基于机器视觉的汽车车门三维定位引导

目前车间中常通过预先示教机械臂运动轨迹的方式对夹具上位姿固定的零部件进行引导抓取,存在人机工程性差且智能化程度较低等问题。机器视觉作为非接触感知测量的有效手段已在工业场景中有所应用。基于单目视觉位姿测量技术建立多相机n点透视定位模型和机械臂引导模型,实现了对零部件的空间感知和引导抓取。提出一种用于补偿机械臂和视觉模块系统误差的多零位锚点的预标定方法,有效减小了大尺寸零部件的定位引导误差。

一种利用RAC模型改进的DLT相机位姿估计方法

相机的n点透视(PnP)问题在机器视觉、无人机自主降落、机器人控制以及相机测量等领域有着极其重要的意义。直接线性转换(DLT)算法作为一种经典的PnP算法,能够快速地估计相机的位姿参数,但DLT算法的位姿估计结果,尤其是对转移矩阵的估计,误差较大,抗噪能力弱,很难应用于具有一定噪声的实际环境中。利用RAC模型对DLT算法进行改进,并通过模拟实验和真实实验进行算法测试。结果表明,改进的算法在保持了DLT高效率的同时,大大提升了算法的精度和稳定性。