隨著工業(yè)生產(chǎn)制造的現(xiàn)代化和智能化,將機(jī)器視覺技術(shù)與機(jī)器人結(jié)合,可以提高工業(yè)機(jī)器人對復(fù)雜環(huán)境的感知與適應(yīng)能力,實(shí)現(xiàn)機(jī)器人抓取作業(yè)的智能化。針對堆疊工件的分揀問題,本文研究了基于雙目視覺的工件抓取系統(tǒng),主要分為四個(gè)部分:（1）工件抓取系統(tǒng)的方案設(shè)計(jì)。對工件抓取系統(tǒng)的硬件組成進(jìn)行對比論證,并設(shè)計(jì)了系統(tǒng)的功能模塊。介紹了單目標(biāo)定、雙目標(biāo)定和手眼標(biāo)定原理,為視覺系統(tǒng)的標(biāo)定實(shí)驗(yàn)提供理論基礎(chǔ)。針對圖像存在對比度低和隨機(jī)噪聲等問題,對常用的圖像預(yù)處理算法進(jìn)行對比分析。（2）工件識別算法研究。研究了形狀相似且?guī)в袕?fù)雜紋理的工件識別算法。針對SURF算法識別時(shí)間較長的問題,采用FREAK算子替代SURF算子對特征點(diǎn)進(jìn)行描述與匹配,縮短了特征點(diǎn)對的匹配時(shí)間。在特征點(diǎn)對的粗匹配后,采用RANSAC算法對其進(jìn)行細(xì)匹配,提高了特征點(diǎn)對的匹配準(zhǔn)確率。通過三種識別算法的對比實(shí)驗(yàn)表明,本文算法具有更好的準(zhǔn)確率和實(shí)時(shí)性,并且具有良好的魯棒性。（3）工件定位算法研究。針對運(yùn)用場景的實(shí)時(shí)性和精確性要求,采用了 SGBM算法進(jìn)行立體匹配,來獲取目標(biāo)工件的深度信息。設(shè)計(jì)了基于三維模型的方法對目標(biāo)工件進(jìn)行姿態(tài)估計(jì),并設(shè)計(jì)了工件金字... 

【文章來源】：陜西科技大學(xué)陜西省

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１?ＦＡＮＵＣ?ｉＲＶｉｓｉｏｎ視覺系統(tǒng)

?基于雙目視覺的工件抓取系統(tǒng)研究???＿＿??圖１－３�？死锏茫常囊曈X系統(tǒng)?圖１－４庫柏特３Ｄ視覺系統(tǒng)??Ｆｉｇ．?１－３?Ｅｕｃｌｉｄ?３Ｄ?ｖｉｓｉｏｎ?ｓｙｓｔｅｍ?Ｆｉｇ．?１－４?ＣＯＢＯＴ?３Ｄ?ｖｉｓｉｏｎ?ｓｙｓｔｅｍ??１．２．２目標(biāo)識別技術(shù)研宄現(xiàn)狀??目標(biāo)識別是使用視覺傳感器實(shí)現(xiàn)人的視覺功能，使計(jì)算機(jī)具有從圖像或者視頻中認(rèn)??知周圍環(huán)境的能力。目標(biāo)識別是目標(biāo)定位、目標(biāo)測量、目標(biāo)分割等操作的重要前提。??視覺技術(shù)在工業(yè)生產(chǎn)場景中的應(yīng)用早期，需要實(shí)現(xiàn)的功能較為簡單，應(yīng)用場景也比??較固定，外界環(huán)境對其的影響較小，因此常采用基于形狀［１３］、灰度［１４］、顏色［１５］等特征的??目標(biāo)識別方法。栗俊艷等人對黑白棋子設(shè)計(jì)分揀系統(tǒng)，采用閾值分割獲取棋子的輪廓，??然后采用霍夫變換對棋子的輪廓進(jìn)行檢測，計(jì)算出圓心的坐標(biāo)，從而確定棋子的位置。??王杏進(jìn)ｔ｜７］設(shè)計(jì)一種對不同形狀的工件分揀系統(tǒng)，采用銳化算子對工件進(jìn)行邊緣檢測，然??后根據(jù)工件的形狀確定質(zhì)心的位置，并根據(jù)工件形狀的長短軸的夾角確定工件的旋轉(zhuǎn)角??度。此類識別方法在外界光照恒定、相機(jī)視角不變的情況下，識別效果較為精準(zhǔn)。但是??在受到光照干擾或工件發(fā)生尺度變換等情況，往往不能正確識別出工件。??隨著工業(yè)自動化的快速發(fā)展，工業(yè)機(jī)器人的工作環(huán)境更加復(fù)雜，任務(wù)要求也更高，??因此需要能適應(yīng)復(fù)雜環(huán)境千擾的目標(biāo)識別方法。局部不變特征對光照、旋轉(zhuǎn)以及尺度變??化具有良好的魯棒性，且特征描述維度低，匹配速度快。常見的局部特征描述子有ＳＩＦＴ＾］，??ＳＵＲＦ［１９］，?ＦＲＥＡＫ［２Ｑ＾ＯＲＢ［２１＾。由于局部不變特征的優(yōu)點(diǎn)，其己成為近幾年來圖像識??別領(lǐng)域的

