CN108127238A - 非平整面自主识别机器人增材成形的方法 - Google Patents

非平整面自主识别机器人增材成形的方法 Download PDF

Info

Publication number
CN108127238A
CN108127238A CN201711472055.2A CN201711472055A CN108127238A CN 108127238 A CN108127238 A CN 108127238A CN 201711472055 A CN201711472055 A CN 201711472055A CN 108127238 A CN108127238 A CN 108127238A
Authority
CN
China
Prior art keywords
increasing material
image
defect
workpiece
robot
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.)
Pending
Application number
CN201711472055.2A
Other languages
English (en)
Inventor
王克鸿
钱美霞
周琦
彭勇
宋世达
许华银
唐燕生
彭雪
吴成成
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing 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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201711472055.2A priority Critical patent/CN108127238A/zh
Publication of CN108127238A publication Critical patent/CN108127238A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K10/00—Welding or cutting by means of a plasma
    • B23K10/02—Plasma welding
    • B23K10/027—Welding for purposes other than joining, e.g. build-up welding
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y30/00—Apparatus for additive manufacturing; Details thereof or accessories therefor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y50/00—Data acquisition or data processing for additive manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Materials Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Plasma & Fusion (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)

Abstract

本发明公开一种非平整面自主识别机器人增材成形方法，其中将两个相对位置固定的CCD摄像机安装在机器人末端，在较大范围内观察工件表面并采集图像，利用双目视觉原理实现工件表面缺陷的识别和导引，获取缺陷的三维信息，控制器重建缺陷的三维轮廓并确定增材参数，驱动机器人末端的增材枪到达缺陷位置进行增材填补。增材填补结束后，再次驱动机器人末端的两个CCD摄像机对缺陷处进行图像采集，控制器再次重建缺陷处的三维轮廓，以确定增材填补后的工件是否达标，若不达标则对缺陷处进行再次增材填补，直到工件达标为止。本发明的结构简单，操作稳定，可靠性高，适应性强，且可以实现机器人自主识别工件表面的缺陷并完成对缺陷的增材填补。

