基于双目视觉的无序摆放小型工件分拣系统关键技术研究
发布时间：2021-07-12 18:47
随着工业4.0时代的到来,工业生产中的自动化需求日益增加,机器视觉技术被广泛的应用到工业生产中。工件分拣是零部件拆卸分装、自动化装配、机床加工等常见生产过程的重要环节。工业零部件的定位和识别是机器视觉应用与研究的重要方向,而传统基于模板匹配的识别与定位的方法,应用的灵活性差,对于小批量且多种类的工件分拣,模板设计困难,成本高昂。针对目前工业生产中常见的工件自动化无序分拣与零部件自动装配环节,本文进行了双目视觉的标定、工件深度信息获取、工件的精定位以及工件识别技术等基于双目视觉的无序摆放小型工件分拣系统关键技术的研究,主要内容如下:1、针对实际工业生产中对于工件定位与识别的需求,设计并搭建了双目视觉分拣系统,选取的实验对象为各类球轴承、滚柱轴承、滚针轴承,各类齿轮、螺杆以及螺母等工业生产中分拣和装配过程中常见的工件。2、根据相机模型建立了各个坐标系之间的关系,阐述了相机畸变的原理,并给出了相机标定的基本原理及标定流程。本文使用标准棋盘格标定板,完成了双目立体标定。同时,介绍了双目校正与匹配的基本原理、立体校正的目的以及双目匹配的作用。进而,采用基于视差原理的工件深度信息获取算法,完成了工...
【文章来源】：长春工业大学吉林省
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
进行分拣作业的分拣机器人
第1章绪论3系统具有较好的适应性。因此，本文的技术创新可以分为两部分：一是将基于机器学习算法——极限学习机和信息测度方法相结合，提取图像边缘坐标集，从而实现工件的位姿计算与精定位；二是对基于深度学习算法——YOLOv3的目标检测算法进行研究和改进，并在工业分拣系统中进行应用，最后验证其效果和可行性。1.2国内外研究现状机器视觉技术是智能工业机器人的重要构成方面，国外十分注重机器视觉技术的研究。在机器视觉技术的迅速发展下，各大机器人制造公司的产品中已经使用了这项技术。（1）FANUCM1iA型机器人1974年，FANUC集团创造了第一台工业机器人，历经数年的发展和研究，目前已生产创造了大约260种各类型的机器人，如图1-2所示的M1iA型机器人适用于分拣作业，包含结构紧凑、重量小的特点[19]。末端执行器转速可达3000/so，可迅速调整工件位姿，能够以很短的时间实现2520025mm搬送作业；并且包括视觉功能，可以运用内置硬件模块和软件开发包iRVision实现图像处理[20]。通过机器人功能和相机连动，从而使智能化控制得到实现。图1-2FANUCM-1iA型机器人（2）EPSONScara机器人EPSON公司制造的Scara型分拣机器人将机器视觉与机械臂的运动控制完美融合[21,22]，在小型工件的装配作业上很有优势，机械臂的可重复定位精度为0.005mm，能够处理以前需要高精度XY手臂才能完成的高精度工作，然而XY手臂价格昂贵，体型巨大。此外，系统具有的VBGuide5.0软件能够实现连接[23]。基于VBGuide5.0视觉配套程序能够支持多种分辨率的目标图像控制[24]，图1-3所示为爱普生Scara型
第1章绪论4机器人。图1-3Scara机器人在工业生产过程中，工件定位与识别技术是机器视觉在其中的典型应用[25]，通过视觉技术，执行抓取工作的机械臂能够对无序的目标物体实现识别并确定其位姿，进而完成抓取工作[26,27]。对于目标识别算法，国内外学者作出了大量的研究，同时提出了许多的目标识别的方法与理论。自1970年起，国外就对视觉定位与识别技术进行了大量的研究。P.Rummel，W.Beutel等提出了运用在视觉噪声场景中重叠工件检测和识别的场景分析系统，因此能够对工件的类别进行识别[28]；Sanders,DA等通过使用一种角查找器来实现检测船舶零件边缘图像中找到角点，并利用这些新信息提取傅里叶描述子，输入神经网络，对形状进行决策。结果表明，新的寻角器能较好地区分船舶各部件的位置，新的角点发现技术采用自下而上的方法，通过在边缘检测图像中采样点和计算每个采样点周围窗口端点之间的距离来查找角点。然后，将距离最小的点解释为角。这种新的角点查找技术采用了一种全无精确测量方法，比其他系统得到了改进，整个系统识别部件的速度更快，效率更高[29]。TsunenoriHonda，ShunichiKanedo等提出了一种适用于夹紧、装配、加工等过程的工件自动整定的模式识别策略，一个棱镜或多面体物体放置在带有反射镜的识别站里，通过ITV相机将镜像图像和直接图镜像融合成一幅图像。基于图像点，在镜子的相对位置和姿态与已知相机的状况下，能够计算出物体特征点或顶点的三维坐标[30]；Miura等通过研究工件的定位与识别，在零部件装配中使用了机器视觉技术。DrikBuchholz在2014年设计并研发了机器人三维视觉定位抓取系统。该系统上配备了由微软开发的Kinect深度相机，Kinect深度相机可以直接获得工件的
