基于视觉的旋转体空间曲线拼接与机器人轨迹规划仿真
发布时间：2021-11-15 19:00
近来机器视觉技术迅速地步入到工业生产中,其在工业中的研究与应用日益增多,尤其在自动化生产线领域内取得了瞩目的成果。有关机器人视觉控制加工生产的研究亦紧随其后。本文主要完成以视觉探测柱形曲面轨迹为主,机器人运动为辅的联合自动切削加工方案。为使机器人精准高效地完成柱形工件表面的切削加工,运用视觉重构与机器人运动联合技术,提出了基于双目视觉和激光靶标重构点精准地生成机器人切削加工轨迹算法。其整个核心包含了三个方面的研究,即曲面全景靶标轨迹三维重构与拼接,三维靶标点轨迹拟合及姿态分析,机器人加工轨迹的生成原理。三个内容紧密相连,针对各自的目的要求,主要解决以下三个要点:（1）搭建双目CCD相机视觉环境并辅以圆点激光器测量装置,通过遍历工件表面形成了动态轨迹,运用位姿旋转矩阵理论及靶标双向跟踪算法,利用Halcon开发应用程序实现各个姿态位置拼接和360°全景靶标轨迹重构以及三维坐标提取。（2）将靶标重构轨迹点坐标经NURBS反解拟合成连续的切削加工路径,以高效便捷的自适应倍数离散差分算法规划成机器人姿态轨迹。（3）最后通过机器人视觉手眼系统的坐标系闭环链（Eye-to-Hand）,解算姿态轨迹...
【文章来源】：武汉纺织大学湖北省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
方案流程
除了上述介绍的重要设备外还需要一些辅助器材,如计算机主机(CPU:Inter(R)core(TM)i5-4590),高速采集卡(研华PCI-1712)采集速度可达1MHZ,工业支架(HT-ZJ031),万向头可自由调节:双头360°旋转,上下180°折弯,工业相机双目板(HT-SM011)横向调节距离范围200mm。这些一起构成完整的视觉系统。具体如下图2.2所示。其完整的测量系统见下章实验小节。2.3 本章小节
全景曲面靶标轨迹重构拼接所涉及的内容,主要集中在图像前处理、图像分割、Blob分析、特征点三维重构、多视场轨迹拼接等方面,具体流程如下图3.1所示。由上图可知,这是一套综合性较强的视觉重构系统。首先利用第二章介绍器材搭建双目测量环境,标定左右相机内参,确定相机间的参数并矫正相机成像平面,确保能够搭建双目深度差重构结构。此块多是理论性说明,很多学者都有详细介绍。因此本文会在实验部分呈现最后结果,并讲述采集过程,不在详细列举其中步骤原理。小波融合目的是为了加强采集图像的质量,更好的捕捉靶标轨迹。图像分割作为重构前的必备流程,包含了一系列二维图像算法：灰度转换、轮廓分割、Blob分析、特征点对准等。重构拼接是一个循环、校验的过程,目的是把所有视场重构的轨迹精准地整合在一起。主要借用算法实现,下文会着重讲解。
【参考文献】：
期刊论文
[1]基于运动轨迹的单目相机位姿自标定方法[J]. 张墨逸,张秋余,段宏湘,杨树强. 华中科技大学学报(自然科学版). 2019(02)
[2]有效消除多视拼接累计误差的大曲面测量方法[J]. 邵伟,彭鹏,周阿维,高瑞鹏. 计量学报. 2018(06)
[3]三维形貌测量机器人的轨迹规划技术[J]. 刘丽,马国庆,高艺,范师杰. 中国激光. 2019(02)
[4]基于双目视觉的零件多尺寸在线测量系统[J]. 张俊勇,伍世虔,陈彬,张琴,廖龙兴. 仪表技术与传感器. 2018(10)
[5]基于光栅结构光双目视觉的动态三维测量方法研究[J]. 李小菁,黄振宇,凌珊. 中国测试. 2018(09)
[6]非结构化环境下机器人视觉导航的路径识别方法[J]. 赵立明,叶川,张毅,徐晓东,陈婧. 光学学报. 2018(08)
[7]6R机器人时间最优加加速度平滑的双NURBS轨迹优化[J]. 王国勋,李丽. 组合机床与自动化加工技术. 2018(06)
[8]基于三维点云的机器人加工轨迹规划[J]. 张铁,张美辉,邹焱飚. 中国激光. 2018(05)
[9]基于三线结构光的相机平面标定方法研究[J]. 吴芳,茅健,周玉凤,李情. 计算机测量与控制. 2017(07)
[10]抗噪的多尺度形态学边缘检测算法[J]. 刘黎辉,张剑,谭芳芳,李巍. 数据采集与处理. 2017(03)
博士论文
[1]水下机器人双目视觉测距与机械手视觉伺服控制研究[D]. 王迪.哈尔滨工程大学 2015
[2]双目立体测距关键技术研究[D]. 胡汉平.中国科学院研究生院(长春光学精密机械与物理研究所) 2014
硕士论文
[1]基于机器视觉的焊接机器人焊缝识别与跟踪系统[D]. 孙文侠.青岛科技大学 2018
[2]基于机器视觉的圆形工件二维尺寸测量方法研究[D]. 洪瑞.安徽工业大学 2017
[3]基于双目立体视觉的目标识别与抓取定位[D]. 王德海.吉林大学 2016
[4]基于单目视觉的移动机器人目标识别及抓取系统研究[D]. 冉冉.北京交通大学 2010
[5]基于扩径头组合曲面的数控加工关键技术研究[D]. 彭川.兰州理工大学 2010
