CN103801517A

CN103801517A - 一种激光智能识别分拣元件生产线的方法与装置

Info

Publication number: CN103801517A
Application number: CN201210454306.5A
Authority: CN
Inventors: 王涛; 姚建铨; 王茁; 杨双华; 高尚策; 杨羽; 秘旭皓
Original assignee: Wuxi Jintianyang Laser Electronic Co Ltd
Current assignee: Wuxi Jintianyang Laser Electronic Co Ltd
Priority date: 2012-11-14
Filing date: 2012-11-14
Publication date: 2014-05-21

Abstract

一种激光智能识别分拣元件生产线的方法与装置，其特征是：传送带传送元件，到达传感器发射头与传感器接收头之间，传感器采集触发信号到瞬时定位模块，瞬时定位模块发指令给控制计算机中心，它启动智能识别程序模块，同时控制计算机中心发出指令给激光扫描器，开始扫描工作，同时指令摄象机I、II开始工作，摄象机采集的信息传回控制计算机中心，由它的智能识别程序模块通过瞬时定位模块、三维建模的数理模块、特征识别模块、模糊集合算法模块与概率统计估计量模块以及后台数据库处理，实施智能识别元件，之后，发指令给分拣气缸，实施分拣；系统工作之前，通过运行示教功能模块，采集元件的样件信息给后台数据库，实现实时在线动态识别及检测。

Description

一种激光智能识别分拣元件生产线的方法与装置

技术背景

现代化高新技术产业中，无人化生产线上的元件，诸如电子元件、电子插接件、金属零件及非金属零件、特别是一些具有放射性或有毒的元器件，它们在生产线上，须对它们进行在线实时动态识别及检测，判定其形状、位置、状态及精度。

发明内容：

一种激光智能识别分拣元件生产线的方法与装置，它由传送带传送元件，到达传感器位置时，传感器采集触发信号到瞬时定位模块，其发指令给控制计算机中心，它启动智能识别程序模块，同时控制计算机中心发出指令给激光扫描器，开始扫描工作，同时指令摄象机I、II开始工作，摄象机采集的信息传回控制计算机中心，由它的智能识别程序模块通过瞬时定位模块、三维建模的数理模块、特征识别模块、模糊集合算法模块与概率统计估计量模块以及后台数据库处理，实施智能识别元件，并发指令给分拣气缸，实施分拣；系统工作之前，通过运行示教功能模块，采集元件的样件信息给后台数据库；它利用激光及动态定位技术实施对生产线元件的三维形状、状态及动态进行在线实时动态识别及检测，采用激光三维信息及动态信息的采集方式，建立在线动态三维建模的有关数理模型，采用瞬时动态定位原理及应用，采用特征识别模式方法，实现生产线元件的实时在线动态识别及检测。

本发明方案一、一种激光智能识别分拣元件生产线的方法

在生产线的传送带上，设置摄象机I、II，设置激光扫描器，设置传感器发射头

与为传感器接收头，传送带传送元件，利用激光照射扫描生产线元件，通过两个以上摄象机配之以瞬时动态定位系统，由计算机进行中央集成控制及信息在线实时采集与数据处理、识别、建模。按生产线元器件特点，采用特征识别模式方法建立编制智能识别软件，利用模糊数学原理编制数据处理及建模，编辑智能示教软件，根据生产线元件形状复杂程度，相应增加摄象机及激光扫描器的数量，最终实现激光动态识别生产线元件的形状及状态。

本发明方案二，采用瞬时定位模块。

无人化生产线(生产线)上，多用传送带或滑道来输送元件，在元件被传输的运动状态下，要对其进行在线实时识别，为此，采用生产线元件的瞬时动态定位原理，在生产线上设定识别区，安装传感器，当元件运行进入识别区时瞬间发指令，激光器开始扫描采集元件的形状信息，优先遴选元件的基本定位特征数据及尺寸，确定瞬间定位“线”或“面”，最有效的选法是以生产线元件的外阔的最长线作为定位线，以生产线元件的外阔的最大面积作为定位面，以此作为二次瞬时采样时的定位基准，为元件的三维形状及状态的动态在线采集与识别提供了基础数据。

