在工業(yè)生產(chǎn)中,傳統(tǒng)的人工分揀存在勞動(dòng)強(qiáng)度大、效率低下等諸多缺點(diǎn),很難實(shí)現(xiàn)生產(chǎn)目標(biāo)。而機(jī)器人示教分揀存在系統(tǒng)穩(wěn)定性較差、精度較低等缺點(diǎn)。針對這些問題,在傳統(tǒng)分揀系統(tǒng)中加入機(jī)器視覺技術(shù),可令分揀系統(tǒng)更加智能、柔性化,提高生產(chǎn)效率,降低勞動(dòng)成本,對于實(shí)現(xiàn)機(jī)器人智能分揀有著重要的現(xiàn)實(shí)意義。本文從分揀系統(tǒng)的自動(dòng)化升級需求出發(fā),為最大程度還原工業(yè)現(xiàn)場環(huán)境,還原真實(shí)的分揀過程,以常見的幾種工件為研究對象,Baxter機(jī)器人為平臺,提出了基于機(jī)器視覺的Baxter機(jī)器人分揀系統(tǒng)。全文從以下幾個(gè)方面展開了相應(yīng)的研究工作:首先,搭建分揀系統(tǒng)。搭建以Baxter機(jī)器人為硬件基礎(chǔ),ROS為軟件支撐的分揀平臺,對分揀系統(tǒng)分類、定位、抓取、放置等相關(guān)問題進(jìn)行研究,利用搭建好的分揀系統(tǒng)進(jìn)行實(shí)驗(yàn)驗(yàn)證。其次,對工件進(jìn)行分類與識別。對每種工件進(jìn)行圖片采集,作為每種工件的訓(xùn)練集。利用SURF算法將每類工件的所有訓(xùn)練圖片進(jìn)行特征點(diǎn)提取,由K-means進(jìn)行特征點(diǎn)聚類,做成視覺詞袋,對每一張訓(xùn)練圖片用詞袋模型表示。針對本文的小樣本工件,選擇SVM訓(xùn)練每一類工件訓(xùn)練圖片的詞袋模型和類的標(biāo)簽,得到SVM模型,將待檢測的目標(biāo)工件用詞... 

【文章來源】：北方民族大學(xué)寧夏回族自治區(qū)

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【部分圖文】：

RacerPack分揀設(shè)備

圖 2-1 分揀系統(tǒng)總框圖通過在機(jī)載計(jì)算機(jī)中添加 ROS 系統(tǒng)的相機(jī)計(jì)算機(jī)頂層 API 中的 tf 包以及一些第三方工程序，得到 ROS 圖像格式下的原始圖像信的形式發(fā)布在“cameras\left_hand_camera\imenCV 圖像格式的相互轉(zhuǎn)換，方便圖像被后圖 2-2 圖像采集模塊系統(tǒng)框圖：將采集到的工件和物料筐圖像進(jìn)行圖像預(yù)、形狀、尺寸等屬性，采用不同的圖像預(yù)處

