CN107263468B - 一种利用数字图像处理技术的scara机器人装配方法 - Google Patents

一种利用数字图像处理技术的scara机器人装配方法 Download PDF

Info

Publication number
CN107263468B
CN107263468B CN201710369513.3A CN201710369513A CN107263468B CN 107263468 B CN107263468 B CN 107263468B CN 201710369513 A CN201710369513 A CN 201710369513A CN 107263468 B CN107263468 B CN 107263468B
Authority
CN
China
Prior art keywords
camera
image
workpiece
robot
template
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710369513.3A
Other languages
English (en)
Other versions
CN107263468A (zh
Inventor
党宏社
候金良
强华
白文静
付晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangmen Zhuanyi Information Technology Co ltd
Original Assignee
Shaanxi University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shaanxi University of Science and Technology filed Critical Shaanxi University of Science and Technology
Priority to CN201710369513.3A priority Critical patent/CN107263468B/zh
Publication of CN107263468A publication Critical patent/CN107263468A/zh
Application granted granted Critical
Publication of CN107263468B publication Critical patent/CN107263468B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B25J9/1697—Vision controlled systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1669—Programme controls characterised by programming, planning systems for manipulators characterised by special application, e.g. multi-arm co-operation, assembly, grasping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/40—Robotics, robotics mapping to robotics vision
    • G05B2219/40002—Camera, robot follows direction movement of operator head, helmet, headstick
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/40—Robotics, robotics mapping to robotics vision
    • G05B2219/40005—Vision, analyse image at one station during manipulation at next station
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Manipulator (AREA)

Abstract

一种利用数字图像处理技术的SCARA机器人装配方法，首先，安装工业相机，对工作区域的图像进行实时的采集，然后进行数字图像处理算法的设计，包括相机标定以及工件的识别和定位，其次，实现SCARA机器人的控制，SCARA机器人与上位机通过以太网进行连接，上位机可将工件的坐标和姿态发送给机器人，然后完成机器人的抓放程序的设计，最后，利用Visual Studio的MFC开发实现上位机的设计，可对工作区域进行监控，可与机器人实时通信以及显示整个系统的运行状态，本发明具有能够提高机器人对环境的适应能力和生产效率的特点。

