一种多机械手编码控制系统的果蔬采摘机器人设计

为了提高果蔬的采摘效率,对果蔬采摘机器人进行了改进,设计了一种新的多机械手的编码控制采摘机器人。通过对机器人功能和结构的设计,使机器人具有了利用机器视觉技术的图像边缘提取来划分每个机械手的作业区间的功能,并可以利用编码器对每个机械手进行编码,从而完成多机械手的协同作业。对机器人的采摘作业性能进行了测试,首先利用机器视觉模块完成了苹果采摘区间的划分,并预设了每个机械手的采摘作业轨迹,利用编码器对预设轨迹进行了追踪。通过测试发现:机器人多机械手的实际追踪轨迹和预设轨迹的误差很小,满足设计需求,多机械手的协同采摘平均速度可以达到80个/min以上,具有高效的果蔬采摘性能。     

番茄收获机器人视觉系统标定技术的研究

针对机器人在番茄收获中的应用背景,构建了番茄收获机器人视觉系统的摄像机模型,进而提出了内外参数分离的摄像机标定方法。同时,对摄像机的内外参数实行分离标定选取世界坐标系和摄像机坐标系重合,两摄像头沟轴平行。实验结果表明:该方法快速简单、精度高、有效合理。     

张正友法的摄像机标定试验

针对机器视觉领域的摄像机标定问题,采用介于自标定与传统标定之间张正友法,对Sunway-130D数字摄像机进行标定。本研究首先阐述张正友法标定原理,即利用针孔模型匹配模板平面与其所成图像中的角点,计算出图像和模板之间的单应性矩阵,利用该单应矩阵线性解出摄像机内部参数,并由单应矩阵求出理想成像模型下的摄像机外部参数。然后考虑非线性畸变因素,求出畸变系数的初始值,最后对所有的标定参数进行迭代修正,通过非线性优化得到所有标定参数的最优解。制作模板并采集模板图像,利用MATLAB提取模板图像角点坐标并进行标定。结果表明:该方法可以有效地对摄像机进行标定;绝大多数偏差在(-1.5,1.5)像素之间,个别偏差超过1.5个像素,达到像素级精度,有较高标定精度。研究结果为进一步研究农业机械机器人奠定基础。     

基于非标定图像的犁胫热态锻件三维重构

热态锻件尺寸的实时测量是长期困扰锻造工艺的重要问题。机器视觉测量是有望解决这一难题的重要途径。现场标定是机器视觉测量最为繁琐的步骤之一。建立基于非标定图像的三维重构模型,可以避免现场标定,提高机器视觉的测量效率和使用的方便性。提出基于RANSAC自动估计两幅图像之间基本矩阵的方法,研究基于基础矩阵估计的三维重构过程,给出基于非标定图像的三维重建结果。实验表明,非标定三维重建能为犁胫热态锻件的计算机视觉测量提供一定精度的三维描述。     

工业机器人视觉测量系统的在线校准技术研究

在工业生产过程当中,经常会运用到工业机器人来进行操作,对工业机器人视觉测量系统的有效控制是工业机器人正常工作的关键保障。通过工业机器人视觉测量系统的在线校准,保证了机器人所获取机械臂末端和工件相互之间的位置关系更加准确,通过系统内部的不同控制模块,对机械手的整个运动状态进行科学的调整,实现了机器人工作过程当中运行的准确性,文章对此进行研究。     

木板抓取机器人手眼标定方法

针对视觉抓取木板机器人的Eye-in-Hand视觉与机器人本体之间关联的手眼标定问题,提出了基于标定方程的求解优化。首先通过机器人带动相机以多个不同位姿观测标定板,得到多个标定方程,采集一次数据建立一个标定方程,再对所有标定方程运用Kronecker product算法和最小二乘法求解。为避免误差传递,将得到的解作为优化初始值,建立雅可比矩阵、误差函数,并采用Levenberg-Marquardt算法对初始值优化,得到精确解。在ROS系统中搭建仿真试验平台,通过3D可视化工具Rviz验证了标定结果的有效性。标定结果的精度分析表明,相同采集图像数量、不同噪声水平下,本文标定方法位置解精度比传统标定方法平均提高了30%;同一噪声水平、不同采集图像数量下,本文标定方法位置解精度比传统标定方法平均提高了31.1%。木板抓取试验结果表明,视觉系统抓取定位精度比传统标定方法平均提高了39.2%,抓取成功率为96.2%。     