Description

非平整面自主识别机器人增材成形的方法
技术领域
本发明涉及机器视觉技术领域以及增材成形技术领域，尤其涉及一种机器人对非平整面的自主识别且对非平整面进行增材成形的方法。
背景技术
在传统的生产线上，工业机器人作业时一般都采用示教或离线编程的方式，工作过程和轨迹都是预先严格规定好的。这类机器人不具有适应焊接环境和作业条件变化的能力，一旦工作环境发生变化或者工件情况发生变化甚至工作环境以及工件情况未知时，通常由于对这类变化缺乏一定的感知能力而导致预定任务的失败。对不适合人来参与的焊接环境(如核环境、太空环境等)以及重要工件的焊接尤其重要。
发明内容
本发明的目的在于克服现有技术的不足，提供一种智能化水平高、可靠性高、适应性强的非平整面自主识别机器人增材成形的方法。
本发明的目的通过下述技术方案实现：
该方法包括如下步骤：
(1)将待增材填补的工件用夹具固定在变位机上；
将增材枪安装在机器人末端，将两个CCD摄像机按照镜头端面的法线与工件表面的法线成30°～45°的角度用夹具固定在增材枪两边；
(2)驱动两个CCD摄像机分别对整个工件表面采集图像，在整个工件表面进行寻找工件表面的缺陷；
(3)将CCD摄像机分别对整个工件表面采集的两幅图像中缺陷处的点进行立体匹配；
(4)控制器利用三维重建的方法重建缺陷的三维轮廓，并将其转换到机器人坐标系下；通过三角测量原理计算缺陷处共轭对点在两幅图像中的位置之差即视差，获得缺陷处空间点的三维坐标值，重建缺陷的三维轮廓；
(5)根据缺陷的三维轮廓生成相应的控制代码，确定增材枪的增材参数；控制器将重建的缺陷的三维模型与控制器内储存的模型参数作对比，得到具体的增材参数；
(6)控制器根据生成的控制代码驱动机器人带动增材枪到达指定的增材位置，增材枪根据给出的增材参数进行增材填补；
(7)增此填补完成后，再次驱动左右两个CCD摄像机对此处进行图像采集，控制器再一次重建此处的三维轮廓，以确定增材填补后的工件是否达标，若不达标则对此处进行再次增材填补，直到工件达标为止；
(8)若工件表面有多处缺陷，则依次按上述步骤对每处缺陷进行增材填补。
进一步的，驱动机器人带动末端的两个CCD摄像机到达工件表面正上方 25cm～40cm处，获取宏观环境下工件表面的左右两幅图像，利用边缘检测算法根据图像灰度值的变化识别缺陷。
进一步的，边缘检测算法根据图像灰度值的变化识别缺陷具体选用基于Canny算子检测图像的边缘，通过边缘反映具体为图像灰度的不连续性，再通过边缘检测即为对图像灰度变化的度量、检测和定位。
进一步的，匹配方法具体为以一幅图像为基准图像，另一幅图像为待匹配图像，以缺陷处图像的边缘点为基元利用边缘、图像灰度信息协同的匹配方法对两幅图像中缺陷处的点进行匹配。
进一步的，对缺陷处的空间点进行立体匹配时，根据外极线约束条件，得到多个可能的匹配点；利用边缘的方向和强度信息可进一步精简候选匹配点，若仍未得到唯一的匹配点，再利用原图像中的丰富灰度信息对每一个剩下候选匹配点的边缘象素进行检验，从而得到唯一正确的匹配点。
进一步的，控制器给出的增材参数主要包括焊接电流、焊接速度、送丝速度。
进一步的，机器人末端的增材枪根据给出的增材参数进行增材填补；当缺陷的位置较为复杂时，可驱动机器人与变位机协调配合调整角度，以使增材枪进行增材填补。
与现有技术相比，本发明具有以下优点：
(1)本发明提出了利用两个CCD摄像机来获取工件表面的图像信息，即利用双目立体视觉传感技术在增材填补前先进行工件表面缺陷的识别，获得缺陷在机器人坐标系下的三维坐标。实现了机器人对缺陷的自主识别，并且自主完成整个增材填补过程。替代了当前的示教在线和基于分层建模软件的离线编程方法，对重要工件的焊接和危险环境下的焊接具有尤为重要的意义。
(2)本发明使用的CCD摄像机体积小且重量轻，获取的信息信息量丰富、视野宽，在获取宏观焊接环境方面具有优势。
(3)本发明运用六轴机器人带动增材枪进行增材填补的工作，自由度高，灵活性高，操作简便，可以完成几乎任何轨迹或角度的工作。当缺陷的位置和形状较为复杂时，六轴机器人通过与变位机的协调配合即可使增材枪到达指定位置完成增材填补。
(4)本发明利用双目立体视觉恢复出缺陷完整的三维信息，可以获得缺陷精确的三维轮廓，生成最优的增材参数，从而得到最优的增材填补效果。
附图说明
图1是基于本发明增材方法的使用装置结构示意图；
图2是本发明的双目视觉系统示意图；
图3是本发明处理的工件缺陷俯视示意图；
图4是本发明处理的工件缺陷剖视示意图；
图5是本发明的增材方法流程图；
图6是本发明的边缘检测算法流程图。
