技術(shù)特征：

1.一種群視覺機器協(xié)同裝配方法，包括控制平臺(1)、視覺機器人工作站(2)以及承擔(dān)控制平臺(1)和視覺機器人工作站(2)之間通信的無線模塊(3)，其特征在于，所述控制平臺(1)根據(jù)輸入的訂單信息解算出所需的元件數(shù)及種類、投入工作的智能視覺機器人的數(shù)量，并根據(jù)實際的工作情況，動態(tài)調(diào)節(jié)工作在不同模塊的智能視覺機器人的數(shù)量。

2.根據(jù)權(quán)利要求1所述群視覺機器協(xié)同裝配方法，其特征在于，每類智能視覺機器人完成獨立的任務(wù)，互不干擾，當(dāng)裝配對象發(fā)生改變時，通過控制平臺(1)向視覺機器人工作站(2)發(fā)出控制指令，讓視覺機器人工作站(2)運行針對此對象的裝配程序。

3.根據(jù)權(quán)利要求1所述群視覺機器協(xié)同裝配方法，其特征在于，所述視覺機器人工作站(2)包括一個環(huán)形的傳送裝置(23)，沿傳送裝置(23)布置有上料區(qū)(231)、裝配區(qū)(233、238)和下料區(qū)(235)，上料區(qū)(231)附近布置元件存放區(qū)(22)，下料區(qū)(235)附近布置成品存放區(qū)(26)，上料區(qū)(231)的上料智能視覺機器人(21)和下料區(qū)(235)的下料智能視覺機器人(27)都具有上料模塊和下料模塊，控制平臺(1)根據(jù)實時的裝配情況來動態(tài)調(diào)節(jié)工作在這兩種模塊的智能視覺機器人的數(shù)量，裝配區(qū)的裝配智能視覺機器人只有裝配模塊，每個智能視覺機器人都配有與控制平臺(1)以及智能視覺機器人之間通信的無線模塊(211)和以及用于尋找路徑和元件識別的視覺傳感器(213)，所述協(xié)同裝配方法包括四個方面的協(xié)同：所有智能視覺機器人與傳送裝置(23)的啟停協(xié)同、上料智能視覺機器人(21)和傳送裝置(23)間的協(xié)同、裝配智能視覺機器人(24、25、28、29)與傳送裝置(23)間的協(xié)同、下料智能視覺機器人(27)與傳送裝置(23)間的協(xié)同。

4.根據(jù)權(quán)利要求3所述群視覺機器協(xié)同裝配方法，其特征在于，所述控制平臺(1)根據(jù)實際的工作情況，動態(tài)調(diào)節(jié)工作在不同模塊的智能視覺機器人的數(shù)量的過程是：

控制平臺(1)向視覺機器人工作站(2)發(fā)送開始工作命令，并讓視覺機器人工作站(2)運行相應(yīng)的裝配對象的程序，所有智能視覺機器人同時開始工作，上料智能視覺機器人(21)通過視覺傳感器(213)返回的圖像信息識別路徑運動到元件存放區(qū)(22)撿取所需要的元件，然后運動到上料區(qū)(231)開始上料，裝配智能視覺機器人通過視覺傳感器(242)識別所需元件(232)，并將成品(236)放在傳送裝置(23)上，下料智能視覺機器人(27)通過視覺傳感器(273)識別合格成品(236)，將其從傳送裝置(23)上抓下放在成品存放區(qū)(26)，所有智能視覺機器人在每一步工作中，將工作信息通過無線模塊(3)傳送給控制平臺(1)，控制平臺(1)將信息進行整合，以獲取傳送裝置上的元件數(shù)量、傳送裝置上的成品數(shù)量、累計合格成品數(shù)量，根據(jù)這些信息動態(tài)調(diào)節(jié)智能視覺機器人的數(shù)量以及工作在上料模塊和下料模塊的智能視覺機器人的數(shù)量，來更好地完成裝配任務(wù)。

5.根據(jù)權(quán)利要求4所述群視覺機器協(xié)同裝配方法，其特征在于，所述上料智能視覺機器人(21)的上料過程要根據(jù)傳送裝置(23)的速度來協(xié)同上料，所述裝配智能視覺機器人(24、25、28、29)的裝配過程要根據(jù)傳送裝置(23)的速度來協(xié)同抓取所需元件進行裝配，所述下料智能視覺機器人(27)的下料過程要根據(jù)傳送裝置(23)的速度來協(xié)同抓下成品。