[6]基于NURBS的船体曲面交互式CAD研究[D]. 彭妍.哈尔滨工程大学 2010
[7]重建CT牙列图像中缺失轮廓线方法的研究[D]. 李文玉.青岛大学 2009
[8]全切削型珩磨轮设计理论的研究[D]. 任晓杰.太原理工大学 2008
[9]基于神经网络的铰链四杆机构复演轨迹设计软件的开发[D]. 张新歌.苏州大学 2008
[10]NURBS曲线插补技术研究及其仿真[D]. 刘新山.吉林大学 2007
本文编号：3497330
【文章来源】：武汉纺织大学湖北省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
方案流程
除了上述介绍的重要设备外还需要一些辅助器材,如计算机主机(CPU:Inter(R)core(TM)i5-4590),高速采集卡(研华PCI-1712)采集速度可达1MHZ,工业支架(HT-ZJ031),万向头可自由调节:双头360°旋转,上下180°折弯,工业相机双目板(HT-SM011)横向调节距离范围200mm。这些一起构成完整的视觉系统。具体如下图2.2所示。其完整的测量系统见下章实验小节。2.3 本章小节
全景曲面靶标轨迹重构拼接所涉及的内容,主要集中在图像前处理、图像分割、Blob分析、特征点三维重构、多视场轨迹拼接等方面,具体流程如下图3.1所示。由上图可知,这是一套综合性较强的视觉重构系统。首先利用第二章介绍器材搭建双目测量环境,标定左右相机内参,确定相机间的参数并矫正相机成像平面,确保能够搭建双目深度差重构结构。此块多是理论性说明,很多学者都有详细介绍。因此本文会在实验部分呈现最后结果,并讲述采集过程,不在详细列举其中步骤原理。小波融合目的是为了加强采集图像的质量,更好的捕捉靶标轨迹。图像分割作为重构前的必备流程,包含了一系列二维图像算法：灰度转换、轮廓分割、Blob分析、特征点对准等。重构拼接是一个循环、校验的过程,目的是把所有视场重构的轨迹精准地整合在一起。主要借用算法实现,下文会着重讲解。
【参考文献】：
期刊论文
[1]基于运动轨迹的单目相机位姿自标定方法[J]. 张墨逸,张秋余,段宏湘,杨树强. 华中科技大学学报(自然科学版). 2019(02)
[2]有效消除多视拼接累计误差的大曲面测量方法[J]. 邵伟,彭鹏,周阿维,高瑞鹏. 计量学报. 2018(06)
[3]三维形貌测量机器人的轨迹规划技术[J]. 刘丽,马国庆,高艺,范师杰. 中国激光. 2019(02)
[4]基于双目视觉的零件多尺寸在线测量系统[J]. 张俊勇,伍世虔,陈彬,张琴,廖龙兴. 仪表技术与传感器. 2018(10)
[5]基于光栅结构光双目视觉的动态三维测量方法研究[J]. 李小菁,黄振宇,凌珊. 中国测试. 2018(09)
[6]非结构化环境下机器人视觉导航的路径识别方法[J]. 赵立明,叶川,张毅,徐晓东,陈婧. 光学学报. 2018(08)
[7]6R机器人时间最优加加速度平滑的双NURBS轨迹优化[J]. 王国勋,李丽. 组合机床与自动化加工技术. 2018(06)
[8]基于三维点云的机器人加工轨迹规划[J]. 张铁,张美辉,邹焱飚. 中国激光. 2018(05)
[9]基于三线结构光的相机平面标定方法研究[J]. 吴芳,茅健,周玉凤,李情. 计算机测量与控制. 2017(07)
[10]抗噪的多尺度形态学边缘检测算法[J]. 刘黎辉,张剑,谭芳芳,李巍. 数据采集与处理. 2017(03)
博士论文
[1]水下机器人双目视觉测距与机械手视觉伺服控制研究[D]. 王迪.哈尔滨工程大学 2015
[2]双目立体测距关键技术研究[D]. 胡汉平.中国科学院研究生院(长春光学精密机械与物理研究所) 2014
硕士论文
[1]基于机器视觉的焊接机器人焊缝识别与跟踪系统[D]. 孙文侠.青岛科技大学 2018
[2]基于机器视觉的圆形工件二维尺寸测量方法研究[D]. 洪瑞.安徽工业大学 2017
[3]基于双目立体视觉的目标识别与抓取定位[D]. 王德海.吉林大学 2016
[4]基于单目视觉的移动机器人目标识别及抓取系统研究[D]. 冉冉.北京交通大学 2010
[5]基于扩径头组合曲面的数控加工关键技术研究[D]. 彭川.兰州理工大学 2010
[6]基于NURBS的船体曲面交互式CAD研究[D]. 彭妍.哈尔滨工程大学 2010
[7]重建CT牙列图像中缺失轮廓线方法的研究[D]. 李文玉.青岛大学 2009
[8]全切削型珩磨轮设计理论的研究[D]. 任晓杰.太原理工大学 2008
[9]基于神经网络的铰链四杆机构复演轨迹设计软件的开发[D]. 张新歌.苏州大学 2008
[10]NURBS曲线插补技术研究及其仿真[D]. 刘新山.吉林大学 2007
本文编号：3497330
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3497330.html
