基于OpenCV的机器人分拣系统设计

随着电商平台的发展,快递行业的整体规模迅速壮大,在物流成交量比较高的状态下,极容易出现“错件”分拣、快递分拣速度慢等问题,将严重影响快递包裹分拣。现对工业机器人分拣系统的性能、功能等方面进行研究,用机械臂代替人工分拣,设计出一种基于OpenCV图像识别的工业机器人分拣系统,进一步提升了工业机器人分拣水平。

一种新型的机器人分拣工件控制装置的设计

在日常生活中经常需要对货物进行分类、处理,分拣已广泛应用到服装、图书、食品与医药等行业中。本文分析了人工分拣成本高、效率低、人的体力消耗大等因素限制的缺点,设计了一种新型的机器人分拣工件控制装置,将计算机、视觉识别器、行走装置、分拣装置、驱动器、摄像机等工具连接在一起,采用此分拣工件控制装置分拣安全、高效、准确。

一种面向机器人分拣的杂乱工件视觉检测识别方法

为了从输送带上杂乱工件中分拣出符合规格的目标工件,提出了一种基于多帧工件图像聚合分割的检测识别方法。该方法首先通过工业高精度相机获取工件图像,由改进的分水岭算法分割工件图像;然后基于工件外观形状特征,利用分类回归树(CART)对分割出来的工件图像进行类型识别;进而应用直方图反投影和核密度估计,将来自多个帧的同一个跟踪目标工件对象掩模组合成一个精细掩模,便于精确测量出工件尺寸;最后再联合机器人手眼标定参数,获取符合规格目标工件的位姿,实现机器人分拣。实验结果表明,该方法可快速从输送带上杂乱工件中准确分拣目标工件,具备良好的实用性和稳定性。

基于IdeaVR工业机器人分拣系统的虚拟仿真系统开发

工业机器人自动化分拣系统在实训中存在资金成本高、资源场地少、操作过程复杂、具有危险性等问题。基于此,本课题小组开发了基于IdeaVR的机器人分拣虚拟仿真系统,实现了虚拟环境下机械臂的运动分析、运动控制和产品分拣的完整工艺流程,通过仿真和实训联动使得学生实训效果得到了极大提高。

工业机器人视觉分拣实训系统设计

为了满足工业机器人与机器视觉系统集成应用的综合实训需求,设计了一种轻量化的基于机器视觉的工业机器人分拣实训系统。基于Qt平台和OpenCV开发视觉上位机软件,包括系统控制模块、实时显示模块、图像处理模块及网络通信模块。系统控制模块包括相机参数及系统参数设置;实时显示模块设计了相机实时影像监视器、通信日志及标准模板显示;图像处理模块负责采集图像、ROI分割、角度计算和数字识别,基于AKAZE特征匹配与RANSAC优化算法计算工件旋转角度,利用KNN算法识别工件上印刷的数字编号;网络通信模块以视觉上位机软件作为Socket通信服务器,将工件的“颜色、角度、编号”的检测结果通过以太网通信发给ABB工业机器人。视觉分拣实验结果表明,视觉系统对不同颜色不同编号的工件识别效率高、稳定性好。该实训系统能够满足自动化类专业的人才培养要求,培养学生的工程实践能力与创新能力。

基于PSO-BP神经网络的分拣机器人视觉反馈跟踪

针对分拣机器人视觉反馈跟踪精度差、耗时较长的问题,研究基于粒子群算法-反向传播(particle swarm optimization-back propagation,PSO-BP)神经网络的分拣机器人视觉反馈跟踪方法,以提升视觉反馈跟踪效果。依据分拣机器人的视觉反馈信息,建立分拣机器人运动学模型,并求解分拣机器人机械臂输出位置和输入位置的误差函数;利用PSO算法优化BP神经网络的权值与偏置;在权值与偏置优化后的BP神经网络内,输入误差函数,预测分拣机器人视觉反馈跟踪控制量;利用预测视觉反馈跟踪控制量,在线调整增量式比例-积分-微分(proportional-integral-derivative,PID)的参数,输出高精度的分拣机器人视觉反馈跟踪控制量,实现分拣机器人视觉反馈跟踪。实验结果表明,该方法可有效视觉反馈跟踪分拣机器人机械臂的关节角;存在干扰情况下,在运行时间为10 s左右时,阶跃响应趋于稳定;有干扰情况下,视觉反馈跟踪的平均误差为0.09 cm,耗时平均值为0.10 ms;无干扰情况下,平均误差为0.03 cm,耗时平均值为0.04 ms。

