亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

零件視圖庫(kù)構(gòu)建方法、零件定位抓取方法及裝置與流程

文檔序號(hào):12670535閱讀:307來(lái)源:國(guó)知局
零件視圖庫(kù)構(gòu)建方法、零件定位抓取方法及裝置與流程

本發(fā)明涉及工業(yè)自動(dòng)化控制領(lǐng)域,具體涉及一種零件視圖庫(kù)構(gòu)建方法、零件定位抓取方法及裝置。



背景技術(shù):

目前各種類型的工業(yè)機(jī)器人應(yīng)用到零件加工和裝配及運(yùn)輸?shù)阮I(lǐng)域,對(duì)于工作在自動(dòng)化生產(chǎn)線或柔性制造系統(tǒng)上的工業(yè)機(jī)器人來(lái)說(shuō),其完成最多的一類操作是“抓取——放置”動(dòng)作。

現(xiàn)有的技術(shù)中,通常要把零件放置到合適的工裝里,要求零件的位姿保持不變。每種不同的零件都要制作不同的工裝設(shè)備,導(dǎo)致成本較高、效率低下。



技術(shù)實(shí)現(xiàn)要素:

為了解決現(xiàn)有技術(shù)中的上述問(wèn)題,本發(fā)明提出了一種零件視圖庫(kù)構(gòu)建方法、零件定位抓取方法及裝置,極大的減少了設(shè)備成本,提高了零件抓取的精準(zhǔn)度,從而提高了工業(yè)機(jī)器人的工作效率。

本發(fā)明提出一種零件視圖庫(kù)構(gòu)建方法,包括以下步驟:

步驟A1,繪制零件3D模型;

步驟A2,獲取所述零件3D模型不同角度的二維圖像;提取所述二維圖像的邊緣信息,并計(jì)算圖像間的相似度,根據(jù)相似度構(gòu)建梯形的零件視圖庫(kù)。

優(yōu)選地,步驟A2具體包括:

步驟A21,繪制一個(gè)球體,作為虛擬的視圖球,將所述零件3D模型置于球心;

步驟A22,在所述視圖球表面均勻地選取拍攝點(diǎn),用虛擬相機(jī)在各拍攝點(diǎn)上拍攝所述零件3D模型的二維圖像;

步驟A23,對(duì)各二維圖像提取邊緣信息,并計(jì)算圖像間的相似度:

其中,pi、qi分別為兩張不同二維圖像的邊緣點(diǎn)的方向向量,n為邊緣點(diǎn)的個(gè)數(shù);

步驟A24,根據(jù)相似度對(duì)二維圖像邊緣信息進(jìn)行分組,將相似度大于預(yù)設(shè)閾值Dk且拍攝點(diǎn)位置相鄰的圖像分入同一組,構(gòu)建梯形視圖庫(kù)的第k層;

步驟A25,若k小于預(yù)設(shè)的層數(shù)K,則轉(zhuǎn)至步驟A26;否則,構(gòu)建零件視圖庫(kù)的過(guò)程結(jié)束;

步驟A26,在第k層各圖像分組對(duì)應(yīng)的拍攝區(qū)域內(nèi)均勻選取新的拍攝點(diǎn),用虛擬相機(jī)獲取新的二維圖像;

步驟A27,對(duì)于新的二維圖像,進(jìn)行k次在2*2區(qū)域內(nèi)取平均灰度值的操作,獲得分辨率降低的二維圖像;k=k+1,轉(zhuǎn)至步驟A23。

優(yōu)選地,所述虛擬相機(jī)放置于球面,并指向球心;將所述零件3D模型的輪廓投影到所述虛擬相機(jī)的圖像平面上,獲得用所述虛擬相機(jī)拍攝的二維圖像;用地理坐標(biāo)來(lái)記錄所述虛擬相機(jī)在所述視圖球上的對(duì)應(yīng)拍攝點(diǎn)。

優(yōu)選地,構(gòu)建梯形零件視圖庫(kù)時(shí),選取的拍攝點(diǎn)個(gè)數(shù)由底層到頂層逐層遞減,在每個(gè)拍攝點(diǎn)拍攝一張二維圖像。