Description

一种利用数字图像处理技术的SCARA机器人装配方法
技术领域
本发明涉及机器人体感编程方法技术领域，特别涉及一种利用数字图像处理技术的SCARA机器人装配方法。
背景技术
工业机器人是机电一体化高度集成的产物，作为《中国制造2025》重点发展的十大领域之一，是工业自动化水平和工业4.0的重要标志。工业机器人具有重复精度高、可靠性好、适用性强等优点，广泛应用于汽车、机械、电子、物流等行业，已被证明是当前最高效的生产工具，需求量不断攀升。自上世纪60年代初以来，工业机器人经历了三个阶段的发展。第一代是示教再现型工业机器人，只能将操作者告诉它的轨迹、顺序、要求等把知识记忆下来，然后根据再现指令读取这些知识，完成规定任务。第二代工业机器人是感知型工业机器人，通过给工业机器人安装相关传感器使其有所感知，对外部信息能进行反馈。第三代工业机器人是智能工业机器人，可对周围环境、作业条件等做出判断然后再执行任务。一般由机器视觉作为反馈，通过图像处理信息引导工业机器人执行任务。
机器视觉是工业机器人的重要研究领域，而目前生产线上多数工业机器人都通过预先示教或者离线编程的方式来控制机器人执行预定的指令动作，一旦工作环境或目标对象发生变化，机器人不能及时适应这些变化，从而导致任务失败，而且这种工作方式在很大程度上限制了工业机器人的灵活性和工作效率。
发明内容
为了克服上述现有技术的不足,本发明的目的在于提供一种利用数字图像处理技术的SCARA机器人装配方法，对工件进行自动识别和定位，对传统的机器人固定点抓取方法进行改进，提高机器人对环境的适应能力和生产效率。
为了达到上述目的，本发明采用的技术方案是：
一种利用数字图像处理技术的SCARA机器人装配方法，包括如下步骤：
Step1、安装工业相机，将相机安装在机器人工作区域的正上方，调整相机的焦距使整个工作区域处在相机的视野范围内；
采用韩国IMI tech Amazon2系列工业相机，在包含相机类库的情况下，通过实例化相机句柄类来读取相机的数据，通过 OneFrameGrab函数来获取相机的一帧图像数据并将数据保存，然后利用Halcon的读取函数read_image来读取保存的数据，得到一幅图像，从而实现了用Halcon在线读取相机的功能；
Step 2、进行相机标定主要通过相机对不同方位的标定板进行拍照，使用标定算子完成标定，得到摄像机的参数，由于机器人抓取的工件位于同一平面，所以只对标定板图像采集一次，用标定板图像坐标算出标定板在图像上的长度除以标定板的实际长度，就可以得到相机的外参，即图像坐标上每个像素在世界坐标系下对应的实际距离m；
Step 3、工件模板的建立；
首先对标准工件的模板进行拍照，对照片进行处理得到工件的轮廓特征；具体步骤，
第一步，手动选择ROI区域，使用Sobel算子对ROI区域图像进行处理可以返回X方向和Y方向的像素灰度值，得到粗略的边缘；
第二步，利用非极大值抑制算法来搜索局部极大值，抑制非极大值元素，从而细化粗略边缘，非最大抑制算法对粗略边缘方向的左右像素进行处理，如果当前粗略边缘的灰度值小于左、右像素灰度值，则抑制当前像素灰度；
第三步，采用双阈值算法提取和连接边缘。
将第二步中得到的边缘继续进行处理，非极大值抑制算法处理后可能会有少量的非边缘像素被包含到结果中，所以要通过选取阈值进行取舍；
设置两个阈值其中一个为高阈值TH另外一个为低阈值TL，则有对于任意边缘像素低于TL的则丢弃，对于任意边缘像素高于TH的则保留，任意边缘像素值在TL与TH之间的，如果能通过在其像素邻域找到一个像素大于TH而且边缘所有像素大于最小阈值TL的则保留，否则丢弃，最终对边缘图像进行保存即可得到标准工件的模板；
Step 4、模板匹配；
根据Step1和Step 2的步骤对相机采集的工作区域实时图像搜索模板图像，将工件随意摆放到工作区域并采集一张图片，将Step 3 中制作好的标准模板在当前采集图像上进行滑动和转动，用相似性度量来算出每块图像与模板图像的相似度，最终当相似值大于0.75时认为匹配到模板，记录下当前标准模板坐标为匹配到工件的坐标和当前标准模板转动的角度为匹配到工件的旋转角度，根据相机标定的结果将图像坐标转化为世界坐标，最后将坐标与旋转角度通过Socket 通信发送给机器人；
Step 5、机器人根据接收到的工件坐标和角度数据，移动机器人将工件以固定的姿态放到装配位置，要保证工件在移动的过程中平稳，并且准确到达装配位置，首先接收上位机的数据，然后计算抓取位置并抓取工件，最后移动到安装点，完成工件的安装。