图中：1为CCD摄像机，2为增材枪，3为六轴机器人，4为控制器，5为待增材填补的工件。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚、明确，下面结合附图和具体实施例对本发明作进一步声明。
以下实施例用来说明本发明,但不是限制于本发明。
如图1所示，本发明基于非平整面自主识别机器人增材成形方法的装置，主要包括：左右两个CCD摄像机1，增材枪2，六轴机器人3，控制器4，待增材的工件5。其中，左右两个CCD摄像机1按照镜头端面的法线与工件表面的法线成30°～45°的角度用夹具固定在增材枪2两边，增材枪2装在六轴机器人的末端，控制器4分别与左右两个CCD 摄像机1、六轴机器人3以及增材枪2相连。
具体实施：本发明基于非平整面自主识别机器人增材成形方法采用的具体装备主要包括：两个Watec WAT-902H2摄像机1；美国飞马特公司的PMW300等离子焊枪2；日本YASKAWA公司的六轴机器人3；控制器4；奥地利FRONIUS公司的Magicwave 3000 焊机；二轴倾翻旋转式变位机；等离子电弧控制器；送丝机和焊接耗材等。
结合图1和图2，左右两个Watec WAT-902H2摄像机1按照镜头端面的法线与工件表面的法线成35°的角度用夹具固定在PMW300等离子焊枪2两边，PMW300等离子焊枪2装在YASKAWA六轴机器人3的末端，PMW300等离子焊枪2分别与FRONIUS Magicwave 3000焊机和等离子电弧控制器相连，送丝机负责给其送丝，控制器4分别与左右两个Watec WAT-902H2摄像机1、YASKAWA六轴机器人3以及PMW300等离子焊枪2相连，待增材填补的长方体工件5位于二轴倾翻旋转式变位机上。
结合图1和图2和图3，本发明对待增材填补的长方体工件5的非平整面自主识别机器人增材成形的方法，包括如下步骤：
(1)将待增材填补的长方体工件5用夹具固定在二轴倾翻旋转式变位机上；
将PMW300等离子焊枪2安装在YASKAWA六轴机器人3末端，将两个Watec WAT-902H2摄像机1按照镜头端面的法线与工件表面的法线成35°的角度用夹具固定在 PMW300等离子焊枪2两边。
(2)驱动左右两个Watec WAT-902H2摄像机1分别对整个工件5表面采集图像，在较大范围内自主寻找工件5表面的缺陷；
驱动YASKAWA六轴机器人3带动末端的两个Watec WAT-902H2摄像机1到达工件5表面正上方30cm处，获取宏观环境下工件5表面的左右两幅图像，利用边缘检测算法根据图像灰度值的变化识别缺陷。
(3)将左右两幅图像中缺陷处的点进行立体匹配；
以右图像为基准图像，左图像为待匹配图像，以缺陷处图像的边缘点为基元利用边缘、图像灰度等信息协同的匹配方法对两幅图像中缺陷处的点进行匹配。
(4)控制器4利用三维重建的方法重建缺陷的三维轮廓，并将其转换到YASKAWA 六轴机器人3坐标系下；
通过三角测量原理计算缺陷处共轭对点在两幅图像中的位置之差即视差，获得缺陷处空间点的三维坐标值：x的坐标范围从-18.26mm～-8.34mm，y的坐标范围从 38.45mm～43.56mm，z的坐标范围从-36.68mm～-30.00mm。根据得到的三维信息重建缺陷的三维轮廓。
(5)根据缺陷的三维轮廓生成相应的控制代码，确定PMW300等离子焊枪2的增材参数；
控制器4将重建的缺陷的三维模型与原来工件5的模型参数作对比，得到具体的增材参数。按照焊接电流A、焊接速度cm/min、送丝速度m/min的排序，原来工件5的模型参数为：130，30，1；130，20，2；140，40，2；150，30～40，1；150，30～50，2；160，40，2。其中，固定的模型参数离子气流量为1L/min，保护气流量为20L/min。这里得到的增材参数分别为：焊接电流130A，焊接速度3.0mm/s，送丝速度1m/min，保护气流量为20L/min等。
(6)控制器4根据生成的控制代码驱动YASKAWA六轴机器人3带动PMW300等离子焊枪2到达指定的增材位置，PMW300等离子焊枪2根据给出的增材参数进行增材填补；
当缺陷的位置较为复杂时，可驱动YASKAWA六轴机器人3与二轴倾翻旋转式变位机协调调整角度，以便让PMW300等离子焊枪2处于一个比较有利的姿态进行增材填补。
(7)增此填补完成后，再次驱动左右两个Watec WAT-902H2摄像机1对此处进行图像采集，控制器4再一次重建此处的三维轮廓，以确定增材填补后的工件5是否达标，若不达标则对此处进行再次增材填补，直到工件5达标为止。
(8)若工件5表面有多处缺陷，则可依次按上述步骤对每处缺陷进行增材填补。
最终，本发明提供的一种非平整面自主识别机器人增材成形的方法实现了对工件表面的缺陷自主识别并完成增材填补的过程。

