本文關(guān)鍵詞：車身焊點(diǎn)質(zhì)量檢測(cè)機(jī)器人視覺定位算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著機(jī)器人技術(shù)、計(jì)算機(jī)、圖像處理及模式識(shí)別等技術(shù)的快速發(fā)展,基于視覺的工業(yè)機(jī)器人得到了越來越廣泛的應(yīng)用。其中,機(jī)器視覺是工業(yè)機(jī)器人獲知周圍環(huán)境信息的重要手段,能夠增強(qiáng)工業(yè)機(jī)器人的自主能力和靈活性。在汽車生產(chǎn)線上,傳統(tǒng)的車身焊點(diǎn)質(zhì)量檢測(cè)采用的是技術(shù)人員通過人工抽樣方式,手持檢測(cè)設(shè)備對(duì)焊點(diǎn)質(zhì)量進(jìn)行檢測(cè),這種方法效率低,嚴(yán)重影響汽車產(chǎn)能。針對(duì)上述問題,急需開發(fā)一套基于機(jī)器視覺的白車身焊點(diǎn)質(zhì)量檢測(cè)機(jī)器人系統(tǒng),本文針對(duì)該系統(tǒng)的視覺定位算法進(jìn)行研究,主要工作內(nèi)容如下：首先,根據(jù)白車身焊點(diǎn)質(zhì)量檢測(cè)機(jī)器人系統(tǒng)的工作原理和技術(shù)要求,設(shè)計(jì)了該系統(tǒng)的整體方案。選用日本安川公司的MOTOMAN-MH12型機(jī)器人作為工業(yè)機(jī)器人本體,以Smartek GC1392C工業(yè)攝像機(jī)和研華工控機(jī)為機(jī)器視覺硬件主體,構(gòu)建機(jī)器人系統(tǒng)軟件框架,搭建了整個(gè)白車身焊點(diǎn)質(zhì)量檢測(cè)機(jī)器人系統(tǒng)平臺(tái)。其次,為了改善CCD攝像機(jī)拍攝的車身焊點(diǎn)圖像,對(duì)所拍攝的圖像進(jìn)行了圖像預(yù)處理,主要包括圖像的灰度化、中值濾波和圖像銳化。接著,提取焊點(diǎn)的邊緣特征,分析對(duì)比幾種經(jīng)典的邊緣檢測(cè)算子,發(fā)現(xiàn)小波極大值邊緣檢測(cè)算子以其更優(yōu)越的檢測(cè)效果而獲得采用。然后,利用隨機(jī)Hough變換(RHT)算法實(shí)現(xiàn)圓弧的檢測(cè),識(shí)別了圖像上車身焊點(diǎn)的中心位置之后,為了實(shí)現(xiàn)車身焊點(diǎn)在線智能識(shí)別分類,先提取車身焊點(diǎn)的圖像特征。通過分析焊點(diǎn)的圖像特征,并根據(jù)實(shí)際項(xiàng)目情況,決定采用灰度共生矩陣(GLCM)特征參數(shù)來描述焊點(diǎn)的圖像特征。針對(duì)車身焊點(diǎn)識(shí)別,在傳統(tǒng)的支持向量機(jī)(SVM)的基礎(chǔ)上,采用基于粒子群優(yōu)化的模糊核聚類P-KFCM及SVM算法設(shè)計(jì)車身焊點(diǎn)分類器,成功實(shí)現(xiàn)了車身焊點(diǎn)與圓孔等其他干擾因素的區(qū)分。實(shí)驗(yàn)結(jié)果表明該方法能有效地識(shí)別出車身焊點(diǎn)。最后,對(duì)安川MH-12型機(jī)器人及其數(shù)學(xué)模型、手眼成像模型和相關(guān)坐標(biāo)之間轉(zhuǎn)換進(jìn)行了理論分析。以此為基礎(chǔ),利用白車身焊點(diǎn)質(zhì)量檢測(cè)機(jī)器人系統(tǒng)平臺(tái)在Windows系統(tǒng)上的VC++6.0軟件環(huán)境和OpenCV圖像函數(shù)庫等軟件進(jìn)行相關(guān)實(shí)驗(yàn),計(jì)算出圖像中焊點(diǎn)中心坐標(biāo)位置與機(jī)械手末端夾持的焊點(diǎn)質(zhì)量檢測(cè)設(shè)備超聲波探頭在機(jī)器人基坐標(biāo)系中的相對(duì)位置,應(yīng)用所提出的車身焊點(diǎn)識(shí)別與定位算法,在車身焊點(diǎn)質(zhì)量檢測(cè)機(jī)器人系統(tǒng)平臺(tái)實(shí)現(xiàn)了車身焊點(diǎn)的實(shí)時(shí)在線定位實(shí)驗(yàn)。