本发明方案三，建立三维建模的数理模块。

以航空摄影测量学为基础建立物点三维坐标数学模型，在生产线的传送带上，元件在传送带上随其运动，在识别区建立空间坐标系，元件置于物空间O-XYZ

坐标系内，激光光点A物空间内的坐标为A(X，Y，Z)，物点A影射到摄象机I和摄象机II的象平面上，所形成的象点分别a1和a2，摄象机I和摄象机II的象空间坐标系分别为01-xlylzl和02-x2y2z2，象空间坐标原点取其投影中心，它们在物空间上的坐标分别为01(X01，Y01，Z01)，02(X02，Y02，Z02)，象点在象平面上的坐标分别为a1(xl，y1)，a2(x2，y2)，摄影主距分别为f1，f2.转换矩阵为R1，R2。象点坐标推算物点坐标的数学模型X＝C_X F(x₁、y₁、x₂、y₂)，Y＝C_Y F(x₁、y₁、x₂、y₂)，Z＝C_z F(x₁、y₁、x₂、y₂).其中矩阵C_XC_YC_z是由参量x₁、y₁、x₂、y₂，以及系统固有参数1₁，1₂及转换矩阵R₁、R₂确定的变换矩阵，编辑相应的计算机软件完成全部运算。

本发明方案四、特征识别模块。

瞬间确定的生产线元件的定位“线”或“面”，作为二次瞬时采样时的定位基准，对元件的三态的动态进行在线采集与识别。在高速生产线上，尤为重要。建立高度特征识别模式，在瞬时采样

准上，生产线元件形状三维识别的关键之一是获取平面坐标XOY之外的高度坐标Z。物体在空间内

上的稳定姿态是相对有限的几个，同一物体在水平台上的某个稳定姿态下它的最大高度Z_max是维

设定Z_MAX作为形状及姿态的特征之一。

模糊集合算法模块，设定模糊集合的论域为：在水平台面即XOY平面上的物体A、物体B、物体C等。子集A_Z{Z₁，Z₂，Z₃，……Z₁}。I＝正整数。A中元素Z_i是物体A在XOY平面(水平台)上的能够存在的某个稳定姿态下的物体表面最高点的Z_MAX坐标值，即Z＝Z_MAX。据稳定姿态的个数确定最大库存单元量I。

若

且

则认为A_Z是物体A的唯一特征。即有则物体

物体A有：当

则：物体

物体A。其中，因随机性及采集数据具有分散性，集合采用模糊集合算法。建立平面特征识别模式：物体A在XOY平面(水平面)上的能够存在的某个稳定姿态下，在XOY平面上的投影的最大外廓尺寸L是唯一的，因此设定L作为物体形状及姿态的“平面”特征。子集为A_L{L₁，L₂，L₃，……L_i}，I＝正整数。L_i是物体A的第I个稳定姿态下的L_max值，识别运算同前。

建立高度——平面基准特征识别模式，找出被识别物体的“最高点Z_max″的位置相对于“最大外廓L_max″连线的相对位置，以此作为被识别物体在这一稳定状态下的姿态及形状基准，再依此基准建立其形状及姿态的模式数据库A_ZL，以识别物体的形状及姿态。

建立高度——环形特征识别模式，以最高点Z为中心Z_O，采集半径R₁圆环上的Z_ij坐标，以圆环上最大的Z_ijmax点与中心点Z_O连线构成物体在这一稳定姿态下的极坐标基准，依此基准建立物体形状及姿态的模式数据库A_ZO。

综合特征识别模式及计算机编程，将“高度、平面、环形”特征综合成为完整的特征识别模式。逐级建立相应的特征识别模式后台数据库，实现对物体形状的三维识别。

本发明方案五、概率统计估计量模块。

采用概率统计估计量法，识别估计采样值，识别估计的目标量主要是零件尺寸的百分位数X_P。设X_P ^*为X_P的估计量，d为估计量X_P ^*的相对精度，设置信水平为1-α＝0.95％，使满足：P(X_P-d<X_P ^*<X_P+d>＝0.95。

