CN108890693A - 一种基于视觉的工业机器人码垛方法 - Google Patents

一种基于视觉的工业机器人码垛方法 Download PDF

Info

Publication number
CN108890693A
CN108890693A CN201810734791.9A CN201810734791A CN108890693A CN 108890693 A CN108890693 A CN 108890693A CN 201810734791 A CN201810734791 A CN 201810734791A CN 108890693 A CN108890693 A CN 108890693A
Authority
CN
China
Prior art keywords
stacking
color
image
current
industrial 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
CN201810734791.9A
Other languages
English (en)
Inventor
王天平
吴伟
曹喆
汪伟
董方旭
李鑫栋
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.)
Shaanxi Dazhong Technology Development Co Ltd
Original Assignee
Shaanxi Dazhong Technology Development Co Ltd
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 Dazhong Technology Development Co Ltd filed Critical Shaanxi Dazhong Technology Development Co Ltd
Priority to CN201810734791.9A priority Critical patent/CN108890693A/zh
Publication of CN108890693A publication Critical patent/CN108890693A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • 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
    • 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
    • B25J9/1679—Programme controls characterised by the tasks executed
    • 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
    • B25J9/1679—Programme controls characterised by the tasks executed
    • B25J9/1687—Assembly, peg and hole, palletising, straight line, weaving pattern movement
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G61/00—Use of pick-up or transfer devices or of manipulators for stacking or de-stacking articles not otherwise provided for
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于视觉的工业机器人码垛方法，其包括：建立平面坐标系；在平面坐标系中标记多个码垛区，并在每一码垛区内设置多个码垛分区；控制工业机器人抓取物料并放置于预设的物料识别区；对物料识别区的物料进行拍照获得物料图像，并对物料图像进行图像识别，得到物料的当前颜色、当前形状和当前尺寸；根据当前颜色控制工业机器人抓取物料并移动至与所述当前颜色对应的码垛区；根据当前形状控制工业机器人移动至与所述当前形状对应的码垛分区；根据当前尺寸控制工业机器人移动至与所述当前尺寸对应的码垛坐标点，并码垛物料。本发明能够根据物料的实际情况进行码垛。