基于ROS的铸件分拣机器人运动规划研究

为铸件分拣机器人在分拣铸件时能快速规划出一条稳定合理的路径、有效躲避障碍物、提高运动规划效率,文章通过ROS进行运动规划研究。利用ROS提供的C++接口完成笛卡尔指定轨迹规划验证。为进一步提高分拣效率和避障能力,文中改进算法在GB-RRT*算法基础上引入了局部迭代人工势场,加入了自适应目标偏置策略和直连策略。通过Matlab和ROS设计并完成了仿真实验和铸件分拣实验,实验结果表明采用改进算法后可有效减少无效点生成,缩短规划时间,减小路径长度,提高规划效率。同时,在规划运动时各关节运动平稳,轨迹平滑,极大地提高了铸件分拣效率,改善了分拣环境,保证了其安全性。

视觉识别下分拣机器人目标稳准抓取系统设计

目标的不同规格在一定程度上影响了抓取效果,为此,设计视觉识别下的分拣机器人目标稳准抓取系统。构建以STM32F429单片为主机芯片的系统总体框架,优化采集影像、机械手臂、智能避障等模块。主机模块将采集影像模块摄像头采集的目标影像数据传送到机械手臂模块后,采用视觉识别方法定位目标,并计算质心和旋转角度获取抓取目标中心距。通过智能避障模块规划抓取路径,实现分拣机器人目标稳准抓取。实验结果表明,在不同距离、不同目标形状以及质量条件下,该方法可以在智能躲避障碍物的同时,稳准抓取目标。

基于双目视觉的分拣机器人立体匹配方法研究

针对目前汽车零部件分拣机器人的分拣速度慢、精度低等问题,提出了一种将SIFT算法和Harris角点算法相结合的汽车零件图像特征点提取方法。通过阈值自适应方法对筛选后的高对比度特征点进行匹配,通过改进RANSAC算法对误匹配点进行消除,完成分拣机器人立体匹配。通过实验进行对比分析,验证所提方法的有效性。实验结果表明,该方法在保证准确的基础上,简化了计算且有效消除了误匹配,实际测量与计算之间的最大误差为1.21mm,符合分拣机器人的精度要求。这项研究为分拣机器人的发展提供了一定的参考。

基于ESO的分拣并联机器人无标定视觉伺服自适应滑模控制

针对无标定分拣并联机器人需获取精确图像雅可比矩阵的问题,同时为克服图像检测误差、建模误差及外部干扰对无标定视觉伺服系统的影响,提出一种基于扩张状态观测器(extended state observer,ESO)的分拣并联机器人无标定视觉伺服自适应滑模控制方法。通过将表征机器人图像空间与任务空间映射关系的图像雅可比矩阵与系统不确定项集总到同一通道的状态方程,引入ESO对分拣并联机器人视觉伺服系统的集总不确定性进行在线估计,设计一种基于扩张状态观测器的自适应积分滑模控制器,并通过设计自适应律动态调整滑模控制切换增益,以提高视觉伺服系统精度,同时达到抑制滑模控制抖振的效果。采用Lyapunov稳定性理论证明该控制方法的稳定性,最后通过仿真实验验证了所提出视觉伺服自适应滑模控制方法的可行性和有效性。

