基于视觉伺服的机器人料库抓取系统研究
发布时间:2024-11-22 16:04
在工业机器人制造系统中,为了能让工件定位和排列整齐,每一个工件都需要准备昂贵的定位夹具和周边设备,这些周边设备的设计、制作、调试和保管所耗费的工时往往是造成引进机器人系统成本过高的重要原因。设计一种基于视觉伺服的料库抓取系统,使机器人从杂乱堆积的料库中直接抓取工件,能够极大简化机器人制造系统的周边设备,有助于提高机器人制造系统的柔性化,减少机器人制造系统的总成本。本文以RV-4FL-D型三菱机器人为主体,构建了基于视觉伺服的机器人料库抓取实验平台。该平台由高可靠性的传统机器人系统、高精度检测工件立体位姿的视觉传感系统和控制这两个系统实现料库抓取的软件构成。本文主要内容如下:首先,在分析了实验目标之后,进行了料库抓取系统的方案设计。详细介绍了视觉系统、机器人系统和控制系统的组成部分以及各个系统之间的通讯方式,给出了实验平台的搭建的具体步骤。其次,采用分水岭分割算法,将各个工件分割出来,使用图像距特征作为工件的位置信息,使用SIFT特征检测算法将示教获得的期望位置下的工件图像和当前工件图像进行比较,获得工件的旋转角度信息。通过实验验证了本次设计的有效性。最后,针对基于位置的视觉伺服存在的一些...
【文章页数】:59 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
第一章 绪论
1.1 引言
1.2 课题研究背景和意义
1.3 视觉伺服研究状况
1.3.1 国外研究现状
1.3.2 国内研究现状
1.4 本文结构及主要研究内容
第二章 料库抓取系统平台搭建
2.1 料库抓取系统方案设计
2.2 机器人与控制系统的连接
2.2.1 机器人本体
2.2.2 CR751控制器
2.2.3 机器人与控制器的连接
2.3 视觉系统与控制系统的连接
2.3.1 光源和相机的选型
2.3.2 视觉软件和控制软件的通讯
2.4 建立系统坐标系
2.5 坐标系的齐次变换
2.6 统一各坐标系
2.6.1 统一场景相机与机器人坐标系
2.6.2 统一手眼相机与机器人坐标系
2.6.3 末端执行器与机器人基座的关系
第三章 基于分水岭算法的工件位置信息获取
3.1 图像处理流程
3.2 分水岭分割
3.2.1 Canny边缘检测
3.2.2 标记局部极大值
3.3 强度分层
3.4 基于边界的图像矩计算
3.5 本章小节
第四章 基于SIFT算法的工件角度信息获取
4.1 构造尺度空间
4.2 空间极值检测
4.3 方向赋值
4.4 本章小节
第五章 基于位置的视觉伺服控制实验
5.1 定位实验的方案设计
5.2 相关软件的程序编写
5.2.1 MVICS软件编写
5.2.2 MATLAB软件编写
5.2.3 RT Tool Box2 软件编写
5.3 本章小节
第六章 基于图像的视觉伺服控制实验
6.1 实验目的
6.2 图像特征方法的选择
6.2.1 光流场信息计算
6.2.2 基于点特征的雅可比矩阵
6.3 仿真分析
第七章 总结与展望
7.1 总结
7.2 展望
参考文献
附录1
附录2
附录3
附录4
攻读学位期间研究成果
致谢
本文编号:4012457
【文章页数】:59 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
第一章 绪论
1.1 引言
1.2 课题研究背景和意义
1.3 视觉伺服研究状况
1.3.1 国外研究现状
1.3.2 国内研究现状
1.4 本文结构及主要研究内容
第二章 料库抓取系统平台搭建
2.1 料库抓取系统方案设计
2.2 机器人与控制系统的连接
2.2.1 机器人本体
2.2.2 CR751控制器
2.2.3 机器人与控制器的连接
2.3 视觉系统与控制系统的连接
2.3.1 光源和相机的选型
2.3.2 视觉软件和控制软件的通讯
2.4 建立系统坐标系
2.5 坐标系的齐次变换
2.6 统一各坐标系
2.6.1 统一场景相机与机器人坐标系
2.6.2 统一手眼相机与机器人坐标系
2.6.3 末端执行器与机器人基座的关系
第三章 基于分水岭算法的工件位置信息获取
3.1 图像处理流程
3.2 分水岭分割
3.2.1 Canny边缘检测
3.2.2 标记局部极大值
3.3 强度分层
3.4 基于边界的图像矩计算
3.5 本章小节
第四章 基于SIFT算法的工件角度信息获取
4.1 构造尺度空间
4.2 空间极值检测
4.3 方向赋值
4.4 本章小节
第五章 基于位置的视觉伺服控制实验
5.1 定位实验的方案设计
5.2 相关软件的程序编写
5.2.1 MVICS软件编写
5.2.2 MATLAB软件编写
5.2.3 RT Tool Box2 软件编写
5.3 本章小节
第六章 基于图像的视觉伺服控制实验
6.1 实验目的
6.2 图像特征方法的选择
6.2.1 光流场信息计算
6.2.2 基于点特征的雅可比矩阵
6.3 仿真分析
第七章 总结与展望
7.1 总结
7.2 展望
参考文献
附录1
附录2
附录3
附录4
攻读学位期间研究成果
致谢
本文编号:4012457
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/4012457.html
上一篇:基于改进粒子群算法对支持向量机的参数优化及其应用
下一篇:没有了
下一篇:没有了