優(yōu)選地,梯形零件視圖庫(kù)中,每層包括一個(gè)或一個(gè)以上不同的圖像分組,每個(gè)圖像分組作為一個(gè)節(jié)點(diǎn);其中,每張圖像的邊緣信息還關(guān)聯(lián)存儲(chǔ)了對(duì)應(yīng)拍攝點(diǎn)的地理坐標(biāo)、對(duì)應(yīng)的下一層節(jié)點(diǎn)的序號(hào)。所述對(duì)應(yīng)的下一層節(jié)點(diǎn),其相應(yīng)的拍攝區(qū)域中包含該圖像的拍攝點(diǎn)。

優(yōu)選地,對(duì)所述零件3D模型進(jìn)行拍攝時(shí),根據(jù)零件在水平面上的各種擺放位姿,在步驟A21所述視圖球上,預(yù)先設(shè)定用地理坐標(biāo)表示的拍攝范圍:[(α1,α2),(β1,β2),d];其中,(α1,α2)為經(jīng)度范圍、(β1,β2)為緯度范圍、d為所述視圖球的半徑。

本發(fā)明還提出一種零件定位抓取方法,包括以下步驟:

步驟B1,利用相機(jī)在線拍攝零件的二維圖像;

步驟B2,采用背景差分法,將待抓取零件的圖像從在線拍攝的圖像中提取出來(lái);

其中,f(x,y,t)為在t時(shí)刻拍攝到的圖像的灰度值,為在t時(shí)刻提取到的待抓取零件的灰度值,b(x,y)為背景圖像的灰度值,T為閾值,若差分值大于T則認(rèn)為像素點(diǎn)(x,y)是待抓取零件上的像素點(diǎn);

步驟B3,從步驟B2所得待抓取零件的圖像中提取邊緣信息;

步驟B4,利用相似度度量公式,將步驟B3所得圖像邊緣信息與零件視圖庫(kù)中的圖像邊緣信息進(jìn)行逐層匹配;根據(jù)最底層匹配到的圖像所對(duì)應(yīng)的位姿坐標(biāo),利用最小二乘迭代的方法,獲得待抓取零件的位姿;所述零件視圖庫(kù)基于權(quán)利要求1~5中任一項(xiàng)所述方法構(gòu)建;

步驟B5,控制工業(yè)機(jī)器人接近待抓取零件,并用手爪進(jìn)行抓取操作。

優(yōu)選地,步驟B4具體包括:

步驟B41,k=K,將步驟B3所得圖像邊緣信息與零件視圖庫(kù)中頂層的二維圖像邊緣信息進(jìn)行相似度計(jì)算,找到相似度最高的圖像,得到該圖像所對(duì)應(yīng)的下一層節(jié)點(diǎn)的序號(hào)m;

步驟B42,k=k-1,將步驟B3所得圖像邊緣信息與零件視圖庫(kù)第k層中第m個(gè)節(jié)點(diǎn)上的各圖像邊緣信息繼續(xù)進(jìn)行相似度計(jì)算,找到相似度最高的圖像;

步驟B43,若k>1,則獲取該圖像所對(duì)應(yīng)的第k-1層節(jié)點(diǎn)的序號(hào)m,轉(zhuǎn)至步驟B42,否則,轉(zhuǎn)至步驟B44;

步驟B44,獲取第1層中找到的相似度最高的圖像所對(duì)應(yīng)的位姿坐標(biāo),用最小二乘法進(jìn)行迭代,得到待抓取零件在相機(jī)坐標(biāo)系中的位姿坐標(biāo)(x,y,z,θx,θy,θz)。

其中,k為梯形零件的視圖庫(kù)的層序號(hào),由頂層到底層分別為K、K-1、K-2、…、2、1。

優(yōu)選地,步驟B5具體為:

將待抓取零件在相機(jī)坐標(biāo)系中的位姿坐標(biāo)換算為世界坐標(biāo)系中的坐標(biāo):

wTowTttTccTo

其中:

wTo為待抓取零件在世界坐標(biāo)系中的坐標(biāo),即待抓取零件的抓取點(diǎn);

wTt為工業(yè)機(jī)器人工具坐標(biāo)系在世界坐標(biāo)系中的坐標(biāo),通過(guò)向工業(yè)機(jī)器人讀??;

tTc為相機(jī)坐標(biāo)系在工業(yè)機(jī)器人工具坐標(biāo)系中的坐標(biāo),通過(guò)手眼標(biāo)定獲得;

cTo為待抓取零件在相機(jī)坐標(biāo)系中的位姿坐標(biāo),通過(guò)位姿識(shí)別過(guò)程獲得;

