基于PLC和视觉的机器人物体识别和分类研究

对目标物体的准确识别和分类,是机器人在工业应用中进行抓取和分拣等任务的核心问题。提出了基于PLC和机器视觉的物体形状和颜色识别系统,该系统由PLC作为主控,利用机器视觉对物体形状和颜色进行分类,在识别目标特征后,送入MATLAB处理后将结果发送给PLC,PLC控制机器人的关节,进行目标选择和抓取,有效提高了定位精度和工作效率,降低了成本。     

面向机器人智能抓取任务的视觉定位实验

开发了面向机器人抓取任务的视觉定位实验平台。该实验平台基于5自由度关节式机器人实现物料抓取,采用运动控制器及伺服电机进行控制。基于机器视觉的抓取目标定位系统采用Matlab软件开发,包含图像预处理、图像分割、目标识别、坐标计算、运动路径规划等。视觉定位系统能够识别多个被抓取对象的位置、姿态,并生成抓取运动指令,通过网络与机器人运动控制器通信实现自动抓取。该实验融合了机器视觉、机器人控制、机电一体化等多方面课程知识,具有良好的开放性和广泛应用性,有利于培养学生的工程实践能力和创新能力。     

基于深度学习的无序件抓取实验系统开发

将深度学习、机器视觉与机器人相结合,构建了平面无序件抓取实验系统.通过在SSD网络引入内卷积、特征金字塔等提高目标检测算法的检测性能与效率,算法参数减少60％.构建基于VGG16主干网络的细长类标准件姿态预测算法以引导机械手抓取;采用STM32单片机控制龙门式机械手,根据算法检测结果实现机械手的抓取动作.该抓取实验系统...     

基于机器视觉的多目标跟踪技术的研究

机器视觉可以帮助机器识别物体并对物体进行作业.本文在工业机器人的设计基础上,增加一个机器视觉系统.系统由机器人、摄像机、图像采集卡、计算机及系统软件所构成.机器人凭着这个视觉系统,可以捕获目标物体的特征并且识别目标物体,然后对物体进行定位,最后控制工业机器人完成作业任务.     

基于机器视觉的数控加工单元系统研究

自动化生产线运输零件进行数控机床加工,往往会由于零件位姿误差导致加工产品不合格,影响加工效率。针对该问题,研究一种基于机器视觉识别定位并修正加工零件位姿的方法。机器人通过视觉系统获取坐标及偏移角度,利用运动控制系统抓取零件并修正角度后放置在机床加工位置,通过仿真软件评定其稳定性和可靠性。结果表明:该方法能快速准确获取零件信息,并控制机器人抓取零件放入机床正确位置,从而有效提升加工质量和效率。     

工业机器人实验教学平台

针对工业机器人系统复杂、学习难度大等问题,设计了基于机器视觉的五子棋人机对弈实验教学平台。通过机器视觉实验,学生可以学习相机标定、棋子快速识别与定位的图像算法。通过对弈搜索算法实验,学生可以学习树状智能搜索算法的原理。最后进行机器人程序控制实验,了解机器人轨迹规划的基本原理,通过修改机器人程序可得到不同的机器人运动轨迹。利用开发的人机交互界面,可进行对弈实验测试。该实验达到了预期实验目的。     

基于深度学习的机器人抓取虚拟仿真实验教学系统北大核心

该文以基于深度学习的机器人抓取研究成果为基础,利用虚拟仿真技术,开发了机器人抓取实验教学系统。该系统形成了关键基础知识的模块化学习、数据集的创建与扩增、卷积神经网络的设计与训练、工业与生活服务场景的搭建,以及机器人抓取仿真实验验证等层次递进的实验过程,融合了理论知识考核、实验实践测评以及实验报告分析等在线评价方法,降低了实验教学成本,提高了教学质量和学习效率。     

基于机器视觉的工业机器人分拣技术应用研究与系统开发

随着科学技术的不断进步,与机器人有关的技术也得到飞速发展,专家和学者关注的焦点也转移到机器人视觉技术方面,从而让机器人也拥有和人眼相似的使用功能.文章研究了基于机器视觉的工业机器人分拣系统,该系统主要包括机器人本体及工件平台、机器视觉和运动控制三大模块,对它们的结构分别进行了设计;最后重点分析了分拣系统中应用的关键技术.     

计算机视觉视域下物体抓取识别算法研究

物体抓取识别是计算机视觉技术的重要研究领域。运用深度学习理论从行为识别、物体识别以及立体匹配等方面着手实现对目标物体的种类和个数识别,通过数据集分析、网络结构建模形成了物体抓取的识别算法。     

管道巡检机器人视觉系统实验教学平台设计

为加强机器人专业实验教学,提高人才培养质量,设计了一套基于管道巡检机器人的视觉系统实验教学平台。该实验平台由目标物的检测识别和目标物的定位测距两部分组成,涉及视觉系统的相机标定技术、深度学习技术、YOLO检测算法、单目定位测距技术等。实验结果表明,该视觉系统具有较强的淤积物检测识别能力和较高的淤积物检测精度。学生通过该平台不仅学习了管道机器人视觉系统的设计思路和方法,而且创新实践能力大大提高。     

搬运机器人的研究与设计

研究一种在模拟工厂场地上能够按照规定的白色导引线路径行驶的移动机器人自动化装备。具有红色与蓝色工件的颜色识别,工件的抓取、搬运、组装、寻迹、避障等功能。通过在模拟工厂的场地上调试,机器人能够完成外径在240mm,重量在4kg左右圆柱体工件的红蓝颜色识别、工件的抓取、搬运与装配。     