Claims (7)

1.一种非平整面自主识别机器人增材成形的方法，其特征在于，该方法包括如下步骤：
(1)将待增材填补的工件用夹具固定在变位机上；
将增材枪安装在机器人末端，将两个CCD摄像机按照镜头端面的法线与工件表面的法线成30°～45°的角度用夹具固定在增材枪两边；
(2)驱动两个CCD摄像机分别对整个工件表面采集图像，在整个工件表面进行寻找工件表面的缺陷；
(3)将CCD摄像机分别对整个工件表面采集的两幅图像中缺陷处的点进行立体匹配；
(4)控制器利用三维重建的方法重建缺陷的三维轮廓，并将其转换到机器人坐标系下；通过三角测量原理计算缺陷处共轭对点在两幅图像中的位置之差即视差，获得缺陷处空间点的三维坐标值，重建缺陷的三维轮廓；
(5)根据缺陷的三维轮廓生成相应的控制代码，确定增材枪的增材参数；控制器将重建的缺陷的三维模型与控制器内储存的模型参数作对比，得到具体的增材参数；
(6)控制器根据生成的控制代码驱动机器人带动增材枪到达指定的增材位置，增材枪根据给出的增材参数进行增材填补；
(7)增此填补完成后，再次驱动左右两个CCD摄像机对此处进行图像采集，控制器再一次重建此处的三维轮廓，以确定增材填补后的工件是否达标，若不达标则对此处进行再次增材填补，直到工件达标为止；
(8)若工件表面有多处缺陷，则依次按上述步骤对每处缺陷进行增材填补。
2.根据权利要求1所述的非平整面自主识别机器人增材成形的方法，其特征在于，驱动机器人带动末端的两个CCD摄像机到达工件表面正上方25cm～40cm处，获取宏观环境下工件表面的左右两幅图像，利用边缘检测算法根据图像灰度值的变化识别缺陷。
3.根据权利要求2所述的非平整面自主识别机器人增材成形的方法，其特征在于，边缘检测算法根据图像灰度值的变化识别缺陷具体选用基于Canny算子检测图像的边缘，通过边缘反映具体为图像灰度的不连续性，再通过边缘检测即为对图像灰度变化的度量、检测和定位。
4.根据权利要求1所述的非平整面自主识别机器人增材成形的方法，其特征在于，匹配方法具体为以一幅图像为基准图像，另一幅图像为待匹配图像，以缺陷处图像的边缘点为基元利用边缘、图像灰度信息协同的匹配方法对两幅图像中缺陷处的点进行匹配。
5.根据权利要求4所述的非平整面自主识别机器人增材成形的方法，其特征在于，对缺陷处的空间点进行立体匹配时，根据外极线约束条件，得到多个可能的匹配点；利用边缘的方向和强度信息可进一步精简候选匹配点，若仍未得到唯一的匹配点，再利用原图像中的丰富灰度信息对每一个剩下候选匹配点的边缘象素进行检验，从而得到唯一正确的匹配点。
6.根据权利要求1所述的非平整面自主识别机器人增材成形的方法，其特征在于，控制器给出的增材参数主要包括焊接电流、焊接速度、送丝速度。
7.根据权利要求1所述的非平整面自主识别机器人增材成形的方法，其特征在于，机器人末端的增材枪根据给出的增材参数进行增材填补；当缺陷的位置较为复杂时，可驱动机器人与变位机协调配合调整角度，以使增材枪进行增材填补。
CN201711472055.2A 2017-12-29 2017-12-29 非平整面自主识别机器人增材成形的方法 Pending CN108127238A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711472055.2A CN108127238A (zh) 2017-12-29 2017-12-29 非平整面自主识别机器人增材成形的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711472055.2A CN108127238A (zh) 2017-12-29 2017-12-29 非平整面自主识别机器人增材成形的方法

