基于机器视觉的工业机器人搬运目标识别及定位技术研究

发布时间：2021-04-01 10:09

　　随着计算机、图像处理、图形识别技术的迅速发展,机器视觉越来越普遍。机器视觉是工业机器人获得环境信息的主要手段之一,提高机器人的自主性和灵活性。它被广泛用于制造业和其他行业,以确保产品质量,控制生产过程并感知环境。工业4.0与智能制造密不可分,而智能制造与机器视觉密不可分。工业机器人通过视觉获取的视觉图像信息提取工件功能参数、位置信息,识别工件的种类,确定工件的位置。机器视觉是适用于产业领域的主要技术。因此,以hsr-612工业机器人为例,研究了机器视觉目标识别和位置算法。详细研究了装配工件的实时匹配识别技术和空间定位技术。主要工作如下:（1）为了提高从CCD摄像机获取的装配好的工件图像的质量,首先对捕获的图像进行主要包括直方图均衡和中值滤波的预处理。其次,提取样品的边缘特征,通过对各种经典边缘检测运算符的分析和比较,得出canny运算符的准确定位,其具有单一响应,能够获得良好的边缘检测效果的结论。（2）基于现有的图像匹配算法,提出了基于Hausdorff距离的工件识别算法和改良遗传算法。该算法使用工件的边缘特征作为对象物体的轮廓类似度的尺度,并改进了匹配特征和修正hausdorff距离... 

【文章来源】：内蒙古大学内蒙古自治区 211工程院校

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

工件的原图

经过灰度化的工件图像

直方图均衡化前的原始图像

【参考文献】：
期刊论文
[1]基于互信息的生物神经网络功能性连接辨识[J]. 刘剑钊,董朝轶,冯丽斐.  传感器与微系统. 2016(06)
[2]基于信息熵的混合引力搜索算法[J]. 郭洁皓,高兴宝.  计算机应用研究. 2016(05)
[3]基于信息熵的属性约简算法及应用[J]. 陈媛,杨栋.  重庆理工大学学报(自然科学). 2013(01)
[4]基于信息熵与主成分分析的火电机组综合评价方法[J]. 齐敏芳,付忠广,景源,马亚.  中国电机工程学报. 2013(02)
[5]基于覆盖算法的条件信息熵表示及属性约简[J]. 单雪红,吴涛,李国成.  计算机工程与应用. 2009(31)
[6]多电极阵列上长时间培养神经元网络的发育变化[J]. 李向宁,周炜,刘曼,曾绍群,骆清铭.  自然科学进展. 2006(08)
[7]系统生物学与生物网络研究[J]. 谭璐,姜璐.  复杂系统与复杂性科学. 2005(04)
[8]基于信息论的Bayesian网络结构学习算法研究[J]. 聂文广,刘惟一,杨运涛,杨明.  计算机应用. 2005(01)
[9]系统生物学——生命科学的新领域[J]. 蒋太交,薛艳红,徐涛.  生物化学与生物物理进展. 2004(11)
[10]基于遗传算法的动态Bayesian网结构学习的研究[J]. 王飞,刘大有,卢奕南,虞强源.  电子学报. 2003(05)

博士论文
[1]基于互信息的基因调控网络构建方法研究[D]. 张秀军.上海大学 2013
[2]基于辨识与控制的神经元网络模型特性研究[D]. 贾晨辉.天津大学 2012
[3]基因芯片数据的系统生物学分析方法研究[D]. 顾祖光.南京大学 2012
[4]大规模脉冲神经网络的模拟与进化研究[D]. 蔺想红.哈尔滨工业大学 2009
[5]培养神经元网络的学习模型构建及机理研究[D]. 李艳玲.华中科技大学 2007

硕士论文
[1]基于视觉伺服的机械臂系统及控制方法研究[D]. 马璧.中国矿业大学 2017
[2]Spiking神经网络及其在图像处理技术上的应用研究[D]. 潘婷.电子科技大学 2015
[3]生物神经网络系统中的辨识问题研究[D]. 王立禾.上海交通大学 2012
[4]基于贝叶斯网络技术的基因调控网络构建方法研究[D]. 何海燕.合肥工业大学 2009
[5]基于Izhikevich神经元模型的神经网络建模仿真[D]. 张伟.天津医科大学 2008
[6]复杂生物神经网络的建模及其动力学特性研究[D]. 郑鸿宇.广西师范大学 2008
[7]基于贝叶斯网络的数据挖掘应用研究[D]. 李艳美.西安电子科技大学 2008
[8]基于进化算法的Bayesian网结构学习研究[D]. 朱允刚.吉林大学 2007
[9]Spiking神经网络及其应用研究[D]. 沈虹.南京工业大学 2006



本文编号：3113159