Description

一种基于视觉的工业机器人码垛方法
技术领域
本发明涉及工业机器人技术领域，特别是涉及一种基于视觉的工业机器人码垛方法。
背景技术
机器人视觉主要用计算机来模拟人的视觉功能，并不仅仅是人眼的简单延伸，更重要的是具有人脑的一部分功能。从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。机器视觉的最大特点是速度快、信息量大、功能多。
将工业机器人与视觉技术进行结合，帮助工业机器人胜任更加智能化的工作，已经成为工业机器人应用领域的一种趋势。目前应用于学校进行机器人及视觉相结合的实训设备是为工业机器人行业培训工程技术人才的重要教学设备。
实训设备最主要的功能是演示工业机器人分拣、码垛物料，帮助学员学习工业机器人的工作原理。现有的实训设备预先设定好抓起点和摆放点，工业机器人在抓起点和摆放点抓起及码垛物料，然而，这种工作方式不能够对物料的实际情况分析判断，如不能够区分物料颜色、形状、尺寸等，而只是被动的搬运，适应性极差。
发明内容
本发明主要解决的技术问题是提供一种基于视觉的工业机器人码垛方法，能够根据物料的实际情况进行码垛。
为解决上述技术问题，本发明采用的一个技术方案是：提供一种基于视觉的工业机器人码垛方法，包括以下步骤：建立平面坐标系；在所述平面坐标系中标记多个码垛区，并在每一码垛区内设置多个码垛分区，其中，所述码垛分区包含多个码垛坐标点，所述多个码垛区分别对应物料的多种颜色，每一所述码垛区的多个码垛分区分别对应物料的多种形状，所述多个码垛坐标点分别对应物料的多种尺寸；控制工业机器人抓取物料并放置于预设的物料识别区；对物料识别区的物料进行拍照获得物料图像，并对物料图像进行图像识别，得到物料的当前颜色、当前形状和当前尺寸；根据当前颜色控制工业机器人抓取物料并移动至与所述当前颜色对应的码垛区；根据当前形状控制工业机器人移动至与所述当前形状对应的码垛分区；根据当前尺寸控制工业机器人移动至与所述当前尺寸对应的码垛坐标点，并码垛物料。
优选的，在码垛物料时，所述物料的几何中心对准所述码垛坐标点。
优选的，所述对物料图像进行图像识别，得到物料的当前颜色、当前形状和当前尺寸的步骤具体包括：提取物料图像的颜色特征，与模板图像进行颜色匹配；提取物料图像的形状特征，与模板图像进行形状匹配；当颜色匹配和形状匹配达到设定条件，确定匹配通过，得到物料的当前颜色、当前形状；根据当前形状获取物料的当前尺寸。
优选的，所述提取物料图像的颜色特征，与模板图像进行颜色匹配的步骤具体包括：将物料图像的RGB颜色空间转换为HSV颜色空间，去除饱和度较低的像素点后，根据H特征获取直方图并计算其概率密度分布图；采用Meanshift算法找寻基于模板直方图的颜色信息量最大的中心点；将以所述中心点为中心的搜索窗口分为左上、左下、右上、右下四个子窗口，并分别进行概率密度图的颜色总量对比。
优选的，所述颜色匹配的设定条件为：当颜色总值均占模板图像颜色总值的40％～200％，确定为颜色匹配通过。
优选的，所述提取物料图像的形状特征，与模板图像进行形状匹配的步骤具体包括：将物料图像转换为灰度图；对灰度图进行膨胀腐蚀形态学滤波，去除独立噪声并增加图像连续性；采用双向抽取的方法构造物料形状的二层金字塔；采用Sobel算子对各级金字塔图像进行边缘检测，得到轮廓金字塔图像；对主轮廓金字塔图像进行快速Hausdorff距离变换，得到能够反映各像素点与边缘点集之间最近距离的距离映射图像；用模板图像的边缘点集，在金字塔图像的距离映射图像上进行遍历搜索。
优选的，所述形状匹配的设定条件为：进行上层金字塔距离匹配，如果其Hausdorff距离小于阈值，即确定在该层金字塔等级匹配成功，进入金字塔下层的匹配运算，直到找到目标或者遍历完毕结束。
本发明的有益效果是：区别于现有技术的情况，本发明预先建立平面坐标系，通过对物料拍照来识别物料的颜色、形状及尺寸，根据物料的颜色、形状及尺寸将物料放到对应的码垛坐标点，从而能够根据物料的实际情况进行码垛，可以提高工业机器人的智能化和效率。
附图说明
图1是本发明实施例的基于视觉的工业机器人码垛方法的流程示意图。
具体实施例
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，是本发明实施例的基于视觉的工业机器人码垛方法的流程示意图。本实施例的工业机器人码垛方法包括以下步骤：
