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...     

基于投影变换的锂电池喷码字符检测定位

针对锂电池喷码字符检测定位问题,提出一种基于机器视觉的定位方法.该方法首先根据锂电池图像的特点采用梯度特征对喷码字符区域进行初定位,然后通过倾斜校正得到精细定位后的字符区域.在此基础上,将阈值分割后的字符图像与形态学膨胀后的Canny边缘图像进行逻辑与操作,得到待投影字符区域,最后将待投影字符区域进行垂直和水平两次投影得到单个字符的位置信息,完成字符的检测定位.实验结果表明所研究的方法可以较好的实现对单个喷码字符的精确定位,具有一定的应用价值.     

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.     

基于分布式视觉的室内机器人定位系统设计与实现

针对室内移动机器人的自动识别规定区域的特定颜色目标物的定位导航,提出一种基于分布式视觉技术的机器人系统构建方法。通过场地外的摄像头采集机器人工作现场的图像,由计算机进行机器视觉处理后得到机器人的位置信息,再利用该信息控制机器人按路线行进。经过在3 m×5 m的区域内进行标定试验,证明机器人运行时最大位置误差为:15.6 cm,平均误差为8.1 cm;方位角误差最大为11.3°,平均误差为8.05°。     

航天机器人手眼视觉模拟系统初步设计

介绍了国外航天机器人手眼视觉系统的构成及原理,给出了在地面模拟实验系统中基于PC机和图像采集卡的机器人手眼视觉系统的初步设计方案,包括硬件设计和软件设计等;对手眼视觉系统中的一些关键技术进行了初步的研究,包括摄像机标定及3D目标物体的位置和姿态测量。实验表明,上述算法满足机器人手眼视觉测量要求,为以后的实际应用打下了基础。     

嗅觉搜索机器人的单目视觉室内定位技术研究

针对室内嗅觉搜索机器人定位问题,提出一种基于最小二乘高斯核支持向量机的单目视觉定位算法.首先,利用最小二乘高斯核支持向量机,可将机器人在图片中像素位置与真实场景中位置间的非线性映射转化为带高斯核的线性映射;然后,运用k重交叉验证方法对映射关系模型进行训练,获取优化模型参数;最后,利用单目摄像头采集机器人运动的连续图像,并根据机器人平台与其背景间的灰度差异特征实时识别图像中目标机器人平台,计算得到机器人平台形心在每一帧图像中的像素位置,进而映射出机器人平台在室内环境下的实时动态位置.实验结果表明:此定位方法能够为移动机器人在室内环境下提供高精度和无累积误差的实时定位信息;算法的精确性和可靠性得到了充分验证.     

基于机器视觉的车牌定位与字符识别实验设计

针对机器视觉课程理论内容抽象、理解难度大、相关实验教学装置欠缺的问题,基于机器视觉设计了一种车牌模型的定位与字符识别实验平台,平台由下位机控制系统和上位机软件组成。下位机由图像采集与传输系统、运动控制系统构成,上位机软件由人机交互界面、定位算法与字符识别算法组成,基于VS2019联合Halcon设计包括目标物体的定位与跟踪、MLP分类器训练、字符分割与识别等功能模块在内的控制软件,实现了车牌模型的定位跟踪与字符识别。实验设计具有实用性、趣味性和扩展性,可辅助学生理解机器视觉技术的真实应用场景,提高学生实践能力和创新能力。     

室内环境下结合里程计的双目视觉SLAM研究

针对视觉SLAM要解决的定位精度低和鲁棒性低的问题,提出一种基于双目视觉传感器与里程计信息的扩展卡尔曼滤波SLAM方法,应用改进的SIFT算子提取双目视觉图像的环境特征获得特征点,并构建出视觉特征地图;应用扩展卡尔曼滤波算法融合视觉信息与机器人位姿信息,完成同时定位与地图创建。这种方法既可以解决单目视觉利用特殊初始化方法获取特征点信息不准确的问题,也可以避免双目视觉里程计利用图像信息恢复运动带来的计算量极大和运动估计不鲁棒的缺点。仿真实验表明,在未知室内环境下,算法运行稳定,定位精度高。     

