機器視覺擁有其突出的時效性、穩(wěn)定性、可靠性被廣泛應(yīng)用于工件缺陷檢測、藥量檢測、芯片引腳檢測、快遞分揀等眾多領(lǐng)域。在大型箱體分揀領(lǐng)域,機械手搭載機器視覺系統(tǒng),這就相當(dāng)于讓機械手擁有了“眼睛”,促進企業(yè)生產(chǎn)運營更加智能化、柔性化。機器視覺系統(tǒng)實現(xiàn)定位主要有兩種導(dǎo)向方式,分別為視角非固定方式（Eye-in-hand）和視角固定方式（Eye-to-hand）。Eye-in-hand即攝像頭固定在機械手上隨機械手一起運動。這種攝像頭安裝方式可以隨時觀察拍攝視角,但在切換視角時圖像的背景也隨之變化,帶來后期圖像分割的復(fù)雜性。Eye-to-hand即攝像頭固定在某個高度不隨機械手運動,雖然在機械手的靈活性上有一定的限制,但拍攝的圖像背景是幾乎固定不變的,易于圖像的分割。本文采用Eye-to-hand方式固定安裝攝像頭實現(xiàn)單目視覺引導(dǎo)的五自由度機械手定位研究。課題研究準備初期學(xué)習(xí)了機器視覺、機器人技術(shù)等相關(guān)理論并確立了研究路線。進而展開對機器視覺系統(tǒng)標(biāo)定、機械臂運動控制、目標(biāo)的識別和定位算法的研究,研究主要內(nèi)容包括:1.首先建立了機器視覺系統(tǒng)的相機標(biāo)定、手眼標(biāo)定模型之間的轉(zhuǎn)換關(guān)系。在相機標(biāo)定環(huán)節(jié)張氏棋... 

【文章頁數(shù)】：88 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題背景和研究意義
    1.2 機器視覺系統(tǒng)概述
    1.3 單目視覺目標(biāo)定位的技術(shù)研究現(xiàn)狀
    1.4 本文研究目的和思路
    1.5 本文章節(jié)安排
    1.6 小結(jié)
第二章 實驗平臺搭建與數(shù)學(xué)模型建立
    2.1 平臺搭建及硬件選型
        2.1.1 機械手關(guān)節(jié)驅(qū)動選型及其參數(shù)
        2.1.2 鏡頭選型
        2.1.3 光源選型
    2.2 坐標(biāo)系關(guān)系模型的建立
    2.3 相機標(biāo)定
        2.3.1 數(shù)字化圖像形成過程
        2.3.2 相機標(biāo)定實驗
    2.4 手眼標(biāo)定過程
    2.5 手眼標(biāo)定實驗
    2.6 小結(jié)
第三章 機械手運動學(xué)分析及軌跡規(guī)劃
    3.1 位姿描述和坐標(biāo)變換
        3.1.1 剛體位姿
        3.1.2 機械手末端執(zhí)行器坐標(biāo)系描述
        3.1.3 剛體坐標(biāo)變換
    3.2 機械手關(guān)節(jié)D-H連桿描述
        3.2.1 正運動學(xué)分析
        3.2.2 逆運動學(xué)分析
        3.2.3 仿真實驗
    3.3 機械手關(guān)節(jié)工作空間及軌跡規(guī)劃實驗
        3.3.1 蒙特卡洛法求解機械手關(guān)節(jié)工作空間
        3.3.2 三次多項式插值法的關(guān)節(jié)空間軌跡規(guī)劃
        3.3.3 單段軌跡規(guī)劃實驗
    3.4 小結(jié)
第四章 基于單目視覺目標(biāo)識別與定位
    4.1 圖像預(yù)處理
        4.1.1 圖像預(yù)處理概述
        4.1.2 圖像灰度化及直方圖均衡化
        4.1.3 圖像濾波
        4.1.4 圖像分割
        4.1.5 圖像形態(tài)學(xué)
        4.1.6 圖像邊緣檢測
    4.2 目標(biāo)識別
    4.3 基于單幀圖像目標(biāo)定位
        4.3.1 目標(biāo)位置信息求解
        4.3.2 目標(biāo)位姿信息求解
    4.4 單目視覺單幀圖像點特征定位步驟
    4.5 三維目標(biāo)定位實驗
        4.5.1 高度、平移驗證
        4.5.2 綜合定位實驗
    4.6 小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)與創(chuàng)新
    5.2 展望
參考文獻
致謝
攻讀學(xué)位期間的研究成果


【參考文獻】：
期刊論文
[1]基于紋理特征融合的道路垃圾圖像識別及提取[J]. 黃興華,葉軍一,熊杰.  計算機工程與設(shè)計. 2019(11)
[2]基于多特征融合的樹干快速分割算法[J]. 劉慧,朱晟輝,沈躍,湯金華.  農(nóng)業(yè)機械學(xué)報. 2020(01)
[3]基于改進型蟻群算法的圖像分割系統(tǒng)研究[J]. 曹智輝.  電子設(shè)計工程. 2019(20)
[4]機械臂視覺相機標(biāo)定的研究與仿真[J]. 馬宏偉,王佐勛.  齊魯工業(yè)大學(xué)學(xué)報. 2019(04)
[5]復(fù)雜背景圖像的字符識別算法研究[J]. 張紅霞,王燦,劉鑫,白志城,付秀娟,王剛,梅天燦,王學(xué)華.  計算機測量與控制. 2019(08)
[6]融合慣導(dǎo)信息的單目視覺室內(nèi)定位方法[J]. 李夢珍,余敏,俞佳豪.  全球定位系統(tǒng). 2019(03)
[7]6自由度IRB-120機械手運動學(xué)分析和軌跡規(guī)劃[J]. 田粒卜,張利欽.  內(nèi)燃機與配件. 2019(02)
[8]五自由度移動機械手的動力學(xué)建模與仿真[J]. 梁宏寶,夏飛,韓東.  機械制造與自動化. 2018(06)
[9]撿拾機器人機械手運動學(xué)分析與仿真[J]. 周海波,張忠黨,劉振忠,陳睿,于恒彬.  機床與液壓. 2018(23)
[10]一種融合單目視覺SLAM與GPS的無人機視頻目標(biāo)定位方法[J]. 馬躍龍,曹雪峰,陳丁,蔣秉川,李登峰,萬剛.  測繪科學(xué)技術(shù)學(xué)報. 2018(05)

碩士論文
[1]多傳感器融合的高精度SLAM關(guān)鍵技術(shù)研究[D]. 紀曉鳳.西安電子科技大學(xué) 2019
[2]供件機器人單目視覺抓取技術(shù)應(yīng)用研究[D]. 楊平.西南科技大學(xué) 2018
[3]基于機器視覺的開發(fā)板表面缺陷檢測技術(shù)研究[D]. 任韶杰.中北大學(xué) 2018
[4]基于單目視覺的定位系統(tǒng)研究[D]. 張治國.華中科技大學(xué) 2009



本文編號：3651558