S1：建立平面坐标系。
其中，工业机器人在工作时，除了夹取物料以及码垛物料外，是在一个平面内移动的，通过建立平面坐标系，可以方便获取工业机器人的位置坐标。
S2：在平面坐标系中标记多个码垛区，并在每一码垛区内设置多个码垛分区，其中，码垛分区包含多个码垛坐标点，多个码垛区分别对应物料的多种颜色，每一码垛区的多个码垛分区分别对应物料的多种形状，多个码垛坐标点分别对应物料的多种尺寸。
其中，码垛区标记后，可以通过获取码垛坐标点以及工业机器人当前所在坐标点，可以快速地规划出移动路径。码垛区的数量与所需要码垛的物料的颜色种类有关，码垛分区与所需要码垛的物料的形状有关，而每个码垛分区内的码垛坐标点则与所需要码垛的物料的尺寸有关，例如对于某种特定的物料，物料的颜色有4种，分别为红、黄、蓝、绿，那么码垛区就有4个，物料的形状有2种，分别为圆形、正方形，那么每个码垛区包含的码垛分区就有2个，每种形状的物料的尺寸有三种，分别为小型、中型、大型，那么对应码垛分区包含的码垛坐标点就有3个。
S3：控制工业机器人抓取物料并放置于预设的物料识别区。
其中，物料识别区是平面坐标系中的某块区域。
S4：对物料识别区的物料进行拍照获得物料图像，并对物料图像进行图像识别，得到物料的当前颜色、当前形状和当前尺寸。
S5：根据当前颜色控制工业机器人抓取物料并移动至与当前颜色对应的码垛区。
S6：根据当前形状控制工业机器人移动至与当前形状对应的码垛分区。
S7：根据当前尺寸控制工业机器人移动至与当前尺寸对应的码垛坐标点，并码垛物料。
其中，举例而言，例如物料的颜色为红色，形状为圆形，尺寸为小型，那么工业机器人抓取物料并移动至与红色对应的码垛区，然后再移动至该码垛区内与圆形对应的码垛分区，最后选择与小型对应的码垛坐标点码垛物料。在本实施例中，在码垛物料时，物料的几何中心对准所述码垛坐标点。
在本实施例中，对物料图像进行图像识别，得到物料的当前颜色、当前形状和当前尺寸的步骤具体包括：提取物料图像的颜色特征，与模板图像进行颜色匹配；提取物料图像的形状特征，与模板图像进行形状匹配；当颜色匹配和形状匹配达到设定条件，确定匹配通过，得到物料的当前颜色、当前形状；根据当前形状获取物料的当前尺寸。
具体而言，提取物料图像的颜色特征，与模板图像进行颜色匹配的步骤具体包括：将物料图像的RGB颜色空间转换为HSV颜色空间，去除饱和度较低的像素点后，根据H特征获取直方图并计算其概率密度分布图；采用Meanshift算法找寻基于模板直方图的颜色信息量最大的中心点；将以所述中心点为中心的搜索窗口分为左上、左下、右上、右下四个子窗口，并分别进行概率密度图的颜色总量对比。颜色匹配的设定条件例如为：当四个子窗口对应的颜色总值均占模板图像颜色总值的40％～200％，确定为颜色匹配通过。
本实施例的颜色匹配方法采用的是HSV(hue saturation value)颜色概率密度分布图和Meanshift算法。首先介绍一下Meanshift算法，它是一种自适应的梯度迭代找寻峰值的算法，主要处理对象是概率密度函数f(x)，只要给定了初始点，Meanshift算法就会使目标点慢慢的移动，最后收敛至某点。
加入核函数的Meanshift的表达式如下：。
其中，G(x)为核函数简化所得，w(xi)是给x加入的权重系数，Mh(x)为变量x的Meanshift向量，当处理对象是概率密度函数f(x)时，它代表了f(x)的梯度的均值方向，而概率密度梯度代表了概率密度增加最快的方向，从综合后的平均看，采样点xi更多的位于f(x)梯度的方向，所以均值向量Mh(x)的方向是目标范围f(x)梯度的均值方向，代表了x最密集的方向。
提取物料图像的形状特征，与模板图像进行形状匹配的步骤具体包括：将物料图像转换为灰度图；对灰度图进行膨胀腐蚀形态学滤波，去除独立噪声并增加图像连续性；采用双向抽取的方法构造物料形状的二层金字塔；采用Sobel算子对各级金字塔图像进行边缘检测，得到轮廓金字塔图像；对主轮廓金字塔图像进行快速Hausdorff距离变换，得到能够反映各像素点与边缘点集之间最近距离的距离映射图像；用模板图像的边缘点集，在金字塔图像的距离映射图像上进行遍历搜索。形状匹配的设定条件例如为：进行上层金字塔距离匹配，如果其Hausdorff距离小于阈值，即确定在该层金字塔等级匹配成功，进入金字塔下层的匹配运算，直到找到目标或者遍历完毕结束。
本实施例的形状匹配方法采用的是快速距离变换和金字塔分解加速Hausdorff距离匹配。