基于视觉引导的机器人抓取分类系统设计

为了解决流水线的快速抓取及分类问题,采用六自由度串联工业机器人和SCARA 四轴机器人结合,配合3D 和2D 相机,搭建了一套智能分类抓取系统。基于Halcon 视觉处理平台,在Qt 软件框架下进行二次开发,构建了机器人视觉引导的自动抓取和分类软件框架。通过相机采集图像,并在上位机中经图像预处理、位姿估计、模板匹配等步骤后,得到三维位姿或中心坐标,并发送给机器人实行智能抓取,从而实现对多种堆叠物块的识别和抓取。实验结果表明,通过视觉定位得到的物块中心位置和机械手实际抓取测量之间的误差为0.05~1.22 mm,摆放角度在5°以内时,分拣效率比人工分拣提高了62%左右,可以更好地满足实际企业生产的需求。     

基于颜色识别的生产线机器视觉系统

根据生产线生产要求,生产线机器视觉系统通过对颜色的识别来判断工件是否合格。为了满足实时性和准确性的要求,提出了一种基于HSI色彩空间模型的阈值算法。现场测试证明利用稳定颜色空间的图像分割和行程长度编码算法的机器视觉系统能满足工作需要。     

基于智能传感器的工件抓取系统研究

自动化生产线产品检测时,为快速获取产品的三维位姿参数,提出一种基于智能传感器的单目视觉工件位姿获取方法。通过HALCON软件中3D表面匹配算法,对机器人和智能传感器系统进行标定,运动平台带工件作平移运动,智能传感器扫描测量,获取工件的轮廓点云数据,利用软件完成物体的三维点云信息处理和模型的三维重构,确定工件位姿。试验结果表明,该方法可以快速测量,数据可用于机器人抓取。     

基于TensorFlow的垃圾分拣机器人设计

针对人工智能相关专业深度机器学习理论与实践脱节的情况,结合市场对垃圾分拣的实际需求,设计了一款基于TensorFlow的垃圾视觉分拣机器人实验平台。实验平台硬件部分包括:NVIDIA Jetson TX2嵌入式机器学习平台、智能机械臂控制系统;软件部分基于TensorFlow深度学习框架,通过数据采集、数据标注、MobileNet SSD模型的迁移训练等若干步骤,实现了垃圾的视觉分拣。实验平台可满足深度学习、工业机器人、机器视觉等先进技术的实践教学要求,有助于提高学生的创新与实践能力。     

机械专硕“机器视觉原理与应用”教学案例库建设

案例库建设与应用对于机械工程专业学位研究生实践创新能力的培养具有重要意义。在分析“机器视觉原理与应用”课程特点及案例教学需求的基础上,探讨了“机器视觉原理与应用”教学案例库的建设思路及架构,构建了视觉测量、缺陷检测、目标跟踪、机器人视觉、3D视觉、深度学习等6个技术专题的智能制造教学案例库,给出了典型案例的设计过程及主要内容。教学实践结果表明,机器视觉案例得到了学生的普遍认可,激发了学生学习的积极性,可以满足专业学位研究生“机器视觉原理与应用”课程的教学需求。     

基于机器视觉的写字机器人实验系统设计

设计了一种基于机器视觉的写字机器人实验系统。该系统机械结构包括2自由度运动单元和书写机构;硬件部分由主控、识别、运动控制以及人机交互等模块组成,主控模块使用STM32作为主控制器;软件部分通过使用Bresenham算法结合坐标变换实现书写机构按照特定轨迹进行运动。测试结果表明,写字机器人系统可以完成运动手势识别,控制书写机构运动;也可以通过识别手写笔的运动来控制书写机构进行同步书写。该系统易于实现,且具有运动手势识别准确率高、同步书写精度较高等优点。     

NAO机器人平台的创新实验设计与实现

通过引入NAO机器人教学平台,设计一个让NAO完成拾取物品并丢弃至垃圾桶的任务,可以让学生循序渐进的掌握相关技术。该平台根据机器人运动学理论实现了对NAO机器人手臂的精确控制,再基于Open CV视觉库完成了对色标柱的识别与定位,实现了NAO机器人手臂完整的抓取和丢弃动作。经过实践发现,这种教学模式能够激发学生学习机器人运动学、图像处理、自动控制等专业知识的兴趣,教学实验案例有助于培养学生的创新意识,并让学生用编程解决问题的能力获得全面提高。     

全局视觉足球机器人的动态目标识别方法改进

在全局视觉小型足球机器人比赛中,为保证控制的实时性和准确性,要求机器人的视觉系统能够快速处理图像信息,并对目标进行准确的识别和跟踪,但由于受外界环境的干扰和视觉系统自身的原因,全局视觉足球机器人经常出现目标丢失或识别错误等现象。文章通过分析影响目标识别效果的各种因素,提出了相应的改进方法,并以ROBOCUP小型组足球机器人系统为平台设计了目标识别方案。     

基于粒子群算法的工业机器人焊接系统

针对复杂的自由曲线型焊缝的焊接作业,对传统的工业机器人焊接系统进行改进。将机器视觉与工业机器人相结合,搭建"eye-to-hand"视觉系统。首先采用工业相机采集焊缝图像并发送至工控机,通过焊缝识别算法进行识别以获取焊缝信息;然后结合焊接工艺参数及焊缝信息建立焊接模型,并引入粒子群算法对机器人进行轨迹规划;最后将轨迹规划结果通过以太网发送至机器人,以此引导工业机器人完成焊接作业。实验结果表明,改进的工业机器人焊接系统可自主完成复杂曲线型焊缝的识别及轨迹规划,且焊接效果满足要求,有效地提高了工业机器人在焊接场景下的智能化及自主作业能力。