基于PlatEMO的铸件分拣机器人轨迹优化

针对铸件分拣机器人工作时轨迹优化中低耗时、低耗能、平滑弱冲击的性能需求,采用七次B样条曲线构造端点运动参数均可指定的关节轨迹,基于多目标优化平台PlatEMO,运用优化算法NSGA-Ⅲ以时间、能量、平滑性为目标对铸件分拣机器人进行轨迹优化,得到最优解集。仿真结果表明,NSGA-Ⅲ算法可以对铸件分拣轨迹实现多目标寻优,得到理想的Pareto分布,获得均衡且高阶连续的优化轨迹。

基于改进RRT算法的智能分拣机器人路径规划研究

文章聚焦于改进的RRT算法在智能分拣机器人路径规划中的应用。传统RRT算法存在搜索盲目、耗时长、收敛慢以及路径不平滑等问题,导致路径规划结果不够理想。为此,提出了一种改进的RRT算法,通过引入目标点导向偏置,引导随机树向目标点生长;采用区域限制以加快路径收敛;进行路径优化以获取最优路径。在二维地图模拟的快递驿站场景中进行的实验表明,改进后的算法在缩短路径长度、加快搜索速度和避免障碍物方面具有显著优势。此外,对不同场景下的算法性能进行了评估与比较,旨在为智能分拣机器人的路径优化提供有价值的参考,有助于增强其在物流和制造等领域的应用效果。

基于智能视觉在分拣机器人工作站中的应用研究

针对当前分拣机器人工作站中存在的分拣准确率不高、分拣速度受限、适应性差等问题,本文从视觉识别模块、PLC与触控屏集成控制模块、分拣机器人运动控制模块等多个方面,提出了一种基于智能视觉的分拣机器人工作站设计方案。旨在为分拣机器人工作站的智能化升级提供理论支持和实践指导。

三自由度并联分拣机器人的动力学建模与仿真

目的 针对自动化生产线上分拣机器人的动力可控性问题,提出一种2UU-UPU三自由度并联分拣机器人,以提高分拣的精度可控性。方法 分析该机器人的机构自由度,以及各参数之间的关系,基于闭环矢量法建立并联机构的运动学逆解模型;利用拉格朗日动力学方程推导该机器人的动力学表达式,并进行数值计算,采用Matlab Simulink和Adams进行动力学联合仿真,对理论值和仿真值进行误差分析。结果 揭示了该机器人动平台的运动规律,得到了驱动力矩曲线,理论值与仿真值的误差较小,3个驱动力矩的最大误差分别为0.379%、0.283%、0.146%。结论 通过验证可知,该机构具有较好的动力学特性,这为后续电机的选型和精准控制奠定了基础。

机器视觉识别机器人在包装分拣领域的应用前景探讨

在包装分拣领域,传统的分拣方式效率低且成本高,机器视觉识别机器人可以快速准确地分辨不同种类的包装,其引入可以提高分拣效率、减少人力成本并避免人为因素对结果的影响。本文通过对国内外机器视觉识别机器人的研究现状做出了综合概括,阐述机器视觉识别机器人分拣的重要性和可行性,以期为包装分拣行业提供数据支持。

基于嵌入式机器视觉的流水线分拣机器人设计

针对传统流水线上人工错误率高、速度慢和人工成本高的问题,设计了一种深度学习的流水线智能分拣机器人来缓解流水线的压力。该机器人采用分层结构设计,上位机采用Jetson Nano来完成机器人的图像采集、识别和处理,下位机由STM32G0作为主控,通过舵机和电机实现机器人的功能控制。同时上位机与下位机之间进行有效的数据交互,实现了机器人的抓取和分拣协调工作。在实验测试中,该机器人能够通过学习样本实现自动分拣不同类型的对象,并且能够精确识别。该流水线分拣机器人融入了计算机视觉与嵌入式系统,不仅使分拣机器人结构更紧凑,而且有利于提高社会生产力水平,具有良好的应用前景。