样本量越大，估计量的精度越高[4]。如设XP及其d，对于P＝0.50，X0.50的X0.50*＝X人体尺寸可近似为正态分布N(μ，σ2)，X0.50＝μ，X～N(μ，σ2/n)，取1-α＝0.95％，则：P(X0.50-μ1-α/2σ/n1/2<X0.50*<X0.50+μ1-α/2σ/n1/2>＝0.95。即：P(X0.50-1.96σ/n1/2<X0.50*<X0.50+1.96σ/n1/2>＝0.95。对应d，样本量N应满足X0.50-1.96σ/n1/2＝X0.50-d，或X0.50+1.96σ/n1/2＝X0.50+d，因正态分布的对称性，前两式确定的n相等。即n＝(1.96/μ0.50+d)2，此即d与N间的关系式。

本发明方案六、示教功能模块。

编辑示教功能模块，先将目标人体“示教”给采集、运算、识别系统后建立目标样板模型数据库，使视觉系统感知它们。随后视觉系统就可以根据“数据库”对这些物体的形状实施三维视觉识别及检测。

采用激光扫描物点三维坐标数学模型，获取生产线元件三维信息，采用瞬时动态定位方法，实施生产线元件的动态在线采集与识别，采用特征识别模式，编辑控制计算机中心智能程序模块，实现生产线元件形状及状态的视觉识别。

本发明核心内容：

传送带传送元件，到达传感器发射头与传感器接收头之间，传感器采集触发信号到瞬时定位模块，瞬时定位模块发指令给控制计算机中心，它启动智能识别程序模块，同时控制计算机中心发出指令给激光扫描器，开始扫描工作，同时指令摄象机I、II开始工作，摄象机采集的信息传回控制计算机中心，由它的智能识别程序模块通过瞬时定位模块、三维建模的数理模块、特征识别模块、模糊集合算法模块与概率统计估计量模块以及后台数据库处理，实施智能识别元件，之后，发指令给分拣气缸，实施分拣；系统工作之前，通过运行示教功能模块，采集元件的样件信息给后台数据库，实现实时在线动态识别及检测。

附图为本发明的结构图，下面结合附图说明工作过程。

附图中，分别为：1、摄象机I、II，2、激光扫描器，3、元件，4、传感器发射头，5、传感器接收头，6、传送带，7、元件，8、分拣气缸，9、控制计算机中心，10、、瞬时定位模块，11三维建模的数理模块，12、特征识别模块，13、模糊集合算法模块，14、概率统计估计量模块，15、示教模块，16、智能程序模块，17、示教功能模块，18、后台数据库，19、料斗。

工作过程：

6传送带传送3元件，到达4传感器发射头与5传感器接收头之间，4与5采集触发信号到11瞬时定位模块，11发指令给9控制计算机中心，9启动15智能识别程序模块，同时9发出指令给2激光扫描器，2开始扫描工作，11同时指令1摄象机I、II开始工作，1采集的信息传回9，由9的15通过10瞬时定位模块、11三维建模的数理模块、12特征识别模块、模糊集合算法模块与14概率统计估计量模块以及18后台数据库处理，实施智能识别3元件，根据识别结果，发指令给8分拣气缸，实施分拣到19料斗中；系统工作之前，通过运行17示教功能模块，采集3元件的样件信息给18后台数据库。

Claims

1.一种激光智能识别分拣元件生产线的方法与装置，其特征是：传送带传送元件，到达传感器发射头与传感器接收头之间，传感器采集触发信号到瞬时定位模块，瞬时定位模块发指令给控制计算机中心，它启动智能识别程序模块，同时控制计算机中心发出指令给激光扫描器，开始扫描工作，同时指令摄象机I、II开始工作，摄象机采集的信息传回控制计算机中心，由它的智能识别程序模块通过瞬时定位模块、三维建模的数理模块、特征识别模块、模糊集合算法模块与概率统计估计量模块以及后台数据库处理，实施智能识别元件，之后，发指令给分拣气缸，实施分拣；系统工作之前，通过运行示教功能模块，采集元件的样件信息给后台数据库，实现实时在线动态识别及检测。