基于改进的FREAK算法的机器人抓取系统

为了解决工业机器人对带有复杂纹理的平面型工件的识别与定位问题,将机器视觉技术与工业机器人相结合。利用改进的FREAK算法对目标工件进行快速识别,并根据工件的形状和单应矩阵计算出工件的形心坐标和旋转角度,再结合双目视觉系统,获取机器人抓取点的三维位姿信息,引导SCARA机器人抓取目标工件。实验结果表明:在复杂的工业环境下,机器人抓取系统能够准确识别出目标工件,具有良好的鲁棒性,同时也满足工业生产的实时性要求。     

基于改进遗传算法的并联机器人分拣路径优化

通过分析包装流水线的生产流程,针对复杂的多约束条件下的Delta并联机器人分拣动态变化的多目标问题,提出了分节拍的基于改进遗传算法的并联机器人分拣拾取路径优化方法.经过分析分拣策略,把实际问题转换为类似旅行商问题(TSP),并结合其工艺的特殊性提出一种改进遗传算法;引入分节拍的处理思想,通过将约束条件变成一种染色体裂变和合并操作结合的遗传算子,对每个节拍内的分拣路径进行优化.试验结果表明,该方法与传统方法相比能够有效缩短分拣行程,平均提高效率14.76%.     

基于云雾结合的工件深度学习识别问题研究

统工业自动分拣存在工件识别准确率不高、特征定义复杂等问题,虽然新兴的深度学习为此类问题提供了较好的解决方法,但仍存在对边缘端设备计算能力要求较高的问题,为此本文提出一种基于云雾结合的工件识别算法,即在云端采用改进ALEXNET卷积神经网络进行训练,然后将训练好的模型下载到雾(边缘)端设备,对工件进行实时识别.对100个不同工件进行实验,结果表明:改进后识别准确率从ALEXNET的98%提高到99%,模型参数减少25%,同时可以充分利用云端的强大计算能力与边缘设备的实时性,为智能工件识别提供了一种新途径.     

双并联机器人协作的运动学建模

提出并联机器人以协作的方式提高其作业能力的一个新途径·通过引入瞬时作业点的概念,将工件和刀具离散化,并用其相应坐标系上的一个向量来描述工件和刀具上的瞬时作业点,建立了协作系统中各单机间的联系,将并联机器人协作运动学问题转化成二单并联机器人在工件和刀具约束下的运动学参量的求解·建立了双并联机器人协作的等效闭链运动学模型和运动学方程式,为并联机器人协作运动学分析和控制建立了基础·通过算例证明了模型的正确性和并联机器人协作在拓展有效工作空间方面的有效性·     

索驱动TBot及Delta高速并联机器人的性能对比分析

相较于串联机器人,并联机器人凭借刚度高、动态特性好和结构紧凑等构型优点,在高速分拣领域逐渐获得广泛应用。索驱动并联机器人采用索驱动代替刚性支链,使机器人结构得到有效简化,实现了大幅轻量化,有助于提升其动态特性,降低成本和功耗。该文设计了采用内部支链张紧的新型索驱动高速并联机器人TBot,该机器人与Delta并联机器人均面向高速分拣工况,可实现三维高速平动和绕动平台所在平面法向的单自由度转动。通过对比分析两者的差异,有助于明确索驱动和刚性并联机构的特性,定位亟待解决的关键技术,推动两者的研究和工业应用。在对Delta和TBot机器人进行运动学和动力学建模的基础上,仿真分析了给定"门"字轨迹下的运动学和动力学特性。仿真结果表明:TBot机器人具有机构简洁、能耗低、可达空间大等优势,具有较大的发展潜力。     

一种基于SIFT特征匹配的工件识别方法

为了解决平移、旋转、缩放和部分遮挡等复杂环境下的工件图像匹配识别问题,给出了一种基于SIFT(尺度不变特征变换)特征匹配的工件识别算法.该算法采用SIFT特征作为匹配特征,引入欧氏距离作为图像匹配的相似性度量,并采用设定阈值的方法剔除误配点.实验结果表明,该算法能有效解决具有平移、旋转、缩放和部分遮挡等情况下的工件匹配识别问题.     

插件元器件分拣机器人系统设计与实现

针对传统的插件元器件分拣方法准确率较低的不足,搭建一个基于机器视觉的分拣机器人系统.该分拣机器人系统对目标定位时,采用改进的自适应阈值的Canny边缘提取算子提取目标的边缘信息,克服了光照变化对目标定位的影响;目标分类时,采用SURF提取关键点与FREAK描述的方式对目标进行描述,二进制的描述子相比传统浮点数描述子,加快了模型的建立,缩短目标分类的时间.实验结果证明:该系统能有效提高分拣机器人系统对多目标的分类准确率,缩短多目标的分类时间;同时对环境有较好的适应能力,提高了生产效率.     