上位机界面的设计，利用Visual Studio的MFC开发完成上位机的设计。如图2 所示，上位机可以实时显示工作区域的情况，监控系统的运行状态。还可以通过按钮来控制整个程序的执行与停止，完成人机交互的功能。
本发明的有益效果是：
本发明可以实现机器人对工件的自动识别与定位，从而实现机器人的自动装配功能，与传统的固定点抓取系统相比，机器人对环境的适应性大大提高，生产效率极大的提高，若将本发明应用于工业现场的装配领域，大大提高生产线的效率，为基于机器人的工业自动装配提出新的解决方案。
附图说明
图1为本发明模板匹配的流程图。
图2为本发明上位机界面。
具体实施方式
下面结合附图对本发明作详细叙述。
如图1所示：一种利用数字图像处理技术的SCARA机器人装配方法，包括如下步骤：
Step1、安装工业相机，将相机安装在机器人工作区域的正上方，调整相机的焦距使整个工作区域处在相机的视野范围内；
采用韩国IMI tech Amazon2系列工业相机，在包含相机类库的情况下，通过实例化相机句柄类来读取相机的数据，通过 OneFrameGrab函数来获取相机的一帧图像数据并将数据保存，然后利用Halcon的读取函数read_image来读取保存的数据，得到一幅图像，从而实现了用Halcon在线读取相机的功能；
Step 2、进行相机标定主要通过相机对不同方位的标定板进行拍照，使用标定算子完成标定，得到摄像机的参数，由于机器人抓取的工件位于同一平面，所以只对标定板图像采集一次，用标定板图像坐标算出标定板在图像上的长度除以标定板的实际长度，就可以得到相机的外参，即图像坐标上每个像素在世界坐标系下对应的实际距离m；
Step 3、工件模板的建立；
首先对标准工件的模板进行拍照，对照片进行处理得到工件的轮廓特征；具体步骤，
第一步，手动选择ROI区域，使用Sobel算子对ROI区域图像进行处理可以返回X方向和Y方向的像素灰度值，得到粗略的边缘；
第二步，利用非极大值抑制算法来搜索局部极大值，抑制非极大值元素，可以细化粗略边缘，非最大抑制算法对粗略边缘方向的左右像素进行处理，如果当前粗略边缘的灰度值小于左、右像素灰度值，则抑制当前像素灰度；
第三步，采用双阈值算法提取和连接边缘。
将第二步中得到的边缘继续进行处理，非极大值抑制算法处理后可能会有少量的非边缘像素被包含到结果中，所以要通过选取阈值进行取舍；
设置两个阈值其中一个为高阈值TH另外一个为低阈值TL，则有对于任意边缘像素低于TL的则丢弃，对于任意边缘像素高于TH的则保留，任意边缘像素值在TL与TH之间的，如果能通过在其像素邻域找到一个像素大于TH而且边缘所有像素大于最小阈值TL的则保留，否则丢弃，最终对边缘图像进行保存即可得到标准工件的模板；
Step 4、模板匹配；
根据Step1和Step 2的步骤对相机采集的工作区域实时图像搜索模板图像，将工件随意摆放到工作区域并采集一张图片，将Step 3 中制作好的标准模板在当前采集图像上进行滑动和转动，用相似性度量来算出每块图像与模板图像的相似度，最终当相似值大于0.75时认为匹配到模板，记录下当前标准模板坐标为匹配到工件的坐标和当前标准模板转动的角度为匹配到工件的旋转角度，根据相机标定的结果将图像坐标转化为世界坐标，最后将坐标与旋转角度通过Socket 通信发送给机器人，如图1为模板匹配流程图；
Step 5、机器人根据接收到的工件坐标和角度数据，移动机器人将工件以固定的姿态放到装配位置，要保证工件在移动的过程中平稳，并且准确到达装配位置，首先接收上位机的数据，然后计算抓取位置并抓取工件，最后移动到安装点，完成工件的安装。
如图2所示，上位机界面的设计，利用Visual Studio的MFC开发完成上位机的设计。上位机可以实时显示工作区域的情况，监控系统的运行状态。还可以通过按钮来控制整个程序的执行与停止，完成人机交互的功能。
本发明的工作原理：
首先，安装工业相机，对工作区域的图像进行实时的采集，然后进行数字图像处理算法的设计，包括相机标定以及工件的识别和定位。
其次，实现SCARA机器人的控制，SCARA机器人与上位机通过以太网进行连接，上位机可将工件的坐标和姿态发送给机器人。然后完成机器人的抓放程序的设计。
最后，利用Visual Studio的MFC开发实现上位机的设计，可对工作区域进行监控，可与机器人实时通信以及显示整个系统的运行状态。

