视觉机械手的抓取方法研究

针对机械手抓取物体大多以指定位置抓取特定物体的方式及柔性差的问题,提出利用基于深度学习方式的目标检测算法对物体进行识别。通过双目视觉算法检测物体所在的空间位置,利用D-H法进行机械手的坐标解算,从而实现物体的抓取。根据实际需求,采用实时性较好的YOLOv4目标检测算法与OpenCV中的立体匹配算法SGBM相结合的方式实现目标定位检测,并且通过租用云端服务器来训练神经网络和运行程序的方式降低本地硬件要求。实验结果表明:该机械手抓取物体的成功率达到了84%,验证了该方法具有较好的准确性,基本满足智能制造中的实际需求。

基于视觉技术实现侧围外板零件在非精度料架上自动上件的研究与应用

汽车工业的发展越来越倾向于无人化与智能化,汽车制造工艺流程中一些较大的外表面零件要实现自动上件,首先需要克服大零件的搬运,机械手的成熟应用已经可以克服该问题。但是如何基于现有汽车制造工艺,使用最小的改造费用实现自动上件,这是下面需要重点研究的问题。考虑现有汽车制造工艺流程中,鉴于前期规划成本考虑,一般的零件上件方式均为人工上件;人工上件时人员搬运零件都具备一定的自动纠错能力,及时零件在料架中的摆放位置不是特别精准,员工也可以将零件正确搬运出来,同时不影响零件的质量,最终实现上件工作。但是机械手抓取零件时,是有一定的公差要求的,如何实现机械手在非精度料架中实现自动抓取零件,然后实现自动上件,需要借助视觉设备以及视觉算法,通过视觉引导功能来帮助机械手纠正轨迹偏差,实现自动抓取功能。通过RobotStudio来仿真方案的可实施性,建立预集成平台,实物模拟实际工况,同时提高视觉技术与非精度料架匹配使用的可靠性和准确性。