四自由度高速并联机器人的研究

综合新型四自由度并联机构的实际约束条件,建立了新型机构的运动学分析模型,求取了机构位置反解的显式解,建立了位置正解的Newton-Raphson数值迭代算法,优化了机构的尺度参数.针对我国食品生产与包装的实际需求,基于新型并联机构和机器视觉等先进技术,构建了面向食品生产与包装的自动高速并联机器人分拣系统.     

基于颜色智能识别的嵌入式筒管分拣系统设计

为了满足纺织企业对筒管分拣系统的要求,提高分拣精度、实时性和智能化程度,研究并设计了一个基于颜色智能识别的嵌入式筒管分拣系统;选用以ARM Cortex-M4为内核的STM32F407VG作为控制芯片,详细介绍了系统的硬件设计、软件设计过程和方法;重点研究了自适应滤波方法、根据筒管图像RGB信息进行颜色识别和分拣的算法,并基于Lab VIEW 2014开发了实用的人机交互界面;结果表明:系统可实现剔除有纱筒管,将空筒管自动按颜色分拣;空筒管分拣正确率接近99%,有纱筒管剔除接近98%,运行速度180根/min。     

并联Delta机器人及其轨迹规划方法研究

并联Delta机器人具有定位精准、刚度高、可操作性好、结构紧凑等优点,被广泛应用于航空、航天、海底作业、微机电系统和辅助医疗等方面。从Delta机器人发展至今,解决智能自动生产线上的大批量或小批量柔性制造中的高速、高精度轨迹跟踪等拾放作业任务难题,是该领域研究的重点和难点。本文对国内外并联Delta机器人轨迹规划研究发展进行了回顾,重点阐述了并联Delta机器人拾放操作轨迹规划研究现状。针对并联Delta机器人的发展趋势进行了相关展望,以期为并联Delta机器人轨迹规划领域相关研究学者提供参考。     

基于机器视觉的工业机器人分拣实验平台设计

为提高机械电子等专业学生的实训质量,设计了基于机器视觉的工业机器人分拣实验平台.平台包括上位机、机器视觉、机器人和气动系统共4个子系统,涉及图像目标识别与定位、图像坐标系与机器人坐标系的转换、吸盘控制系统设计等关键技术,并设计了6组创新型实训项目.通过该实验平台,学生可以进行图像采集与处理、机器人控制以及上位机软件开发...     

气动人工肌肉驱动球面并联机器人的位置控制研究

研究将气动人工肌肉驱动器应用于柔索驱动三自由度球面并联机器人机构,介绍了该机器人的运动学模型,提出一种简便的轨迹规划方法,在建立的实验测控系统中,应用含并联机器人的位置逆解和对气动人工肌肉的智能PID控制的位置控制算法,实现对机器人末端的位置控制,通过机器人的位置正解验证了位置控制的控制效果.     

基于点对特征的无序散乱堆叠工件位姿估计算法

针对无序分拣场景中物体相互堆叠遮挡导致的位姿估计误差大的问题,本文提出了一种基于点对特征(point pair feature, PPF)的杂乱堆叠工件位姿估计算法。离线训练阶段,使用更优的点云降采样方案和更为细致的点云法线计算方式,以保留更多具有区分性的点对,实现模型更为精确的全局描述;在线匹配阶段,通过快速投票方案获得杂乱堆叠场景中目标的候选位姿,并提出了一种基于体素索引和位姿交并比的聚类策略完成位姿聚类和误匹配位姿的剔除,实现目标位姿的粗估计,最后采用ICP (iterative closest points)算法完成目标位姿的优化,获得目标的精确的6D位姿。分别进行了仿真场景实验和机械臂分拣实验,结果表明,提出的算法在杂乱场景中对3种类型工件的平均识别率为98.4%,单个工件识别时间均小于0.86s,且位姿估计精度较原始PPF算法有明显提升;在实际分拣实验中识别成功率达96.7%,分拣成功率达95.3%,验证了算法在实际应用中对于噪声和杂乱遮挡的鲁棒性较强。     

基于点对特征和局部参考系的六维位姿估计算法

针对大量物件分拣工作中单目视觉无法精确估计目标位姿从而无法完成随机堆叠工件分拣的问题,以点对特征为基础,提出了基于点云的目标识别和位姿估计算法的改进算法.模型训练阶段,使用改进的下采样方法,保留更多有区分性的点对,构建局部参考系作为补充特征;在线匹配阶段,以距离作为投票权重,并利用匹配点对的局部参考系相似度验证候选位姿;最后通过模型与场景的重叠率筛选未遮挡的多实例目标作为可抓取目标候选.结果表明:在方差为3%,5%倍模型尺寸的高斯噪声下,目标识别率分别可达97%,78%;所有试验的识别耗时均在1 s以内,满足实际需求.     