?基于雙目視覺的工件抓取系統(tǒng)研宄?．???２系統(tǒng)方案設(shè)計(jì)與視覺原理介紹??介紹了工件抓取系統(tǒng)的方案設(shè)計(jì)，根據(jù)系統(tǒng)需求對各部分硬件進(jìn)行設(shè)計(jì)與論證。介??紹了攝像頭的成像原理和標(biāo)定方法，為視覺系統(tǒng)的標(biāo)定實(shí)驗(yàn)提供理論基矗分析了常用??的圖像預(yù)處理算法，為改善圖像質(zhì)量提供方法。??２．１系統(tǒng)總體方案設(shè)計(jì)??工件抓取系統(tǒng)主要由視覺系統(tǒng)，控制器和執(zhí)行器三部分組成，如圖２－１所示。視覺??系統(tǒng)包括工業(yè)相機(jī)、鏡頭和光源，用于采集工作區(qū)域的圖像�？刂破饔晒た貦C(jī)和人機(jī)交??互界面組成，主要是對工件進(jìn)行識別和定位。執(zhí)行器由工業(yè)機(jī)器人組成，按照工控機(jī)發(fā)??送的數(shù)據(jù)與指令，完成對工件的抓取任務(wù)。??以太網(wǎng)通信￣??ｉ１！工業(yè)相機(jī)??．?工業(yè)機(jī)器人??ｈｉｉ?Ｓｉ??Ｖ／工作『域／?ｘ誠互麵??Ｓｏｃｋｅｔ?通信???圖２－１抓取系統(tǒng)組成圖??Ｆｉｇ．?２－１?Ｃｏｍｐｏｓｉｔｉｏｎ?ｄｉａｇｒａｍ?ｏｆ?ｇｒａｂ?ｓｙｓｔｅｍ??２．Ｕ系統(tǒng)組成??（１）工業(yè)機(jī)器人??在分揀場景中比較常見的兩類工業(yè)機(jī)器人是ＳＣＡＲＡ機(jī)器人和六軸機(jī)器人。ＳＣＡＲＡ??機(jī)器人是一種平面關(guān)節(jié)型工業(yè)機(jī)器人，具有四個(gè)關(guān)節(jié)，適用于平面定位，在垂直方向進(jìn)??行分揀和裝配任務(wù)。六軸機(jī)器人具有六個(gè)關(guān)節(jié)，作為工業(yè)機(jī)器人中應(yīng)用中最為廣泛的類??型，具有高靈活性、超大負(fù)載、高定位精度等眾多優(yōu)點(diǎn)。根據(jù)工件抓取系統(tǒng)的要求，工??業(yè)機(jī)器人需要對工作區(qū)域內(nèi)堆疊的工件進(jìn)行分揀。這不僅要求機(jī)器人的工作空間足夠大，??能夠完全覆蓋整個(gè)工作區(qū)域，而且還要求機(jī)器人有很高的自由度，適合于任何軌跡或角??度的動作。ＳＣＡＲＡ機(jī)器人由于其特定的結(jié)構(gòu)，移動角度受到限制，其

【參考文獻(xiàn)】：
期刊論文
[1]工業(yè)機(jī)器人目標(biāo)識別與智能檢測技術(shù)研究現(xiàn)狀與發(fā)展趨勢[J]. 蔣思中,白雪.  輕工科技. 2020(02)
[2]卷積神經(jīng)網(wǎng)絡(luò)在工件識別中的應(yīng)用[J]. 甘露,韓衛(wèi)光.  組合機(jī)床與自動化加工技術(shù). 2019(11)
[3]基于顏色和形狀的不均勻光照條件下球體識別[J]. 陳衛(wèi),鄧志良.  電子設(shè)計(jì)工程. 2019(21)
[4]一種高效的自適應(yīng)雙邊濾波方法[J]. 程卓越.  數(shù)字技術(shù)與應(yīng)用. 2019(10)
[5]濾除椒鹽噪聲的改進(jìn)中值濾波算法比較[J]. 王波.  貴陽學(xué)院學(xué)報(bào)(自然科學(xué)版). 2019(03)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)多特征融合的工件識別與檢測[J]. 藍(lán)宏宇,姚錫凡,雷毅.  組合機(jī)床與自動化加工技術(shù). 2019(08)
[7]基于機(jī)器視覺的工業(yè)機(jī)器人智能分揀系統(tǒng)設(shè)計(jì)[J]. 徐青青.  儀表技術(shù)與傳感器. 2019(08)
[8]單目相機(jī)物體位姿估計(jì)方法研究[J]. 邢加偉,田海峰,王芳.  導(dǎo)航定位與授時(shí). 2019(04)
[9]面向機(jī)器人抓取過程中目標(biāo)位姿估計(jì)方法[J]. 李樹春,張靜,張華,劉滿祿,楊厚易,劉理想.  傳感器與微系統(tǒng). 2019(07)
[10]基于改進(jìn)高斯濾波算法的葉片圖像去噪方法[J]. 李健,丁小奇,陳光,孫旸,姜楠.  南方農(nóng)業(yè)學(xué)報(bào). 2019(06)



本文編號：3364396