Publications (1)

Publication Number Publication Date
CN108127238A true CN108127238A (zh) 2018-06-08

Family

ID=62393569

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711472055.2A Pending CN108127238A (zh) 2017-12-29 2017-12-29 非平整面自主识别机器人增材成形的方法

Country Status (1)

Country Link
CN (1) CN108127238A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108859124A (zh) * 2018-06-29 2018-11-23 山东科技大学 一种具有故障诊断修复功能的3d打印机
CN109048148A (zh) * 2018-08-20 2018-12-21 南京理工大学 基于双目视觉坡口钝边识别模型与机器人自适应焊接方法
CN109129480A (zh) * 2018-08-24 2019-01-04 上海理工大学 一种基于双目3d定位的机械臂加工系统
CN109648202A (zh) * 2018-08-20 2019-04-19 南京理工大学 非平整面自主识别机器人增材制造成形精度控制方法
CN109664008A (zh) * 2018-12-19 2019-04-23 北京百慕航材高科技有限公司 一种补焊系统及智能补焊方法
CN110587084A (zh) * 2019-10-15 2019-12-20 宁夏吴忠市好运电焊机有限公司 一种具有电弧压缩调节的等离子粉末堆焊焊枪
CN111230259A (zh) * 2018-11-29 2020-06-05 南京理工大学 非平整面自主识别机器人增材制造成形精度控制装置
CN114559131A (zh) * 2020-11-27 2022-05-31 北京颖捷科技有限公司 一种焊接控制方法、装置及上位机

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1600505A (zh) * 2004-10-21 2005-03-30 上海交通大学 焊接机器人伺服双目视觉传感器
CN101198435A (zh) * 2005-06-13 2008-06-11 Abb研究有限公司 用于识别焊缝处的缺陷部位的缺陷探测系统
CN104400279A (zh) * 2014-10-11 2015-03-11 南京航空航天大学 基于ccd的管道空间焊缝自动识别与轨迹规划的方法及系统
CN104607639A (zh) * 2015-01-12 2015-05-13 常州先进制造技术研究所 一种用于金属3d打印的表面修复塑形装置
CN105894499A (zh) * 2016-03-25 2016-08-24 华南理工大学 一种基于双目视觉的空间物体三维信息快速检测方法
CN105931227A (zh) * 2016-04-14 2016-09-07 北京工业大学 一种基于图像灰度b扫曲线的焊缝表面缺陷特征提取方法
CN106112207A (zh) * 2016-08-17 2016-11-16 广东工业大学 熔化极气体保护焊3d增材修补装置及修补方法
CN106548173A (zh) * 2016-11-24 2017-03-29 国网山东省电力公司电力科学研究院 一种基于分级匹配策略的改进无人机三维信息获取方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1600505A (zh) * 2004-10-21 2005-03-30 上海交通大学 焊接机器人伺服双目视觉传感器
CN101198435A (zh) * 2005-06-13 2008-06-11 Abb研究有限公司 用于识别焊缝处的缺陷部位的缺陷探测系统
CN104400279A (zh) * 2014-10-11 2015-03-11 南京航空航天大学 基于ccd的管道空间焊缝自动识别与轨迹规划的方法及系统
CN104607639A (zh) * 2015-01-12 2015-05-13 常州先进制造技术研究所 一种用于金属3d打印的表面修复塑形装置
CN105894499A (zh) * 2016-03-25 2016-08-24 华南理工大学 一种基于双目视觉的空间物体三维信息快速检测方法
CN105931227A (zh) * 2016-04-14 2016-09-07 北京工业大学 一种基于图像灰度b扫曲线的焊缝表面缺陷特征提取方法
CN106112207A (zh) * 2016-08-17 2016-11-16 广东工业大学 熔化极气体保护焊3d增材修补装置及修补方法
CN106548173A (zh) * 2016-11-24 2017-03-29 国网山东省电力公司电力科学研究院 一种基于分级匹配策略的改进无人机三维信息获取方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘祚时 等: "脐橙采摘机器人快速视觉定位系统研究", 《江西理工大学学报》 *
陈宏江: "显微立体视觉系统中立体匹配的研究", 《中国优秀博硕士学位论文全文数据库（硕士） 工程科技Ⅱ辑》 *
陈希章: "基于双目视觉的弧焊机器人焊缝三维信息获取研究", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》 *
高贵等: "激光再制造机器人双目视觉系统标定研究 ", 《中国激光》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108859124A (zh) * 2018-06-29 2018-11-23 山东科技大学 一种具有故障诊断修复功能的3d打印机
CN109048148A (zh) * 2018-08-20 2018-12-21 南京理工大学 基于双目视觉坡口钝边识别模型与机器人自适应焊接方法
CN109648202A (zh) * 2018-08-20 2019-04-19 南京理工大学 非平整面自主识别机器人增材制造成形精度控制方法
CN109129480A (zh) * 2018-08-24 2019-01-04 上海理工大学 一种基于双目3d定位的机械臂加工系统
CN111230259A (zh) * 2018-11-29 2020-06-05 南京理工大学 非平整面自主识别机器人增材制造成形精度控制装置
CN109664008A (zh) * 2018-12-19 2019-04-23 北京百慕航材高科技有限公司 一种补焊系统及智能补焊方法
CN109664008B (zh) * 2018-12-19 2021-03-23 北京航空材料研究院有限公司 一种补焊系统及智能补焊方法
CN110587084A (zh) * 2019-10-15 2019-12-20 宁夏吴忠市好运电焊机有限公司 一种具有电弧压缩调节的等离子粉末堆焊焊枪
CN114559131A (zh) * 2020-11-27 2022-05-31 北京颖捷科技有限公司 一种焊接控制方法、装置及上位机