基于计算机视觉的高速机器人芒果分选系统设计

针对目前芒果的外观品质分级采取人工方法所存在的不足,基于机器视觉、并联机器人等先进技术,构建了用于芒果品质动态、实时检测及分选的高速机器人系统,设计了芒果分拣的计算机视觉硬件系统,开发了高速分拣计算机视觉软件系统。工作时,芒果输送带将芒果按机器人动作节拍输送至图像采集区域由工业相机采集图像,识别系统对图像信息进行特征提取,建立图像特征与国家标准中的三级芒果的对应关系,将具有相应图像特征的芒果其所处位置信息及其级别对应的位置信息,通过单片机控制系统输送给高速分选机器人,从而完成芒果的高速分选。测试结果表明:高速分拣机器人系统可以高速、准确地完成芒果的分选工作。     

基于新时达SD500机器人工具坐标系标定方法研究

本文对新时达SD500机器人的工具坐标系标定方法进行了研究。首先介绍了机器人的各个坐标系,机器人坐标系的标定分为工具标定和工件标定,然后具体分析了机器人的工具标定,即机器人TCP位置标定和工具坐标系姿态标定,工具标定完成后对标定结果进行了检验,最终完成了机器人工具坐标系的标定。     

基于机器视觉的茶陇识别与采茶机导航方法

为提高机器采摘茶叶整体质量及采摘效率,提出一种基于机器视觉的机采茶陇识别与采茶机导航的方法。在采茶机器的前方配置摄像头用于获取待采摘茶陇的视频图像,对安装在采茶机上的摄像机内外参数进行离线标定;对茶陇的视频图像用高斯滤波、颜色坐标系转换、局部OTSU多阈值法图像分割、最小二乘法直线拟合等算法进行处理,提取出茶陇的左右边缘线;根据标定结果计算出茶陇中心线,并在驾驶座的显示屏上标识出目前采茶机的采摘状态,包括茶陇中心线和采茶机的偏移情况,提示驾驶员根据识别结果进行适当调整。实验结果表明,提出的基于机器视觉的机采茶陇识别及采茶机导航的方法能有效解决目前机采茶叶老嫩茶叶一刀切下的弊端,为完全自动化采摘奠定了基础。     

基于粒子滤波的苹果采摘机器人目标姿态估算

针对苹果采摘机器人中果实姿态信息缺失造成果实损伤及采摘失败等问题,根据苹果尾部花萼遗迹区域是否可见分析了果实姿态信息机器视觉测量方法,研究了果实姿态信息的粒子滤波估计。将单目摄像机固定在机器人末端手爪上,在手爪趋近果实的采摘过程中,随机采集多帧果实图像。对每帧图像运用惯性主轴或重心点偏移两种方法计算果实在机器人坐标系下的姿态向量值,并通过粒子滤波融合来得到果实姿态信息的最优估计。实验结果表明,粒子滤波方法可以有效地融合多帧图像的苹果姿态信息,能够减小因依靠单帧图像直接测量而产生的误差。     

基于单相机三维测量系统的研究

基于双目视觉三维测量原理,提出了一种摆动式单相机三维测量方法。通过精度分析,确定了测量误差处于最小范围时的参数。对系统的硬件结构进行了设计,开发了图像采集及处理软件模块,搭建了相应的测量系统。利用2D平面靶标定法,对系统进行了标定,建立了图像坐标与世界坐标系的关系。     

基于图像像素点的前方车辆距离检测研究

为有效控制进而避免交通事故的发生,提出一种基于图像像素点检测前方车辆障碍物距离的方法。利用机器视觉检测到前方车辆可能存在的感兴趣区域,通过边缘特征确定前方车辆的位置,利用角点检测获取车辆在图像中的像素点位置,在对摄像机进行预先标定的基础上,通过透视投影的几何关系,计算出前方车辆距离的方法。     

基于PLC和机器视觉的采摘机器人智能控制系统设计

利用PLC和机器视觉技术,采用图像传感器拍摄水果图像,提取出目标水果图像的坐标和位姿,并以此驱动控制采摘机器人以最优路径和最佳姿态采摘到目标水果。为了验证系统稳定性,在苹果种植区进行了实际采摘试验,结果表明:采摘机器人机械手可以稳定抓持到目标苹果并完成采摘过程,且期间耗时较短,具有较强的稳定性。     