基于PMAC的管道缺陷检测机器人控制系统的设计

本文设计的管道缺陷检测机器人的控制系统,采用PC机和PMAC运动控制卡组合的控制模式.PC机控制云台的转动,实现管道缺陷图像的采集;PMAC控制机器人本体的运动.实验证明,该控制系统能够对管道缺陷检测机器人进行精确控制,使之准确检测到管道的缺陷.     

嵌入式机器视觉测控一体机的研究与开发

提出了一种基于PC机组态软件的嵌入式机器视觉测控一体机的设计方法,并研发出样机.该一体机采用CCD板型相机进行图像采集,利用FPGA的FIFO和DSP的PDT技术进行图像传输;以DSP作为图像处理核心,实现图像预处理、特征提取和智能识别;基于Modbus/TCP协议实现了以太网通信,并通过三层视觉工具库实现了PC机组态软件.该一体机已通过工业级测试,并应用于工业现场.稳定性、可靠性和实时性有保证,可广泛应用于工业监测和控制领域.     

基于机器视觉的柔性机械臂振动位移测量

 针对传统的振动位移测量方法中,间接测量法误差较大、准确度较低,而直接测量法虽能达到精度,但成本较高、实用性较差的问题,提出一种基于机器视觉的振动位移测量方法。选取电机驱动运动的柔性机械臂作为测量对象,通过CCD相机采集机械臂末端标记点运动图像,再经过阈值分割、质心检测等视觉处理,得到机械臂振动位移信息。通过搭建实验平台对该方法进行实验验证,并与压电材料测量法及仿真法得到的振动位移进行对比,结果表明,基于机器视觉的振动位移测量方法能够在不接触工况下,对柔性机械臂进行准确、实时的振动位移测量,相比于压电材料测量法,避免了公式误差等影响,具有明显的优越性。     

基于视觉定位的七轴机械臂目标抓取研究

针对机器人结合机器视觉在面对特定物体进行抓取任务时,系统设计工作量大、可移植性差的问题,提出基于机器人操作系统(ROS),结合手眼的七轴机械臂目标抓取方法,在ROS框架下利用协作机器人FRANKA PANDA结合RGBD摄像头进行目标抓取。创建了RGBD摄像头的xacro机器人模型,利用RViz进行三维模型的可视化操作;应用MoveIt!软件对RViz和Dazebo进行联合仿真;将ROS获取的图像信息发送给OpenCV库进行图像处理及物体定位,然后将物体坐标信息发还给ROS进行机械臂抓取任务。结果表明,该方法简单有效,以ROS为基础设计的抓取方法可移植性强,解决了面对复杂多样的物体,机器人系统需进行大规模控制改动的问题。     

非结构化助老助残机械手对目标识别定位系统的研究

研制了一种非结构化的五自由度助老助残机械手,针对助老助残机械手末端手掌对空间目标物体的定位抓取问题,采用了一种激光引导的双目机器视觉定位和广义回归神经网络求逆解相结合的方法。该方法中,双目机器视觉定位采用双目工业相机,通过阈值分割算法识别激光斑确定目标物体的坐标,再经广义回归神经网络反解出助老助残机械手关节角度。最后通过采集实验数据和理想数据做对比,该方法能够达到较高的定位抓取精度,比较以往的机械手角度反解,该方法不存在无解或多解的情况。     

机器视觉系统的设计

介绍了机器视觉系统的概念,提出了机器视觉系统的典型组成,在进行用户需求分析的基础上,详细讨论了如何利用光源、光学镜头、摄像机、图像采集卡以及图像处理软件等主要部件来设计开发一个焊缝机器视觉应用系统的关键技术.最后给出了一个焊缝检测应用实例.     