控制機(jī)器人手爪按照預(yù)設(shè)的路徑接近待抓取零件,并進(jìn)行抓取。

優(yōu)選地,所述相機(jī)的內(nèi)參數(shù)與構(gòu)建視圖庫(kù)時(shí)所用的虛擬相機(jī)的內(nèi)參數(shù)相等。

優(yōu)選地,所述相機(jī)為單目相機(jī),利用平面標(biāo)定板,獲取相機(jī)內(nèi)參數(shù)(f,k,Sx,Sy,Cx,Cy);其中,f為相機(jī)焦距,k為相機(jī)畸變系數(shù);Sx,Sy為圖像傳感器在水平和垂直方向上相鄰像素之間的距離;Cx,Cy為投影中心在成像平面的垂直投影。

優(yōu)選地,待抓取零件放置在傳送帶上。

本發(fā)明還提出了一種零件定位抓取裝置,包括計(jì)算機(jī)、控制柜、工業(yè)機(jī)器人、手爪,以及工業(yè)相機(jī);

所述計(jì)算機(jī)通過(guò)網(wǎng)絡(luò)與工業(yè)機(jī)器人、控制柜,以及工業(yè)相機(jī)進(jìn)行通訊,作為主控制服務(wù)器;

所述控制柜,用于接收計(jì)算機(jī)發(fā)來(lái)的控制命令,并控制工業(yè)機(jī)器人執(zhí)行相應(yīng)的動(dòng)作;

所述工業(yè)機(jī)器人,用于執(zhí)行控制柜發(fā)來(lái)的命令;

所述手爪固定在所述工業(yè)機(jī)器人上,用于抓取放置在平面上的零件;

所述工業(yè)相機(jī),固定在工業(yè)機(jī)器人上或手爪上,用于在線拍攝二維圖像。

優(yōu)選地,所述計(jì)算機(jī)上裝載了圖像處理及控制系統(tǒng)。

所述圖像處理及控制系統(tǒng),包括待抓取零件的零件視圖庫(kù)、零件視圖庫(kù)管理模塊、零件圖像提取模塊、零件位姿匹配模塊,以及控制模塊;

所述零件視圖庫(kù),基于權(quán)利要求1~5中任一項(xiàng)所述方法構(gòu)建;

所述零件視圖庫(kù)管理模塊,用于零件視圖庫(kù)的構(gòu)建、添加、刪除和查詢操作;

所述零件圖像提取模塊,利用差分背景法從在線拍攝的二維圖像中提取待抓取零件的圖像;

所述零件位姿匹配模塊,將待抓取零件的圖像與零件視圖庫(kù)中圖像進(jìn)行逐層匹配;并利用最小二乘迭代的方法確定待抓取零件的位姿;

所述控制模塊,通過(guò)控制柜下達(dá)控制命令,控制工業(yè)相機(jī)進(jìn)行圖像拍攝;根據(jù)由所述零件位姿匹配模塊確定的待抓取零件的位姿,控制工業(yè)機(jī)器人移動(dòng)、控制手爪執(zhí)行抓取及放置動(dòng)作。

優(yōu)選地,所述將待抓取零件的圖像與零件視圖庫(kù)中圖像進(jìn)行逐層匹配,具體為:

提取待抓取零件二維圖像的邊緣信息,與零件視圖庫(kù)中頂層的二維圖像邊緣信息進(jìn)行相似度計(jì)算,選擇相似度最高的圖像,定位其所對(duì)應(yīng)的下一層節(jié)點(diǎn),在下一層節(jié)點(diǎn)中再選取相似度最高的圖像;依此類推,直到零件視圖庫(kù)的底層。

優(yōu)選地,所述工業(yè)相機(jī)為單目相機(jī),與構(gòu)建零件視圖庫(kù)時(shí)所用的虛擬相機(jī)具有相同的內(nèi)參數(shù)。

優(yōu)選地,所述計(jì)算機(jī)通過(guò)有線網(wǎng)絡(luò)與工業(yè)機(jī)器人、控制柜,以及相機(jī)進(jìn)行通訊。