机器视觉技术在农业机器人定位中的作用

随着科学技术的飞速发展,机器视觉技术在不同的应用场景下取得了良好的效果。机器视觉技术通过卷积神经网络、YOLO等模型,可以实现目标检测、目标分类、位置识别等。实践证明,农业机器人进一步结合机器视觉技术可以极大地提高农业智能化水平。基于此,课题组介绍了机器视觉技术在农业中的应用场景,详细分析了农业机器人的定位解决方案,结合单目相机提出了实现目标定位的方法,结合图像特征点提出了农业机器人位置的确定方法。结果表明,机器视觉技术能够实现农业机器人的精确定位,有利于农业的智慧化、自动化发展。     

基于单目视觉工件尺寸测量系统的研究

基于双目视觉三维测量原理,提出了一种摆动式单相机三维测量方法。通过分析系统结构参数对测量精度影响,确定了测量误差处于最小范围时的结构参数。设计了系统的硬件结构并开发了图像处理软件模块,搭建了相应的测量系统。利用平面靶标标定法对该系统进行了立体标定,确立了该系统各坐标系之间的映射关系。     

工件分拣系统中视觉单元的设计

视觉单元是工件自动分拣系统的重要组成部分。文章分析了图像坐标系与世界坐标系的转换关系,给出了在图像坐标系中目标工件的位置信息,为准确分拣工件提供了保障。     

基于农业搬运机器人的障碍物视觉识别技术研究

【目的】随着农业自动化水平不断提升,研究农业搬运机器人如何优化搬运目标信息、定位及图像检索等功能具有重要现实意义。【方法】课题组提出了一种基于机器视觉的内容图像检索视觉识别技术,采用特征提取方法将图像纹理作为机器视觉障碍物特征识别的重要信息,通过实时更新障碍物信息,利用相似度距离计算,将采集的图像数据与数据库中的图像距离进行对比,并利用MATLAB仿真平台验证了CBIR系统对搬运机器人障碍物识别的精确度。【结果】利用小波滤波器优化的CBIR系统的对比结果优于其他方法的平均检索率,且前20张图像的检索率均能保持在98%以上。【结论】该方法有效提升了CBIR系统的障碍物检测性能及识别系统的精确度,可为系统数据库中障碍物图像特征对比提供高质量图像数据。     

基于机器视觉的采摘机器人果实三维模型重构与识别

为了提高采摘机器人果实定位和识别的准确性,在采摘机器人机器视觉系统的设计上引入了果实三维重构方法,利用二维采集图像信息的处理,通过坐标转换关系,实现了三维模型的构建。为了验证三维模型重构对机器视觉果实识别准确性的提高作用,模拟青椒夜间作业的采摘环境,对不采用三维重构和采用三维重构技术两种情况下的果实识别准确率进行了对比,结果表明:采用三维重构技术可以明显提高果实的定位识别准确率,对于采摘机器人机器视觉系统的优化具有重要的意义。     

基于机器视觉的工业机器人在果树修剪中的研究与应用

随着农业自动化技术的发展,为了提高果树修剪的效率和精度,减轻劳动强度,基于机器视觉的果树修剪机器人逐渐成为研究的热点。基于此,笔者探讨了基于机器视觉的果树修剪机器人的系统设计,包括硬件组成和软件设计。硬件方面,机器人系统主要包括机器视觉模块、运动控制模块和执行器,机器视觉模块采用摄像头捕捉果树图像,并通过图像处理技术进行枝干结构的识别,运动控制模块确保机器人的精确定位和有效路径规划,执行器则负责具体的修剪操作;软件设计则涉及图像处理、数据分析、路径规划和控制算法等环节,确保机器人的准确性和稳定性。仿真结果表明,基于机器视觉的修剪机器人将为农业生产带来更大的效益,提高生产效率,降低人工成本和风险。     

农作物无损检测的机器视觉系统标定方法研究

基于机器视觉的无损检测是植物生长建模的关键技术之一,对图像采集系统进行标定是实现无损检测的基本步骤.目前,摄像机标定的方法有传统标定方法、主动视觉标定法、自标定方法等.为此,对现有标定方法分别进行了讨论与比较,结果表明,传统线性标定法可以满足农作物无损检测的要求.