【参考文献】：
期刊论文
[1]基于传统机器学习与深度学习的图像分类算法对比分析[J]. 刘华祠. 电脑与信息技术. 2019(05)
[2]基于信息测度和核函数极限学习机的图像边缘检测[J]. 邱东,李佳禧,杨宏韬,刘克平. 计算机应用与软件. 2019(10)
[3]基于机器视觉的动态环境下小尺寸轴检测系统[J]. 丁成波,刘蜜,刘超. 组合机床与自动化加工技术. 2019(04)
[4]工业机器人在LCD显示器废弃物自动化拆解流水线中的应用[J]. 王素娟,秦琴,屠子美. 现代电子技术. 2019(04)
[5]基于双目视觉与工业机器人的大型工件自动上下料系统[J]. 李福东,季涛,徐德,朱文俊,张天平,杨月全. 机械设计与制造工程. 2019(01)
[6]机器视觉定位技术 助力工业机器人智能化[J]. 张宜方. 自动化博览. 2018(12)
[7]基于机器视觉的物料分拣工业机器人技术研究[J]. 王迎晖. 仪器仪表标准化与计量. 2018(05)
[8]基于增量式双向主成分分析的机器人感知学习方法研究[J]. 王肖锋,张明路,刘军. 电子与信息学报. 2018(03)
[9]基于深度学习的目标检测算法综述[J]. 周晓彦,王珂,李凌燕. 电子测量技术. 2017(11)
[10]爱普生 T3紧凑型SCARA机器人[J]. 自动化博览. 2017(07)
博士论文
[1]基于深度学习的运动目标检测与跟踪研究[D]. 周祥增.西北工业大学 2016
硕士论文
[1]基于视觉的机械臂空间目标抓取研究[D]. 金翰林.沈阳工业大学 2018
[2]基于双目立体视觉的工件识别与定位关键技术研究[D]. 韩博.哈尔滨工业大学 2018
[3]面向工业机器人喷涂的工件识别与位姿估计研究[D]. 方贤根.哈尔滨工业大学 2018
[4]基于深度学习的工业机器人视觉分拣方法研究[D]. 周玉强.苏州大学 2018
[5]智能机器人目标检测的深度学习算法研究[D]. 张思雨.哈尔滨工程大学 2018
[6]我国制造业集聚促进产业转型升级的机理与实证研究[D]. 李昊燕.浙江财经大学 2018
[7]双目立体视觉测距中关键技术研究与实现[D]. 程键.哈尔滨工业大学 2017
[8]基于机器视觉的物料分拣工业机器人关键技术研究[D]. 陈恳.深圳大学 2017
[9]基于双目视觉的运动目标深度信息提取方法研究[D]. 靳太明.电子科技大学 2017
[10]迁移学习在图像分类中的应用研究[D]. 吴国琴.安徽大学 2017
本文编号：3280456
【文章来源】：长春工业大学吉林省
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
进行分拣作业的分拣机器人
第1章绪论3系统具有较好的适应性。因此，本文的技术创新可以分为两部分：一是将基于机器学习算法——极限学习机和信息测度方法相结合，提取图像边缘坐标集，从而实现工件的位姿计算与精定位；二是对基于深度学习算法——YOLOv3的目标检测算法进行研究和改进，并在工业分拣系统中进行应用，最后验证其效果和可行性。1.2国内外研究现状机器视觉技术是智能工业机器人的重要构成方面，国外十分注重机器视觉技术的研究。在机器视觉技术的迅速发展下，各大机器人制造公司的产品中已经使用了这项技术。（1）FANUCM1iA型机器人1974年，FANUC集团创造了第一台工业机器人，历经数年的发展和研究，目前已生产创造了大约260种各类型的机器人，如图1-2所示的M1iA型机器人适用于分拣作业，包含结构紧凑、重量小的特点[19]。末端执行器转速可达3000/so，可迅速调整工件位姿，能够以很短的时间实现2520025mm搬送作业；并且包括视觉功能，可以运用内置硬件模块和软件开发包iRVision实现图像处理[20]。通过机器人功能和相机连动，从而使智能化控制得到实现。图1-2FANUCM-1iA型机器人（2）EPSONScara机器人EPSON公司制造的Scara型分拣机器人将机器视觉与机械臂的运动控制完美融合[21,22]，在小型工件的装配作业上很有优势，机械臂的可重复定位精度为0.005mm，能够处理以前需要高精度XY手臂才能完成的高精度工作，然而XY手臂价格昂贵，体型巨大。此外，系统具有的VBGuide5.0软件能够实现连接[23]。基于VBGuide5.0视觉配套程序能够支持多种分辨率的目标图像控制[24]，图1-3所示为爱普生Scara型