6.根據(jù)權(quán)利要求4所述群視覺機器協(xié)同裝配方法，其特征在于，所述下料智能視覺機器人(27)每一次完成成品下料后，將下料信息發(fā)送給控制平臺(1)，成品合格時，控制平臺統(tǒng)計合格成品(261)數(shù)量加1，并將其放入盒子(271)中，成品不合格時，下料智能視覺機器人(27)將不合格成品抓取后放到廢品區(qū)，并且控制平臺(1)通知上料智能視覺機器人(21)，所需分揀的各類元件(232、234、237、239)數(shù)量加1，當(dāng)統(tǒng)計到裝配合格成品(261)數(shù)量滿足訂單上期望的成品數(shù)量時，控制平臺(1)向視覺機器人工作站(2)發(fā)送完成任務(wù)指令，所述裝配智能視覺機器人清理掉裝配位置(243)的工件、上料智能視覺機器人(21)和下料智能視覺機器人(27)負(fù)責(zé)清理傳送裝置(23)上未裝配的元件，將其回收后放回原料存放處(22)，然后運動到指定地點并向控制平臺(1)發(fā)出完成清理工作指令，控制平臺(1)發(fā)送停止指令，所有智能視覺機器人進入待機狀態(tài)，同時傳送裝置(23)停止運動。

7.基于權(quán)利要求1所述群視覺機器協(xié)同裝配方法的模型系統(tǒng)，其特征在于：

由一臺計算機擔(dān)任控制平臺(1)；

由一臺無線接收發(fā)射器作為無線模塊(3)；

由群智能視覺機器人、環(huán)形的傳送裝置(23)、元件存放區(qū)(22)及成品存放區(qū)(26)為主要組成部分的視覺機器人工作站(2)。

8.根據(jù)權(quán)利要求7所述模型系統(tǒng)，其特征在于：

所述視覺機器人工作站(2)中，傳送裝置(23)布置于中心，傳送裝置(23)長軸兩端的區(qū)域分別是上料區(qū)(231)和下料區(qū)(235)，平行于長軸兩側(cè)的區(qū)域為裝配區(qū)一(233)和裝配區(qū)二(238)，元件存放區(qū)(22)布置在上料區(qū)(231)附近，成品存放區(qū)(26)布置在下料區(qū)(235)附近，上料區(qū)(231)的上料智能視覺機器人(21)和下料區(qū)(235)的下料智能視覺機器人(27)都具有上料模塊和下料模塊，控制平臺(1)根據(jù)實時的裝配情況來動態(tài)調(diào)節(jié)工作在這兩種模塊的智能視覺機器人的數(shù)量，裝配區(qū)一(233)和裝配區(qū)二(238)的裝配智能視覺機器人(24、25、28、29)只有裝配模塊，每個智能視覺機器人都配有與控制平臺(1)以及智能視覺機器人之間通信的無線模塊(211)和以及用于尋找路徑和元件識別的視覺傳感器(213)。

9.根據(jù)權(quán)利要求7所述模型系統(tǒng)，其特征在于：

所述視覺機器人工作站(2)中，待裝配的元件包括紅色底座(221)、黑色芯(222)、彈簧(223)和藍(lán)色蓋子(224)；

智能視覺機器人在工件識別時，通過視覺傳感器返回圖像，提取顏色、像素面積、圓半徑、圓個數(shù)信息，然后依次與模板進行比對，首先確定是否滿足顏色為紅色、紅色像素面積大于閾值、圓半徑在指定范圍內(nèi)，若滿足，則圖像中的目標(biāo)為紅色底座(221)，若不滿足，繼續(xù)判斷是否滿足顏色為黑色且黑色面積、平均灰度及圓半徑在指定范圍內(nèi)，若滿足，則圖像中的目標(biāo)為黑色芯(222)，若不滿足，則判斷是否滿足圓半徑、圓個數(shù)及平均灰度在指定范圍內(nèi)，若滿足，則圖像中的目標(biāo)為彈簧(223)，若不滿足，則繼續(xù)判斷是否滿足顏色為藍(lán)色、藍(lán)色像素面積小于閾值、圓半徑小于閾值，若滿足，則圖像中的目標(biāo)為藍(lán)色蓋子(224)，若不滿足，繼續(xù)判斷是否滿足顏色為藍(lán)色、藍(lán)色像素面積大于閾值、圓半徑大于閾值，若滿足，則圖像中的目標(biāo)為成品(236)，若不滿足，則沒有任何模板與其匹配；其中上料智能視覺機器人(21)和裝配智能視覺機器人(24、25、28、29)需要識別紅色底座(221)、黑色芯(222)、彈簧(223)和藍(lán)色蓋子(224)，下料智能視覺機器人(27)只需要識別成品(236)。

