准确抓取。

基于双目视觉与工业机器人的大型工件自动上下料系统

针对大型工件在工业生产中难以实现多环节的操作与装配自动化的难题,提出并实现一种基于双目视觉与工业机器人的大型工件自动上下料系统。该系统包含离线标定与示教、在线位姿检测与抓取两个主要过程。其中,离线过程主要包含双目视觉系统标定、工业机器人的手眼标定以及抓取和放置示教;在线过程包括基于双目视觉的金属料框、塑料托盘和大型工件6自由度位姿测量,以及工件与托盘的抓取和放置操作。实验结果表明,所提出的大型工件自动上下料系统既能实现高精度的位姿测量和抓取,又能实现整个系统的长时间稳定运行。

基于正定核函数学习的三维零件视觉抓取(英文)

机器视觉在工业零件自动化抓取装配领域起着非常重要的作用。目前大多数抓取方法是基于人工干预的机器人手眼标定,然而在复杂动态场景下,抓取结果对标定误差较敏感,因此当长期作业引起标定参数漂移时,精确抓取往往需要重复标定。提出了一种基于监督学习的零件抓取方法。采集训练样本进行层次聚类得到图像特征向量,构建一种正定核函数并通过支持向量回归学习得到抓取状态向量及图像特征向量之间的映射关系,最终可应用于指导在线抓取。最后,实验证明了提出方法的有效性。

视觉引导机器人协作AGV上下料系统研究

本文构建了一套引导机器人抓取物料的机器视觉定位系统。该系统以机器人,AGV和相机为硬件基础,借助软件平台对目标进行检测、识别及偏移误差计算等研究,在机器人程序内进行二次运算,根据相机软件运算的数据与机器人示教工件坐标系的数据建立偏移坐标模型,给出mark点偏移量与工件抓取点偏移量的转换关系,从而引导机器人精确抓取物料。经过实验数据验证,该系统具有较高的精度,可以精准有效的控制机器人对物料进行操作,对类似的作业类型有较好的参考价值。

焊装车身侧围搬送线的研发设计

本设计采用空中搬送线的结构形式。包含摩擦驱动、摩擦小车,吊具、升降机、气动定位夹紧、阻尼器等。由于此设计在老厂房原有设备的基础上进行布局和实施,对于线路的设计有很大的挑战性,通过现场实地精确测绘及与本田人员一轮又一轮的沟通及修改,终于确定线路与布局,完美的实现了焊装车身侧围的自动化搬送,进而实现自动搬送以取代人工搬送,提高了生产率,降低了劳动强度,为东风本田24万量扩能建设作出了杰出的贡献。