Claims (1)

1.一种利用数字图像处理技术的SCARA机器人装配方法，其特征在于，包括如下步骤：
Step1、安装工业相机，将相机安装在机器人工作区域的正上方，调整相机的焦距使整个工作区域处在相机的视野范围内；
采用韩国IMI tech Amazon2系列工业相机，在包含相机类库的情况下，通过实例化相机句柄类来读取相机的数据，通过OneFrameGrab函数获取相机的一帧图像数据并将数据保存，然后利用Halcon的读取函数read_image来读取保存的数据，得到一幅图像，从而实现用Halcon在线读取相机的功能；
Step 2、进行相机标定，主要通过相机对不同方位的标定板进行拍照，使用标定算子完成标定，得到摄像机的参数，由于机器人抓取的工件位于同一平面，所以只对标定板图像采集一次，用标定板图像坐标算出标定板在图像上的长度除以标定板的实际长度，就可以得到相机的外参，利用相机的外参可以计算出图像坐标上每个像素在世界坐标系下对应的实际距离m；
Step 3、工件模板的建立；
首先对标准工件的模板进行拍照，对照片进行处理得到工件的轮廓特征；具体步骤，
第一步，手动选择ROI区域，使用Sobel算子对ROI区域图像进行处理可以返回X方向和Y方向的像素灰度值，得到粗略的边缘；
第二步，利用非极大值抑制算法来搜索局部极大值，抑制非极大值元素，从而细化粗略边缘，非最大抑制算法对粗略边缘方向的左右像素进行处理，如果当前粗略边缘的灰度值小于左、右像素灰度值，则抑制当前像素灰度；
第三步，采用双阈值算法提取和连接边缘；
将第二步中得到的边缘继续进行处理，非极大值抑制算法处理后会有少量的非边缘像素被包含到结果中，所以要通过选取阈值进行取舍；
其次设置两个阈值其中一个为高阈值TH另外一个为低阈值TL，则有对于任意边缘像素低于TL的则丢弃，对于任意边缘像素高于TH的则保留，任意边缘像素值在TL与TH之间的，如果能通过在其像素邻域找到一个像素大于TH而且边缘所有像素大于最小阈值TL的则保留，否则丢弃，最终对边缘图像进行保存即可得到标准工件的模板；
Step 4、模板匹配；
根据Step1和Step 2的步骤对相机采集的工作区域实时图像搜索模板图像，将工件随意摆放到工作区域并采集一张图片，将Step 3中制作好的标准模板在当前采集图像上进行滑动和转动，用相似性度量来算出每块图像与模板图像的相似度，最终当相似值大于0.75时认为匹配到模板，记录下当前标准模板坐标为匹配到工件的坐标和当前标准模板转动的角度为匹配到工件的旋转角度，根据相机标定的结果将图像坐标转化为世界坐标，最后将坐标与旋转角度通过Socket通信发送给机器人；
Step 5、机器人根据接收到的工件坐标和角度数据，移动机器人将工件以固定的姿态放到装配位置，要保证工件在移动的过程中平稳，并且准确到达装配位置，首先接收上位机的数据，然后计算抓取位置并抓取工件，最后移动到安装点，完成工件的安装。
CN201710369513.3A 2017-05-23 2017-05-23 一种利用数字图像处理技术的scara机器人装配方法 Active CN107263468B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710369513.3A CN107263468B (zh) 2017-05-23 2017-05-23 一种利用数字图像处理技术的scara机器人装配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710369513.3A CN107263468B (zh) 2017-05-23 2017-05-23 一种利用数字图像处理技术的scara机器人装配方法

Publications (2)

Publication Number Publication Date
CN107263468A CN107263468A (zh) 2017-10-20
CN107263468B true CN107263468B (zh) 2020-08-11

Family

ID=60064753

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710369513.3A Active CN107263468B (zh) 2017-05-23 2017-05-23 一种利用数字图像处理技术的scara机器人装配方法

Country Status (1)