本發(fā)明通過(guò)提取零件3D模型的二維輪廓,保證了用于構(gòu)建視圖庫(kù)的圖像本身是清晰可辨的。在視圖庫(kù)中通過(guò)相似度對(duì)圖像邊緣信息進(jìn)行分組,進(jìn)而構(gòu)建了梯形的零件視圖庫(kù);基于所述零件視圖庫(kù),在進(jìn)行零件抓取前,將待抓取零件的圖像與視圖庫(kù)中的圖像從頂層到底層,根據(jù)相似度逐層匹配,可以迅速地定位到底層中與待抓取零件圖像最相似的圖像,進(jìn)而獲取該底層圖像對(duì)應(yīng)的位姿坐標(biāo);再用最小二乘迭代的方法獲取零件的精確位姿坐標(biāo)。本發(fā)明省去了零件定位工裝,大大降低了工業(yè)生產(chǎn)線上的成本;而且不受生產(chǎn)線上光照不均的影響,能夠精確地抓取目標(biāo)零件,提高了工業(yè)機(jī)器人工作的效率。

附圖說(shuō)明

圖1是本實(shí)施例中所述視圖球的示意圖;

圖2是本實(shí)施例中構(gòu)建梯形零件視圖庫(kù)時(shí),選取的拍攝點(diǎn)個(gè)數(shù)由底層到頂層逐層遞減的局部示意圖;

圖3是本實(shí)施例中零件視圖庫(kù)的梯形結(jié)構(gòu)示意圖;

圖4是本實(shí)施例中對(duì)所述零件3D模型進(jìn)行拍攝時(shí),預(yù)設(shè)的地理坐標(biāo)范圍示意圖;

圖5是本實(shí)施例中零件定位抓取方法流程示意;

圖6是本實(shí)施例中零件定位抓取裝置示意圖。

具體實(shí)施方式

下面參照附圖來(lái)描述本發(fā)明的優(yōu)選實(shí)施方式。本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解的是,這些實(shí)施方式僅僅用于解釋本發(fā)明的技術(shù)原理,并非旨在限制本發(fā)明的保護(hù)范圍。

本發(fā)明提出一種零件視圖庫(kù)構(gòu)建方法,包括以下步驟:

步驟A1,繪制零件3D模型;

步驟A2,獲取所述零件3D模型不同角度的二維圖像;提取所述二維圖像的邊緣信息,并計(jì)算圖像間的相似度,根據(jù)相似度構(gòu)建梯形的零件視圖庫(kù)。

本實(shí)施例中,如圖1所示,其中,最外面的球體為繪制的虛擬視圖球,1表示零件的3D模型,2表示虛擬相機(jī),虛擬相機(jī)可以移動(dòng)到視圖球上選定的點(diǎn)并進(jìn)行拍攝;

步驟A2具體包括:

步驟A21,繪制一個(gè)球體,作為虛擬的視圖球,將所述零件3D模型置于球心;

步驟A22,在所述視圖球表面均勻地選取拍攝點(diǎn),用虛擬相機(jī)在各拍攝點(diǎn)上拍攝所述零件3D模型的二維圖像;

步驟A23,對(duì)各二維圖像提取邊緣信息,并計(jì)算圖像間的相似度,如公式(1)所示:

其中,pi、qi分別為兩張不同二維圖像的邊緣點(diǎn)的方向向量,n為邊緣點(diǎn)的個(gè)數(shù);

步驟A24,根據(jù)相似度對(duì)二維圖像邊緣信息進(jìn)行分組,將相似度大于預(yù)設(shè)閾值Dk且拍攝點(diǎn)位置相鄰的圖像分入同一組,構(gòu)建梯形視圖庫(kù)的第k層;

步驟A25,若k小于預(yù)設(shè)的層數(shù)K,則轉(zhuǎn)至步驟A26;否則,構(gòu)建零件視圖庫(kù)的過(guò)程結(jié)束;

步驟A26,在第k層各圖像分組對(duì)應(yīng)的拍攝區(qū)域內(nèi)均勻選取新的拍攝點(diǎn),用虛擬相機(jī)獲取新的二維圖像;

步驟A27,對(duì)于新的二維圖像,進(jìn)行k次在2*2區(qū)域內(nèi)取平均灰度值的操作,獲得分辨率降低的二維圖像;k=k+1,轉(zhuǎn)至步驟A23。

