基于视觉引导的工业机器人拾取技术仿真研究

Eye-to-Hand与Eye-in-Hand是工业机器人通过视觉引导进行相关作业的两种基本形式,视觉技术与机器人结合已经成为各行业进一步提升智能制造水平的重要方式。对两种视觉引导方式下工业机器人流水线拾取作业开展仿真研究,通过在RobotStudio仿真软件中模拟作业环境、设计工艺过程以及规划作业方案,分别探讨了随机零件静止与动态拾取工作站的构建,较好地实现了作业过程的仿真模拟,为工程应用中相关作业工艺工程规划及机器人设置提供了有益的参考。

基于视觉引导的工业机器人拾取技术分析

伴随着“工业4.0”时代的到来,大量的工业机械人得到了运用。而利用机器人进行流水线拾取作业,还应加强视觉引导,确保可以做到精准定位和拾取物体。基于此,提出了由视觉引导和机器人运动控制2部分构成的拾取系统,对采取的相机标定、目标识别、目标定位和目标拾取技术进行了研究,最终成功通过的仿真测试,能够为流水线拾取工作站的构建提供参考。

基于OpenGL拾取技术的空间目标光学横截面积计算

空间目标光学横截面积(OCSA)的准确计算是空间目标特性分析及识别的重要基础和前提之一。针对面元网格法计算OCSA实时性差,计算机图形学方法对材质的双向反射分布函数(BRDF)描述能力弱等问题,提出了一种基于OpenGL拾取技术的复杂空间目标OCSA计算方法。通过OpenGL拾取技术实现面元的一次遮挡判断,再基于改进Z缓冲技术实现面元的二次遮挡判断,在实现计算实时性的基础上保留了面元的详细信息,使高精度BRDF模型应用及OCSA精确计算得以开展。设计了嵌套式圆柱体和实际卫星模型并计算了其OCSA值,其中嵌套圆柱体OCSA的计算误差小于0.08%,在普通计算机上运行的平均耗时小于0.01s,对卫星OCSA的计算平均耗时小于0.1s,验证了本文方法的正确性和实时性。

视觉——目标拾取认知技术的研究及思考

视觉——目标拾取认知技术的研究是集人-机-环境系统工程学、生理学、心理学、工效学、计算机等学科的综合研究,该学科的研究范围十分广泛,几乎所有人类活动的所有领域都存在视觉——目标拾取认知技术的问题。本文从认知技术科学的基本概念出发,介绍了认知技术科学研究目的和意义,并对视觉——目标拾取认知技术研究的国内外发展状况进行了分析研究,从哲学角度分析和考察了认知技术科学的基本理论和研究方法,为视觉——目标拾取认知技术科学研究在哲学层次上提供一定了理论指导。

窗口分数维的初至波自动拾取

地震初至波的拾取技术对石油、矿物资源的开发有着重要作用,目前的拾取方法大都以振幅、频率、相位作为初至波的判断依据。通过对分形理论的研究,结合滑动窗口原理,提出了一种新型的初至波自动拾取方法,该方法把分数维这一概念引入到地震初至波拾取中,通过每个窗口内的曲线变化来反映局部数据的特征——分数维,再依据总体数据特征的变化趋势情况来判断初至波,并确定其到达时刻。实验结果证明该方法优于传统拾取方法,其运算速度快,抗干扰能力强。

电影光盘放像机

日本松下电器公司推出了一种能放影视光盘和音响光盘的新型放像机。这种放像机采用的光拾取技术,能读取数字式视盘及一般光盘的信息。数字式视盘是一种能够储存数字式活动图像及音响的光盘,它能将影片上的图像储存在一张与一般音乐光盘一样大小的数字式光盘上,而其存储容量则比音乐光盘大15倍。两种光盘的厚度与录制密度虽然各不相同,但松下公司采用特殊的双聚焦拾取技术代替单项拾取技术,便能从数字式视盘和音乐光盘两者读取信息。

大庆长垣萨5井区扶余油层组河道砂体预测

大庆长垣扶余油层尚有大量的油气资源量未被开发,是大庆油田重要的后备储量资源,也是大庆建设百年油田主要的勘探与开发领域,其储层砂体为河流-三角洲环境沉积,砂体厚度横向变化较快,属低孔、低渗储层,河道砂体不易预测与识别,针对这一问题本文在S5井区进行了地震储层预测技术的研究。本次研究采用了沿参考标准层拉平解释技术、拾取最佳时窗子体技术、地震多属性融合分析技术及井震结合沉积相刻画技术等几项关键技术,对扶余油层的河道砂体进行预测,取得了良好的效果.曲流河点坝得到了清晰的刻画,并结合钻井资料分析,进行了沉积相精细刻画,为该区的寻找薄层岩性油气藏提供了可靠的依据。

卷板机自动送料技术的现状及发展趋势

卷板机自动送料技术是一种用于卷板机卷制板材时上料的技术,具有高效率、高安全性等优点,其应用有助于提高卷板机板材卷制的自动化水平和板材卷制质量。首先,介绍了卷板机在板材卷制时对送料动作的基本要求,阐述了自动送料结构的特点;其次,总结了卷板机自动送料技术在国内外的发展情况,并对自动送料的两个关键技术:直角坐标式机械手技术和真空吸盘拾取技术进行了简要的论述;最后,提出了板材自动送料技术的主要研究方向,即:有限元分析及结构优化技术、伺服控制技术、自动送料机的柔性化与智能化以及开放式数控系统。可以预见,随着自动送料技术的深入研究和普及应用,其必将在板材卷制的自动化方面发挥更大的作用。

基于深度学习模式的微震信号P波自动拾取方法研究

高精度的矿山微震P波信号到时拾取是精确定位矿山微震信号的重要前提。基于微震P波信号的时域特性和计算机视觉领域中的深度学习算法,提出适用于微震P波信号的拾取模型(DMSP模型),并构建与其相适应的损失函数。该模型首先构建自适应去噪神经网络(DAA-MINE)对矿山微震信号进行去噪,其次构建分割联合拾取神经网络(Cut-SP)对微震信号P波初值和结束点进行拾取。分别采用3835和959组矿山微震信号数据作为训练集和测试集,对提出的模型进行训练和测试,结果表明:在进行DAA-MINE模型去噪后,平均信噪比提升较高,能量保留较多;与ER算法、MER算法、WFM算法、PAT-S/K算法比较而言,Cut-SP模型拾取平均误差较低,鲁棒性较强,识别速度较快,能够满足工程需要。提出的P波信号拾取模型实现了深度学习与矿山微震监测的融合,为智能化开采中微震信号的自动拾取提供了一种新方法。