Similar Documents

Publication Publication Date Title
CN108127238A (zh) 非平整面自主识别机器人增材成形的方法
CN110524581B (zh) 一种柔性焊接机器人系统及其焊接方法
US11110611B2 (en) Automatic detection and robot-assisted machining of surface defects
US10894324B2 (en) Information processing apparatus, measuring apparatus, system, interference determination method, and article manufacturing method
JP5778311B1 (ja) ピッキング装置およびピッキング方法
US10060857B1 (en) Robotic feature mapping and motion control
US9233469B2 (en) Robotic system with 3D box location functionality
JP6952218B2 (ja) 衝突防止の方法およびレーザマシニングツール
CN110102855A (zh) 一种机器人智能化焊接系统、设备和方法
CN110509300A (zh) 基于三维视觉引导的钢箍加工上料控制系统及控制方法
US20190143523A1 (en) Robotic system architecture and control processes
KR102056664B1 (ko) 센서를 이용한 작업 방법 및 이를 수행하는 작업 시스템
CN107192331A (zh) 一种基于双目视觉的工件抓取方法
US20180154785A1 (en) Adjustable charging robot
Herakovic Robot vision in industrial assembly and quality control processes
JP2016099257A (ja) 情報処理装置及び情報処理方法
CN107150032A (zh) 一种基于多图像获取设备的工件识别与分拣装置和方法
WO2005072917A1 (en) Machine vision controlled robot tool system
CA2799042A1 (en) Method and system for generating instructions for an automated machine
CN102135776A (zh) 基于视觉定位的工业机器人控制系统及其控制方法
CN107263468A (zh) 一种利用数字图像处理技术的scara机器人装配方法
JP2015212629A (ja) 検出装置およびこの装置を具えたマニプレータの動作制御
CN109648202B (zh) 非平整面自主识别机器人增材制造成形精度控制方法
CN112577447B (zh) 一种三维全自动扫描系统及方法
CN106514068A (zh) 一种机器人智能焊接的控制方法

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