第1章绪论4机器人。图1-3Scara机器人在工业生产过程中，工件定位与识别技术是机器视觉在其中的典型应用[25]，通过视觉技术，执行抓取工作的机械臂能够对无序的目标物体实现识别并确定其位姿，进而完成抓取工作[26,27]。对于目标识别算法，国内外学者作出了大量的研究，同时提出了许多的目标识别的方法与理论。自1970年起，国外就对视觉定位与识别技术进行了大量的研究。P.Rummel，W.Beutel等提出了运用在视觉噪声场景中重叠工件检测和识别的场景分析系统，因此能够对工件的类别进行识别[28]；Sanders,DA等通过使用一种角查找器来实现检测船舶零件边缘图像中找到角点，并利用这些新信息提取傅里叶描述子，输入神经网络，对形状进行决策。结果表明，新的寻角器能较好地区分船舶各部件的位置，新的角点发现技术采用自下而上的方法，通过在边缘检测图像中采样点和计算每个采样点周围窗口端点之间的距离来查找角点。然后，将距离最小的点解释为角。这种新的角点查找技术采用了一种全无精确测量方法，比其他系统得到了改进，整个系统识别部件的速度更快，效率更高[29]。TsunenoriHonda，ShunichiKanedo等提出了一种适用于夹紧、装配、加工等过程的工件自动整定的模式识别策略，一个棱镜或多面体物体放置在带有反射镜的识别站里，通过ITV相机将镜像图像和直接图镜像融合成一幅图像。基于图像点，在镜子的相对位置和姿态与已知相机的状况下，能够计算出物体特征点或顶点的三维坐标[30]；Miura等通过研究工件的定位与识别，在零部件装配中使用了机器视觉技术。DrikBuchholz在2014年设计并研发了机器人三维视觉定位抓取系统。该系统上配备了由微软开发的Kinect深度相机，Kinect深度相机可以直接获得工件的
【参考文献】：
期刊论文
[1]基于传统机器学习与深度学习的图像分类算法对比分析[J]. 刘华祠. 电脑与信息技术. 2019(05)
[2]基于信息测度和核函数极限学习机的图像边缘检测[J]. 邱东,李佳禧,杨宏韬,刘克平. 计算机应用与软件. 2019(10)
[3]基于机器视觉的动态环境下小尺寸轴检测系统[J]. 丁成波,刘蜜,刘超. 组合机床与自动化加工技术. 2019(04)
[4]工业机器人在LCD显示器废弃物自动化拆解流水线中的应用[J]. 王素娟,秦琴,屠子美. 现代电子技术. 2019(04)
[5]基于双目视觉与工业机器人的大型工件自动上下料系统[J]. 李福东,季涛,徐德,朱文俊,张天平,杨月全. 机械设计与制造工程. 2019(01)
[6]机器视觉定位技术 助力工业机器人智能化[J]. 张宜方. 自动化博览. 2018(12)
[7]基于机器视觉的物料分拣工业机器人技术研究[J]. 王迎晖. 仪器仪表标准化与计量. 2018(05)
[8]基于增量式双向主成分分析的机器人感知学习方法研究[J]. 王肖锋,张明路,刘军. 电子与信息学报. 2018(03)
[9]基于深度学习的目标检测算法综述[J]. 周晓彦,王珂,李凌燕. 电子测量技术. 2017(11)
[10]爱普生 T3紧凑型SCARA机器人[J]. 自动化博览. 2017(07)
博士论文
[1]基于深度学习的运动目标检测与跟踪研究[D]. 周祥增.西北工业大学 2016
硕士论文
[1]基于视觉的机械臂空间目标抓取研究[D]. 金翰林.沈阳工业大学 2018
[2]基于双目立体视觉的工件识别与定位关键技术研究[D]. 韩博.哈尔滨工业大学 2018
[3]面向工业机器人喷涂的工件识别与位姿估计研究[D]. 方贤根.哈尔滨工业大学 2018
[4]基于深度学习的工业机器人视觉分拣方法研究[D]. 周玉强.苏州大学 2018
[5]智能机器人目标检测的深度学习算法研究[D]. 张思雨.哈尔滨工程大学 2018
[6]我国制造业集聚促进产业转型升级的机理与实证研究[D]. 李昊燕.浙江财经大学 2018
[7]双目立体视觉测距中关键技术研究与实现[D]. 程键.哈尔滨工业大学 2017
[8]基于机器视觉的物料分拣工业机器人关键技术研究[D]. 陈恳.深圳大学 2017
[9]基于双目视觉的运动目标深度信息提取方法研究[D]. 靳太明.电子科技大学 2017
[10]迁移学习在图像分类中的应用研究[D]. 吴国琴.安徽大学 2017
本文编号：3280456
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3280456.html