得到工件放置點(diǎn)坐標(biāo)。將圖像坐標(biāo)系下的抓取放置點(diǎn)轉(zhuǎn)換到機(jī)器人坐標(biāo)系下，如圖2-4 所示。圖 2-4 目標(biāo)定位模塊系統(tǒng)框圖4. 目標(biāo)識別模塊：將所有種類的工件采集多幅圖像按其種類對應(yīng)做圖片庫，對預(yù)處理后的圖片進(jìn)行特征提取，將特征點(diǎn)聚類后生成視覺詞袋，構(gòu)造詞袋模型。按照其分類標(biāo)簽用支持向量機(jī)(Support Vector Machine，SVM)進(jìn)行分類，生成分類器。將裁剪后的樣本，經(jīng)特征提取，聚類，以詞袋模型形式表示后，放入生成的分類器中，得出識別結(jié)果，如圖 2-5 所示。圖 2-5 識別模塊系統(tǒng)框圖5. 抓取放置總模塊：對得到的工件信息按所需抓取次序排序然后依次抓取，按照種類對應(yīng)子筐進(jìn)行放置，直至抓取放置次數(shù)超過預(yù)設(shè)工件數(shù)量或找不到工件，設(shè)計(jì)防漏抓系統(tǒng)，增強(qiáng)分揀系統(tǒng)的可靠性，如圖 2-6 所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于視覺引導(dǎo)的Baxter機(jī)器人運(yùn)動(dòng)控制研究[J]. 劉想德.  重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[2]基于機(jī)器視覺的核桃仁特征提取與分級方法研究[J]. 周軍,蔡建,郭俊先,張靜,史建新,艾力·哈斯木,姜彥武.  江蘇農(nóng)業(yè)科學(xué). 2018(11)
[3]基于機(jī)器視覺的內(nèi)螺紋檢測的實(shí)現(xiàn)方法[J]. 田野,葉兵,王連兵.  儀表技術(shù)與傳感器. 2018(01)
[4]基于虛擬現(xiàn)實(shí)的雙臂機(jī)器人運(yùn)動(dòng)仿真系統(tǒng)研究[J]. 董浩,蓋帥,高湛.  天津科技. 2017(12)
[5]基于軸線法與卡爾曼濾波的Baxter機(jī)器人標(biāo)定[J]. 陳勛漫,黃沿江,張憲民.  振動(dòng).測試與診斷. 2017(05)
[6]基于機(jī)器視覺的自動(dòng)分揀系統(tǒng)設(shè)計(jì)研究綜述[J]. 肖仁,吳定會(huì),歐陽洪才.  智慧工廠. 2017 (09)
[7]基于機(jī)器視覺的機(jī)器人辨識及分揀盒裝香煙的系統(tǒng)[J]. 盧振利,謝亞飛,周立志,單長考,波羅瓦茨·布朗尼斯拉夫,李斌.  高技術(shù)通訊. 2016(06)
[8]一種快速提取植物葉片最小外接矩形算法[J]. 向元平,何燕平,危郁林,梁歡,郭本初.  計(jì)算機(jī)與現(xiàn)代化. 2016(02)
[9]一種基于改進(jìn)Canny的邊緣檢測算法[J]. 許宏科,秦嚴(yán)嚴(yán),陳會(huì)茹.  紅外技術(shù). 2014(03)
[10]基于形狀內(nèi)容分析的機(jī)器人物料分揀系統(tǒng)[J]. 鄒騰躍,唐小琦,宋寶,陳吉紅.  組合機(jī)床與自動(dòng)化加工技術(shù). 2013(05)

碩士論文
[1]煙草倉儲管理系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)[D]. 徐蕓敏.江西財(cái)經(jīng)大學(xué) 2018
[2]基于目標(biāo)檢測的快消品識別研究與應(yīng)用[D]. 王振.湖南大學(xué) 2018
[3]基于機(jī)器視覺的雙臂機(jī)器人智能分揀系統(tǒng)關(guān)鍵技術(shù)研究[D]. 唐旭.哈爾濱工業(yè)大學(xué) 2017
[4]基于機(jī)器視覺的物料分揀工業(yè)機(jī)器人關(guān)鍵技術(shù)研究[D]. 陳懇.深圳大學(xué) 2017
[5]基于單目視覺的工件定位與機(jī)器人抓取技術(shù)研究[D]. 曾鵬.大連理工大學(xué) 2017
[6]基于機(jī)器學(xué)習(xí)的車牌識別系統(tǒng)研究[D]. 李石林.東華理工大學(xué) 2016
[7]基于機(jī)器視覺的工業(yè)機(jī)器人分揀系統(tǒng)設(shè)計(jì)[D]. 何澤強(qiáng).哈爾濱工業(yè)大學(xué) 2016
[8]基于手眼視覺的Baxter雙臂機(jī)器人軸孔抓取與裝配方法研究[D]. 陳勛漫.華南理工大學(xué) 2016
[9]機(jī)器視覺在工業(yè)機(jī)器人抓取技術(shù)中的應(yīng)用[D]. 朱良.中國科學(xué)院研究生院(沈陽計(jì)算技術(shù)研究所) 2016
[10]抓取模式與力的同步肌電解碼及假肢手肌電控制研究[D]. 朱高科.中南大學(xué) 2014



本文編號：3634631