本實(shí)施例中,所述虛擬相機(jī)放置于球面,并指向球心;將所述零件3D模型的輪廓投影到所述虛擬相機(jī)的圖像平面上,獲得用所述虛擬相機(jī)拍攝的二維圖像;用地理坐標(biāo)來(lái)記錄所述虛擬相機(jī)在所述視圖球上的對(duì)應(yīng)拍攝點(diǎn)。

本實(shí)施例中,如圖2所示,構(gòu)建梯形零件視圖庫(kù)時(shí),選取的拍攝點(diǎn)個(gè)數(shù)由底層到頂層逐層遞減,在每個(gè)拍攝點(diǎn)拍攝一張二維圖像。

從圖2的局部示意圖可以看出,如子圖(a)、(b)、(c)、(d)所示,在構(gòu)建梯形時(shí),選取的拍攝點(diǎn)個(gè)數(shù)逐層遞減。

本實(shí)施例中,如圖3所示,是一個(gè)四層的零件視圖庫(kù),每個(gè)小矩形代表一張二維圖像的邊緣信息;每層包括一個(gè)或一個(gè)以上不同的圖像分組,每個(gè)圖像分組作為一個(gè)節(jié)點(diǎn);其中,每張圖像的邊緣信息還關(guān)聯(lián)存儲(chǔ)了對(duì)應(yīng)拍攝點(diǎn)的地理坐標(biāo)、對(duì)應(yīng)的下一層節(jié)點(diǎn)的序號(hào)。所述對(duì)應(yīng)的下一層節(jié)點(diǎn),其相應(yīng)的拍攝區(qū)域中包含該圖像的拍攝點(diǎn)。

圖3中第一層(最底層)是從該層對(duì)應(yīng)拍攝點(diǎn)上獲取的原始二維投影圖像中提取的邊緣信息;從第二層的對(duì)應(yīng)拍攝點(diǎn)上獲取的原始二維投影圖像要經(jīng)過(guò)一次2x2區(qū)域內(nèi)取平均灰度值操作,再提取邊緣信息,用來(lái)構(gòu)成梯形的第二層;從第三層的對(duì)應(yīng)拍攝點(diǎn)上獲取的原始二維投影圖像要經(jīng)過(guò)兩次2x2區(qū)域內(nèi)取平均灰度值操作,再提取邊緣信息,用來(lái)構(gòu)成梯形的第三層;從第四層(頂層)的對(duì)應(yīng)拍攝點(diǎn)上獲取的原始二維投影圖像要經(jīng)過(guò)三次2x2區(qū)域內(nèi)取平均灰度值操作,再提取邊緣信息,用來(lái)構(gòu)成梯形的第四層;頂層的二維投影圖像分辨率最低,但仍然能夠清晰地分辨出邊緣。

本實(shí)施例中,對(duì)所述零件3D模型進(jìn)行拍攝時(shí),根據(jù)零件在水平面上的各種擺放位姿,在步驟A21所述視圖球上,如圖4所示,預(yù)先設(shè)定用地理坐標(biāo)表示的拍攝范圍:[(α1,α2),(β1,β2),d];其中,(α1,α2)為經(jīng)度范圍、(β1,β2)為緯度范圍、d為所述視圖球的半徑。

本發(fā)明還提出一種零件定位抓取方法,如圖5所示,包括以下步驟:

步驟B1,利用相機(jī)在線拍攝零件的二維圖像;

步驟B2,采用背景差分法,將待抓取零件的圖像從在線拍攝的圖像中提取出來(lái);如公式(2)所示:

其中,f(x,y,t)為在t時(shí)刻拍攝到的圖像的灰度值,為在t時(shí)刻提取到的待抓取零件的灰度值,b(x,y)為背景圖像的灰度值,T為閾值,若差分值大于T則認(rèn)為像素點(diǎn)(x,y)是待抓取零件上的像素點(diǎn);

步驟B3,從步驟B2所得待抓取零件的圖像中提取邊緣信息;

步驟B4,利用相似度度量公式,將步驟B3所得圖像邊緣信息與零件視圖庫(kù)中的圖像邊緣信息進(jìn)行逐層匹配;根據(jù)最底層匹配到的圖像所對(duì)應(yīng)的位姿坐標(biāo),利用最小二乘迭代的方法,獲得待抓取零件的位姿;所述零件視圖庫(kù)基于權(quán)利要求1~5中任一項(xiàng)所述方法構(gòu)建;