半智能排爆机器人单手双目手眼系统的研究

针对目前排爆机器人手动控制方式的不足,研究和开发了一个单手双目手眼系统用于半智能排爆机器人的自动控制.单手双目手眼系统是半智能排爆机器人的重要组成部分和关键技术,该视觉系统利用双目立体视觉原理,采用Matlab7.0作为运算引擎,调用机器视觉处理软件EVision6.2中的EasyMatch模式匹配库进行立体图像匹配,能实时捕获排爆机器人周围的图像信息、进行摄像机标定、图像预处理、立体图像匹配、确定机器人未端手爪与可疑目标物的相对位置坐标,并把图像实时显示在控制台,自动控制手臂靠近并准确地抓取可疑目标物.该半智能排爆机器人成功地抓取实验,表明了该立体视觉系统在精度上能够满足半智能排爆机器人的项目要求.     

半智能排爆机器人的单手双目手眼系统

针对目前排爆机器人手动控制方式的不足,研究和开发了一个单手双目手眼系统用于半智能排爆机器人的自动控制.该系统基于双目视觉原理,采用Matlab7.0作为运算引擎,调用机器视觉软件eVision6.2中的EasyMatch 模式匹配库进行立体匹配,实时捕获图像,进行摄像机标定、图像预处理和匹配,确定可疑目标物的坐标,并把图像实时显示在控制台,自动控制手臂靠近并准确抓取可疑目标物.该半智能排爆机器人抓取实验的相对误差小于2.54%,表明该立体视觉系统在精度上能满足半智能排爆机器人的要求.     

基于单目视觉的高速并联机器人动态目标跟踪算法

在高速并联机器人视觉分拣系统中,由于安装误差等原因,视觉系统与传送带以及机器人与传送带之间会存在一定的角度偏差,导致目标物体在分拣系统中的定位精度较低,使机器人末端不能精确抓取动态目标.而且传统的单目视觉定位及跟踪算法存在精度低、运算速度慢等问题,影响视觉分拣系统的计算速度,降低系统的实时性.针对以上问题,提出了一种基于圆特征的单目视觉定位与传送带标定结合的动态目标跟踪算法,首先不需考虑相机坐标系与传送带坐标系的角度偏差,拍摄一个圆形目标,并以光心为顶点构造直椭圆锥的几何成像模型.在此基础上利用其几何关系求取圆心在相机坐标系下的深度信息,再结合传送带标定与张正友标定方法,确定传送带编码器的比例因子以及机器人坐标系和传送带坐标系之间的角度偏差,并实时跟踪圆形目标运动过程中圆心在机器人下的位置.最后,对所提算法和传统算法分别进行实验对比,结果表明,该动态跟踪算法通过圆锥投影的几何关系推导圆心的空间坐标,避免了传统复杂的非线性方程求解,定位精度和计算速度大幅提高.该算法消除了传统算法的角度偏差,平均位置误差为0.82 mm,具有较高的定位精度.运行中系统耗时较短,运行效率得到了有效提高,且误抓率和漏抓率分别为0.2%和0,具有很高的实用价值.     

基于双目视觉的工件三维重建

为了提高样品识别的智能化水平,基于双目视觉技术,配合工业机器人,对具有特征轮廓属性的工件进行三维重建.三维重建算法采用轮廓边缘线拟合算法以实现工件边缘轮廓提取;针对多条轮廓线相交情况,采用点圆拟合理论确定特征点;为了实现左右对应特征点的准确匹配,采用异面直线公垂线最小距离算法,通过对比左右公垂线距离大小判断两条直线对应特征点是否为匹配点;当单次拍摄无法满足完整尺寸测量时,引入了具有重叠特征点的二次拍摄重建算法.对5组不同尺寸、不同形貌的工件开展三维重建实验,整体还原出工件的三维尺寸形貌,各工件的主要轮廓尺寸的误差标准差基本在±0.5mm以内.     

基于视觉与超声技术机器人自动识别抓取系统

提出了满足机器人装配作业中对工件进行可靠识别与抓取的信号处理技术及检测方法,对痛准确描述物体形状的特征提取方法进行了研究,设计了一种基于视觉与超声技术的机器人自动识别与抓取系统的结构,并在机器人装配作业平台上进行了物体识别与抓取的实验研究。     

3-RRRT并联机器人位置分析

本文旨在研究和分析3 RRRT并联机器人位置的正、反解问题.运用了齐次坐标系法和空间矢量法对3 RRRT并联机器人机构进行了分析,用解析的方法给出了该并联机器人的8组位置反解,采用数值方法给出了该并联机器人的位置正解.并基于I deas系统下的实体模型,应用MATLAB语言及其优化工具箱,实例验证了该数学模型的正确性.