Country Link
CN (1) CN107263468B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107932502A (zh) * 2017-11-07 2018-04-20 陕西科技大学 一种基于双目立体视觉的scara机器人轨迹规划方法
CN107694962A (zh) * 2017-11-07 2018-02-16 陕西科技大学 一种基于机器视觉与bp神经网络的水果自动分拣方法
CN110125926B (zh) * 2018-02-08 2021-03-26 比亚迪股份有限公司 自动化的工件取放方法及系统
CN109015653A (zh) * 2018-08-30 2018-12-18 黄河科技学院 抓取控制方法、装置、存储介质及电子设备
CN110142765A (zh) * 2019-05-17 2019-08-20 深圳市皕像科技有限公司 一种加工橡胶塞的方法、装置及系统
CN110202576A (zh) * 2019-06-14 2019-09-06 福耀集团(福建)机械制造有限公司 一种工件二维视觉引导抓取检测系统和方法
CN110355567B (zh) * 2019-08-07 2021-08-10 江苏汇博机器人技术股份有限公司 基于相机的机器人装配方法
CN111452038B (zh) * 2020-03-03 2021-08-24 重庆大学 一种高精度工件组件及高精度工件组件的装配方法
CN111815718B (zh) * 2020-07-20 2022-03-01 四川长虹电器股份有限公司 一种基于视觉的工业螺钉机器人切换工位的方法
CN113814986B (zh) * 2021-11-23 2022-04-26 广东隆崎机器人有限公司 一种基于机器视觉控制scara机器人的方法及系统
CN115816441B (zh) * 2022-10-31 2023-08-08 实时侠智能控制技术有限公司 基于任务描述的机器人控制方法、装置及可读介质
CN115582840B (zh) * 2022-11-14 2023-06-23 湖南视比特机器人有限公司 无边框钢板工件分拣抓取位姿计算方法、分拣方法及系统
CN116441934B (zh) * 2023-05-24 2024-04-16 大连工业大学 一种基于机器视觉的圆柱件表面孔自动定位及加工设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101097601A (zh) * 2006-06-26 2008-01-02 北京航空航天大学 一种基于角点引导的图像快速边缘匹配方法
JP2008123400A (ja) * 2006-11-15 2008-05-29 Seiko Epson Corp 画像認識装置、電子機器、画像認識方法、制御プログラム及び記録媒体
CN102567989A (zh) * 2011-11-30 2012-07-11 重庆大学 基于双目立体视觉的空间定位方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101097601A (zh) * 2006-06-26 2008-01-02 北京航空航天大学 一种基于角点引导的图像快速边缘匹配方法
JP2008123400A (ja) * 2006-11-15 2008-05-29 Seiko Epson Corp 画像認識装置、電子機器、画像認識方法、制御プログラム及び記録媒体
CN102567989A (zh) * 2011-11-30 2012-07-11 重庆大学 基于双目立体视觉的空间定位方法

Also Published As

Publication number Publication date
CN107263468A (zh) 2017-10-20

Similar Documents

Publication Publication Date Title
CN107263468B (zh) 一种利用数字图像处理技术的scara机器人装配方法
CN107767423B (zh) 一种基于双目视觉的机械臂目标定位抓取方法
CN104626169B (zh) 基于视觉与机械综合定位的机器人抓取零件的方法
US9561593B2 (en) Working method using sensor and working system for performing same
US20170368687A1 (en) Method for teaching a robotic arm to pick or place an object
CN104923593A (zh) 一种基于视觉的顶层折弯板材定位方法
CN105690393A (zh) 一种基于机器视觉的四轴并联机器人分拣系统及其分拣方法
CN108214487A (zh) 基于双目视觉和激光雷达的机器人目标定位和抓取方法
CN108907526A (zh) 一种具有高鲁棒性的焊缝图像特征识别方法
CN111645111A (zh) 一种基于工业机器人的智能制造系统及方法
CN113822810A (zh) 一种基于机器视觉的三维空间中工件的定位方法
Hsu et al. Development of a faster classification system for metal parts using machine vision under different lighting environments
CN115629066A (zh) 一种基于视觉引导的面向自动配线的方法及装置
CN111993422A (zh) 基于无标定视觉的机器人轴孔对准控制方法
CN111267094A (zh) 一种基于双目视觉的工件定位与抓取方法
Gao et al. An automatic assembling system for sealing rings based on machine vision
Xu et al. Industrial robot base assembly based on improved Hough transform of circle detection algorithm
CN112720449A (zh) 一种机器人定位装置及其控制系统
CN206416179U (zh) 一种基于双目视觉的运动目标跟踪定位与抓取系统
CN106271235A (zh) 基于机器视觉的焊道定位方法及装置
CN205552536U (zh) 一种基于机器视觉的四轴并联机器人分拣系统
CN113763400A (zh) 一种机器人视觉导引方法、装置、设备及存储介质
CN109202802B (zh) 一种用于卡合装配的视觉引导系统及方法
Abicht et al. Interface-free connection of mobile robot cells to machine tools using a camera system
CN114119773A (zh) 一种用于工业机器人智能抓取检测的相机自动对焦方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20240612

Address after: 529000, 2nd Floor, No.6 Nanchang Village, Encheng Industrial Fourth Road, Enping City, Jiangmen City, Guangdong Province (Information Declaration System)

Patentee after: Jiangmen Zhuanyi Information Technology Co.,Ltd.

Country or region after: China

Address before: 710021 Shaanxi province Xi'an Weiyang university campus of Shaanxi University of Science and Technology

Patentee before: SHAANXI University OF SCIENCE & TECHNOLOGY

Country or region before: China