步驟B5,控制工業(yè)機(jī)器人接近待抓取零件,并用手爪進(jìn)行抓取操作。

本實(shí)施例中,圖3中圈出來(lái)部分可以用來(lái)表示圖像逐層匹配的大致過(guò)程。步驟B4具體包括:

步驟B41,k=K,將步驟B3所得圖像邊緣信息與零件視圖庫(kù)中頂層的二維圖像邊緣信息進(jìn)行相似度計(jì)算,找到相似度最高的圖像,得到該圖像所對(duì)應(yīng)的下一層節(jié)點(diǎn)的序號(hào)m;

步驟B42,k=k-1,將步驟B3所得圖像邊緣信息與零件視圖庫(kù)第k層中第m個(gè)節(jié)點(diǎn)上的各圖像邊緣信息繼續(xù)進(jìn)行相似度計(jì)算,找到相似度最高的圖像;

步驟B43,若k>1,則獲取該圖像所對(duì)應(yīng)的第k-1層節(jié)點(diǎn)的序號(hào)m,轉(zhuǎn)至步驟B42,否則,轉(zhuǎn)至步驟B44;

步驟B44,獲取第1層中找到的相似度最高的圖像所對(duì)應(yīng)的位姿坐標(biāo),用最小二乘法進(jìn)行迭代,得到待抓取零件在相機(jī)坐標(biāo)系中的位姿坐標(biāo)(x,y,z,θx,θy,θz)。

其中,k為梯形零件的視圖庫(kù)的層序號(hào),由頂層到底層分別為K、K-1、K-2、…、2、1。

本實(shí)施例中,步驟B5具體為:

將待抓取零件在相機(jī)坐標(biāo)系中的位姿坐標(biāo)換算為世界坐標(biāo)系中的坐標(biāo),如公式(3)所示:

wTowTttTccTo (3)

其中:

wTo為待抓取零件在世界坐標(biāo)系中的坐標(biāo),即待抓取零件的抓取點(diǎn);

wTt為工業(yè)機(jī)器人工具坐標(biāo)系在世界坐標(biāo)系中的坐標(biāo),通過(guò)向工業(yè)機(jī)器人讀??;

ttTc為相機(jī)坐標(biāo)系在工業(yè)機(jī)器人工具坐標(biāo)系中的坐標(biāo),通過(guò)手眼標(biāo)定獲得;

cTo為待抓取零件在相機(jī)坐標(biāo)系中的位姿坐標(biāo),通過(guò)位姿識(shí)別過(guò)程獲得;

控制機(jī)器人手爪按照預(yù)設(shè)的路徑接近待抓取零件,并進(jìn)行抓取。

本實(shí)施例中,所述相機(jī)的內(nèi)參數(shù)與構(gòu)建視圖庫(kù)時(shí)所用的虛擬相機(jī)的內(nèi)參數(shù)相等。

本實(shí)施例中,所述相機(jī)為單目相機(jī),利用平面標(biāo)定板,獲取相機(jī)內(nèi)參數(shù)(f,k,Sx,Sy,Cx,Cy);其中,f為相機(jī)焦距,k為相機(jī)畸變系數(shù);Sx,Sy為圖像傳感器在水平和垂直方向上相鄰像素之間的距離;Cx,Cy為投影中心在成像平面的垂直投影。

本實(shí)施例中,待抓取零件放置在傳送帶上。

本發(fā)明還提出了一種零件定位抓取裝置,如圖6所示,包括計(jì)算機(jī)、控制柜、工業(yè)機(jī)器人、手爪,以及工業(yè)相機(jī);

圖6中,1表示工業(yè)機(jī)器人、2表示控制柜、3表示計(jì)算機(jī)、4表示工業(yè)相機(jī)、5表示手爪、6表示放置零件的平面(本實(shí)施例中為傳送帶)、7表示零件;

所述計(jì)算機(jī)通過(guò)網(wǎng)絡(luò)與工業(yè)機(jī)器人、控制柜,以及工業(yè)相機(jī)進(jìn)行通訊,作為主控制服務(wù)器;