基于机器视觉的薄带铸轧熔池液位识别方法

为解决薄带铸轧熔池液位难检测的问题,研发机器视觉识别熔池钢水液位的方法.利用线阵CCD下熔池钢水与铸轧辊灰度值有明显差别的图像特征,建立熔池液位的机器视觉检测系统.利用所选线阵相机采集图像速度快的特性,提出基于时间建立熔池液位图像原型的方法,建立了以滤波处理、二值化处理和边界识别为核心的熔池液位视觉识别模型.使用建立的系统和模型在实验室铸轧机和感应加热炉上进行了测试实验,结果表明:所建的熔池液位视觉检测系统和识别方法具备可行性,具有较高的检测精度和较快的检测速度,能够满足工业生产需要.     

机器视觉下排球手位置轮转的空间多变性优化

在计算机机器视觉下,采用传统方法研究排球手位置轮转的空间特征时,随着排球手位置轮换的不确定性增强,空间状态识别效果不好,对调整战术的指导性不强。提出一种基于机器视觉空间降维的排球手位置轮转空间多变性优化方法。通过构建机器视觉下排球手位置轮转的图像处理模型,完成排球手空间位置变化的像素点采样和特征分析。通过构建图像特征输出函数,实现空间像素点量化特征降维。通过求解排球手空间位置轮转视觉特征图像的运动参数方程式,完成位置轮转空间多变性的优化。实验结果表明,采用该算法能准确有效对机器视觉下排球手位置轮转的空间特征进行分析和识别,对于提高队员的协调和配合素质有重要的指导意义。     

机器视觉在油气勘探开发中的应用现状

作为人工智能正在快速发展的技术分支,机器视觉在油气勘探开发中的作用越发显著,已成为"智慧油田"建设不可或缺的组成部分。首先简述了机器视觉技术,然后分析了机器视觉在油气勘探开发领域的应用现状,并重点介绍了基于深度学习的机器视觉技术的应用;最后对机器视觉在油气勘探开发中的应用前景进行了分析。研究表明:相对于人工图像识别,机器识别要更准确、高效;一般原始图像越复杂、解释要求越高,对图像预处理技术、特征提取算法要求越高;仅以形态形式表示信息的图像识别相对简单,原始图像的二值化处理是关键;当大量信息蕴含在图像纹理、色彩中时,智能解释的难度要大得多;基于深度学习的机器视觉技术实现了自动特征识别,未来将在油气勘探开发领域发挥重要作用。     

机器视觉技术的农业应用研究进展

 机器视觉技术已广泛应用到农业生产的诸多领域。综合国内外优秀研究成果,阐述了现阶段机器视觉在农业方面应用的主要形式,介绍了机器视觉在农作物精选与质量检测、植物生长信息监测、农田视觉导航等应用方向的研究成果,通过分析其创新性的图像处理算法、机器视觉系统的组成,提出了当前机器视觉农业应用仍存在可靠性差、成本高、智能化水平不高等问题。结合当前机器视觉在各种领域的研究和应用情况,对未来机器视觉在农业应用的发展方向进行展望,认为基于嵌入式处理模块和多技术融合的机器视觉系统将成为未来主要发展趋势,以卷积神经网络为代表的深度学习模型也将成为未来图像识别的核心技术,并将极大改善目前机器视觉在农业应用存在的诸多问题。     

机器视觉技术及其在机械制造自动化中的应用

随着视频技术和红外成像技术在机械制造业中的广泛应用,一些应用场合优先利用计算机视觉技术,由计算机替代监控人员进行图像理解。文中简要介绍了机器视觉系统的基本组成,在已有的或设想的一些应用实例的基础上,详细分析了机器视觉技术在机械制造及其自动化中应用,重点阐述了在检测和测量方面的典型应用,并探讨了机器视觉广阔的应用前景。