多机械臂煤矸石智能分拣机器人关键共性技术研究

依据我国煤矿智能绿色发展战略,深入分析了国内外智能拣矸系统的研究现状,指出研发适用于井下的多机械臂煤矸石智能分拣机器人是破解煤矸分拣难题的重要发展方向,凝练了直接影响和制约我国煤矸石智能分拣高质量发展的“煤矸石准确识别、精准跟踪和可靠抓取、多目标任务多机械臂协同分拣”三大关键共性技术难题,并给出了解决思路和方法。针对煤矿井下煤矸石被煤泥严重包裹识别难,提出了“X射线+视觉”煤矸石识别与匹配方法、基于点云数据的煤矸石抓取特征提取方法,实现目标矸石的快速识别和最优抓取特征提取;针对煤矸石形态各异、动态环境抓取难,提出了基于ORB+BEBLID特征的FLANN动态目标高效匹配方法、基于FDSST的动态目标精准跟踪方法、基于三环PID的机械臂同步跟踪轨迹规划方法,实现机械手对高速传输的动态矸石稳定抓取;针对煤矸石随机分布、障碍多、多机械臂任务分配难,提出了改进匈牙利算法的多机械臂动态空间协同分拣方法,确保系统收益的前提下实现多机械臂在动态空间中高效协同工作。现场工业性试验研究结果表明,针对三大关键共性技术所提出的方法能够有效破解煤矸石高效识别和抓取特征提取、机械臂动态目标同步跟踪稳定抓取、多机械臂高效协同分拣等难题,通过构建完整的多机械臂煤矸石智能分拣机器人系统,提高了煤矸石智能分拣系统的可靠性和分拣效率。

深度学习的车间零件分拣机器人目标识别方法

针对目前方法识别机器人目标时,由于未能详细分析分拣机器人运动规律,导致该方法开展目标识别时,存在平均置信度低、识别效果差等问题,提出深度学习的车间零件分拣机器人目标识别方法。该方法通过分析分拣机器人运动规律,提取待检测目标的特征向量值;结合深度学习理论建立目标识别模型,并寻找模型最佳参数;建立待检测目标的相关测试集放入模型中训练,基于模型输出结果,完成机器人的目标识别。实验结果表明,运用该方法识别目标时,其在特征提取后,分拣目标数量为1000个时,识别准确率达到了97.5%以上,识别耗时在100s以下,平均置信度约为0.8,有效提高了平均置信度、降低了识别时间,识别效果好。

基于机器视觉的分拣机器人6D位姿估计

为解决传统分拣机器人通过人工示教完成指定动作其自动化程度低、实时性差、可移植性弱等问题,研究设计了基于机器视觉的分拣机器人实验平台,提出了基于粗配准与增强精配准混合递进配准策略的6D位姿高精度估计方法。首先,将由视觉传感器采集的3D点云信息进行背景信息去除、目标区域裁剪、ROI提取等预处理;然后采用采样一致性初始配准算法(SAC-IA)进行位姿粗配准,再利用迭代最近点算法(ICP)进行精配准及正态分布变换(NDT)进行增强精细配准,以获得高精度6D位姿。实验结果证明,通过粗配准与增强精配准能够快速准确获得待抓取目标6D位置和姿态,与理论位置和姿态相比较其误差分别控制在1.5 mm和2°之内,满足分拣机器人的实际需求,所提出的方法便于在基于机器视觉的机器人装配、打磨等有高精度6D位姿估计场合推广应用。

基于改进PSO-SVM的生产线分拣机器人罐装食品识别方法

目的:解决现有食品生产线分拣机器人目标识别方法存在的准确率差和效率低等问题。方法:在对基于双目视觉食品分拣系统进行分析的基础上,提出了一种将改进的粒子群算法和支持向量机相结合用于食品分拣机器人的目标识别。通过改进粒子群算法寻优支持向量机参数,获得优化的支持向量机分类模型,对全局特征和局部特征分别进行分类器训练,动态分配特征权重系数,得到最佳识别率。通过试验分析所提方法的性能,验证其可行性。结果:与常规方法相比,所提方法在食品分拣机器人的目标识别中具有较高的识别精度和效率,准确率为99.50%,平均识别时间为0.048 s,满足机器人的分拣需要。结论:所提方法能有效识别罐装食品,提高了分拣机器人分拣准确率和效率。