所述控制柜,用于接收計(jì)算機(jī)發(fā)來(lái)的控制命令,并控制工業(yè)機(jī)器人執(zhí)行相應(yīng)的動(dòng)作;

所述工業(yè)機(jī)器人,用于執(zhí)行控制柜發(fā)來(lái)的命令;

所述手爪固定在所述工業(yè)機(jī)器人上,用于抓取放置在平面上的零件;手爪的形狀可以根據(jù)實(shí)際需要設(shè)計(jì),本實(shí)施例中使用的是二指手爪;

所述工業(yè)相機(jī),固定在工業(yè)機(jī)器人上或手爪上,用于在線拍攝二維圖像。

本實(shí)施例中,所述計(jì)算機(jī)上裝載了圖像處理及控制系統(tǒng)。

所述圖像處理及控制系統(tǒng),包括待抓取零件的零件視圖庫(kù)、零件視圖庫(kù)管理模塊、零件圖像提取模塊、零件位姿匹配模塊,以及控制模塊;

所述零件視圖庫(kù),基于權(quán)利要求1~5中任一項(xiàng)所述方法構(gòu)建;

所述零件視圖庫(kù)管理模塊,用于零件視圖庫(kù)的構(gòu)建、添加、刪除和查詢操作;

所述零件圖像提取模塊,利用差分背景法從在線拍攝的二維圖像中提取待抓取零件的圖像;

所述零件位姿匹配模塊,將待抓取零件的圖像與零件視圖庫(kù)中圖像進(jìn)行逐層匹配;并利用最小二乘迭代的方法確定待抓取零件的位姿;

所述控制模塊,通過(guò)控制柜下達(dá)控制命令,控制工業(yè)相機(jī)進(jìn)行圖像拍攝;根據(jù)由所述零件位姿匹配模塊確定的待抓取零件的位姿,控制工業(yè)機(jī)器人移動(dòng)、控制手爪執(zhí)行抓取及放置動(dòng)作。

本實(shí)施例中,所述將待抓取零件的圖像與零件視圖庫(kù)中圖像進(jìn)行逐層匹配,具體為:

提取待抓取零件二維圖像的邊緣信息,與零件視圖庫(kù)中頂層的二維圖像邊緣信息進(jìn)行相似度計(jì)算,選擇相似度最高的圖像,定位其所對(duì)應(yīng)的下一層節(jié)點(diǎn),在下一層節(jié)點(diǎn)中再選取相似度最高的圖像;依此類推,直到零件視圖庫(kù)的底層。

本實(shí)施例中,所述工業(yè)相機(jī)為單目相機(jī),與構(gòu)建零件視圖庫(kù)時(shí)所用的虛擬相機(jī)具有相同的內(nèi)參數(shù)。

本實(shí)施例中,所述計(jì)算機(jī)通過(guò)有線網(wǎng)絡(luò)與工業(yè)機(jī)器人、控制柜,以及相機(jī)進(jìn)行通訊。

本領(lǐng)域技術(shù)人員應(yīng)該能夠意識(shí)到,結(jié)合本文中所公開(kāi)的實(shí)施例描述的各示例的方法步驟,能夠以電子硬件、計(jì)算機(jī)軟件或者二者的結(jié)合來(lái)實(shí)現(xiàn),為了清楚地說(shuō)明電子硬件和軟件的可互換性,在上述說(shuō)明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以電子硬件還是軟件方式來(lái)執(zhí)行,取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。本領(lǐng)域技術(shù)人員可以對(duì)每個(gè)特定的應(yīng)用來(lái)使用不同方法來(lái)實(shí)現(xiàn)所描述的功能,但是這種實(shí)現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。

至此,已經(jīng)結(jié)合附圖所示的優(yōu)選實(shí)施方式描述了本發(fā)明的技術(shù)方案,但是,本領(lǐng)域技術(shù)人員容易理解的是,本發(fā)明的保護(hù)范圍顯然不局限于這些具體實(shí)施方式。在不偏離本發(fā)明的原理的前提下,本領(lǐng)域技術(shù)人員可以對(duì)相關(guān)技術(shù)特征作出等同的更改或替換,這些更改或替換之后的技術(shù)方案都將落入本發(fā)明的保護(hù)范圍之內(nèi)。

當(dāng)前第1頁(yè)1 2 3 
網(wǎng)友詢問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1