10.根據(jù)權(quán)利要求9所述模型系統(tǒng)，其特征在于：

在提取圖像中的特征時，顏色直接通過訪問圖像的RGB通道進行判斷，像素面積通過訪問每一個像素是否滿足指定的RGB范圍，滿足則進行累加，最終獲得的累加和即為像素面積；圓半徑和圓個數(shù)的計算要用到圓檢測，方法如下：

首先要對獲得的圖像進行預(yù)處理：

對圖像進行中值濾波處理，中值濾波器將中心像素正方形鄰域內(nèi)的每個像素值用中間像素值替換，可以除去噪聲又保留圖像的邊緣信息，在二維圖像中定義為：

Y_i＝med{x_ij}＝med{x_(i+m),(j+n)(m,n)∈A,(i,j)∈I²}

對圖像進行二值化處理，二值化使圖像變得簡單，數(shù)據(jù)量減小，能凸顯出感興趣的目標(biāo)輪廓，定義m為預(yù)設(shè)閾值，f(x,y)為像素坐標(biāo)(x,y)的灰度值，g(x,y)為得到的灰度值，表示為：

$g(x,y)=\left\{\begin{array}{c}255,f(x,y)\≥m\\ 0,f(x,y)\<m\end{array}\right.$

利用Canny算子對圖像進行邊緣檢測，Canny邊緣檢測的原理是用一階偏導(dǎo)的有限差分來計算梯度的幅值和方向，設(shè)f(x,y)為圖像，f(x,y)的梯度用2×2一階有限差分近似式來計算x與y的偏導(dǎo)數(shù)的兩個陣列f′_x(x,y)與f′_y(x,y)：

f′_x(x,y)≈G_x＝[f(x+1,y)-f(x,y)+f(x+1,y+1)-f(x,y+1)]/2

f′_y(x,y)≈G_y＝[f(x,y+1)-f(x,y)+f(x+1,y+1)-f(x+1,y)]/2

由一階差分卷積模板和得到2個梯度的幅值和方向：

為了得到合理的邊緣，對梯度幅值進行非極大值抑制，用雙閾值算法進行檢測和連接真正的邊緣；

對邊緣圖像進行膨脹處理，膨脹處理是對圖像與核進行卷積計算，得到核覆蓋區(qū)域的最大像素值，使得圖像中的高亮區(qū)域增長，對像素進行補償，形成聯(lián)通域。定義X為被處理的圖像，B為結(jié)構(gòu)元素，X被B膨脹的結(jié)果為：

$D\left(X\right)=X\⊗B=\left\{(x,y)\right|B_{xy}IX\≠\mathrm{\φ}\}$

然后對經(jīng)過預(yù)處理后的圖像采用隨機Hough變換圓檢測，方法如下：

在二維空間中圓的方程為：

(x-a)²+(y-b)²＝r²

式中：(a,b)為圓心坐標(biāo)，r為圓的半徑。確定a、b、r3個未知的參數(shù)，需要在圓上取3個點(x₁,y₁)、(x₂,y₂)、(x₃,y₃)，將3個點代入上式中得到方程組：

(x₁-a)²+(y₁-b)²＝r²

(x₂-a)²+(y₂-b)²＝r²

(x₃-a)²+(y₃-b)²＝r²

求解方程組可得到圓心坐標(biāo)(a,b)和半徑r，

隨機Hough變換的原理為在圖像中所有的邊緣點中隨機選取3個點，確定圓心坐標(biāo)(a₁,b₁)和半徑r₁，然后取在第4點(x₄,y₄)代入第一個方程中，求出半徑r₄，將r₄代入下式中：

r₄-r₁＝δ₁

δ為預(yù)先設(shè)定的誤差值，當(dāng)δ₁小于δ時，確定為候選圓。確定候選圓后，取所有點代入計算，當(dāng)δ_1-i小于δ時累加器加1，當(dāng)累加器的值達(dá)到預(yù)定閾值時，確定為1個真圓。