【關(guān)鍵詞】：汽車 機(jī)器視覺 GLCM P-KFCM SVM 焊點(diǎn)識(shí)別 焊點(diǎn)定位
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41;TP242
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-18
• 1.1 研究背景和意義10-11
• 1.2 機(jī)器視覺在國(guó)內(nèi)外研究發(fā)展現(xiàn)狀11-14
• 1.3 機(jī)器視覺在汽車生產(chǎn)領(lǐng)域研究發(fā)展現(xiàn)狀14-16
• 1.4 論文的主要工作及內(nèi)容安排16-18
• 第2章 車身焊點(diǎn)質(zhì)量檢測(cè)機(jī)器人系統(tǒng)簡(jiǎn)介18-28
• 2.1 車身焊點(diǎn)質(zhì)量檢測(cè)機(jī)器人工作原理18-19
• 2.2 車身焊點(diǎn)質(zhì)量檢測(cè)機(jī)器人系統(tǒng)的技術(shù)要求19
• 2.3 車身焊點(diǎn)質(zhì)量檢測(cè)機(jī)器人視覺系統(tǒng)概述19-27
• 2.3.1 機(jī)器視覺系統(tǒng)概述20
• 2.3.2 車身焊點(diǎn)質(zhì)量檢測(cè)機(jī)器人視覺系統(tǒng)硬件設(shè)計(jì)20-25
• 2.3.3 車身焊點(diǎn)質(zhì)量檢測(cè)機(jī)器人視覺系統(tǒng)軟件架構(gòu)25-27
• 2.4 本章小結(jié)27-28
• 第3章 焊點(diǎn)圖像處理28-36
• 3.1 焊點(diǎn)圖像的預(yù)處理28-32
• 3.1.1 灰度化28-29
• 3.1.2 中值濾波29-31
• 3.1.3 圖像銳化31-32
• 3.2 焊點(diǎn)圖像的邊緣提取32-35
• 3.3 本章小結(jié)35-36
• 第4章 焊點(diǎn)智能識(shí)別36-51
• 4.1 焊點(diǎn)圖像的中心位置提取36-39
• 4.2 焊點(diǎn)的圖像特征提取39-42
• 4.2.1 紋理定義與分析39-40
• 4.2.2 圖像灰度共生矩陣紋理特征40-42
• 4.3 基于P-KFCM及SVM的焊點(diǎn)分類識(shí)別器設(shè)計(jì)42-49
• 4.3.1 粒子群優(yōu)化(PSO)算法43
• 4.3.2 模糊核聚類(P-KFCM)算法43-45
• 4.3.3 粒子群優(yōu)化的模糊核聚類(P-KFCM)算法45-47
• 4.3.4 支持向量機(jī)(SVM)分類模型47-48
• 4.3.5 基于P-KFCM及SVM的焊點(diǎn)分類識(shí)別器48-49
• 4.4 本章小結(jié)49-51
• 第5章 焊點(diǎn)定位51-67
• 5.1 機(jī)器人及其數(shù)學(xué)模型51-56
• 5.1.1 機(jī)器人結(jié)構(gòu)與參數(shù)51-52
• 5.1.2 機(jī)器人數(shù)學(xué)模型52-56
• 5.2 手眼視覺系統(tǒng)標(biāo)定基礎(chǔ)56-62
• 5.2.1 攝像機(jī)成像模型56-57
• 5.2.2 透鏡畸變57-58
• 5.2.3 攝像機(jī)標(biāo)定的各坐標(biāo)系建立與轉(zhuǎn)換58-60
• 5.2.4 手眼視覺系統(tǒng)的坐標(biāo)轉(zhuǎn)換60-62
• 5.3 實(shí)時(shí)視覺定位實(shí)現(xiàn)62-66
• 5.3.1 視覺定位流程與算法實(shí)現(xiàn)62-64
• 5.3.2 車身焊點(diǎn)識(shí)別定位實(shí)驗(yàn)結(jié)果與分析64-66
• 5.4 本章小結(jié)66-67
• 結(jié)論與展望67-69
• 參考文獻(xiàn)69-73
• 致謝73-74
• 附錄A 攻讀學(xué)位期間所發(fā)表的學(xué)術(shù)成果74

  本文關(guān)鍵詞：車身焊點(diǎn)質(zhì)量檢測(cè)機(jī)器人視覺定位算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：276020