首先介绍一下Hausdorff距离，它是描述两组点集之间相似程度的一种量度，它是两点集之间距离的一种定义形式。实际中，在参考图像和目标图像中进行特征点提取可以获取两个点集，利用Hausdorff距离来测量目标点集与参考点集某一区域接近或差异程度的最大距离与最小距离，从而确定目标在参考图像中的位置。
假设有两组点集A、B，则这两个点集之间的Hausdorff距离定义为：
H(A，B)＝max(h(A，B)，h(B，A))
其中：
传统Hausdorff易受突发噪声的影响，而且运算量大，本实施例采用改进后的距离算法，在降低运算量的同时大大增强算法鲁棒性，主要体现为距离变换和金字塔分解。
距离变换就是将目标点集图像变换为目标点集距离图像，它的各个像素点代表的是该点与目标点集之间的最短距离。如果对模板图像和物料图像进行点与点的距离匹配运算量会非常大：模板图像在物料图像中各个点都要进行一次匹配，即width(宽度)×height(高度)次，而且每个模板图像都要进行这样的一轮匹配，即物料图像的总匹配次数为(Width×height×总模板数)次，这样的运算量限制了没有距离变换的Hausdorff的使用，所以距离变换是Hausdorff的基础。
金字塔分解就是将物料图像变换为多分辨率等级的点集信息，多分辨率包含了图像更多的特征信息，而且基于金字塔顶层的快速运算也是对算法性能的大大提升。
通过上述方式，本发明实施例的基于视觉的工业机器人码垛方法预先建立平面坐标系，通过对物料拍照来识别物料的颜色、形状及尺寸，根据物料的颜色、形状及尺寸将物料放到对应的码垛坐标点，从而能够根据物料的实际情况进行码垛，可以提高工业机器人的智能化和效率。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (7)

1.一种基于视觉的工业机器人码垛方法，其特征在于，包括以下步骤：
建立平面坐标系；
在所述平面坐标系中标记多个码垛区，并在每一码垛区内设置多个码垛分区，其中，所述码垛分区包含多个码垛坐标点，所述多个码垛区分别对应物料的多种颜色，每一所述码垛区的多个码垛分区分别对应物料的多种形状，所述多个码垛坐标点分别对应物料的多种尺寸；
控制工业机器人抓取物料并放置于预设的物料识别区；
对物料识别区的物料进行拍照获得物料图像，并对物料图像进行图像识别，得到物料的当前颜色、当前形状和当前尺寸；
根据当前颜色控制工业机器人抓取物料并移动至与所述当前颜色对应的码垛区；
根据当前形状控制工业机器人移动至与所述当前形状对应的码垛分区；
根据当前尺寸控制工业机器人移动至与所述当前尺寸对应的码垛坐标点，并码垛物料。
2.根据权利要求1所述的工业机器人码垛方法，其特征在于，在码垛物料时，所述物料的几何中心对准所述码垛坐标点。
3.根据权利要求1所述的工业机器人码垛方法，其特征在于，所述对物料图像进行图像识别，得到物料的当前颜色、当前形状和当前尺寸的步骤具体包括：
提取物料图像的颜色特征，与模板图像进行颜色匹配；
提取物料图像的形状特征，与模板图像进行形状匹配；
当颜色匹配和形状匹配达到设定条件，确定匹配通过，得到物料的当前颜色、当前形状；
根据当前形状获取物料的当前尺寸。
4.根据权利要求3所述的工业机器人码垛方法，其特征在于，所述提取物料图像的颜色特征，与模板图像进行颜色匹配的步骤具体包括：
将物料图像的RGB颜色空间转换为HSV颜色空间，去除饱和度较低的像素点后，根据H特征获取直方图并计算其概率密度分布图；
采用Meanshift算法找寻基于模板直方图的颜色信息量最大的中心点；
将以所述中心点为中心的搜索窗口分为左上、左下、右上、右下四个子窗口，并分别进行概率密度图的颜色总量对比。
5.根据权利要求4所述的多模式粮堆降温系统，其特征在于，所述颜色匹配的设定条件为：
当颜色总值均占模板图像颜色总值的40％～200％，确定为颜色匹配通过。
6.根据权利要求3所述的工业机器人码垛方法，其特征在于，所述提取物料图像的形状特征，与模板图像进行形状匹配的步骤具体包括：
将物料图像转换为灰度图；
对灰度图进行膨胀腐蚀形态学滤波，去除独立噪声并增加图像连续性；
采用双向抽取的方法构造物料形状的二层金字塔；
采用Sobel算子对各级金字塔图像进行边缘检测，得到轮廓金字塔图像；
对主轮廓金字塔图像进行快速Hausdorff距离变换，得到能够反映各像素点与边缘点集之间最近距离的距离映射图像；
用模板图像的边缘点集，在金字塔图像的距离映射图像上进行遍历搜索。
7.根据权利要求6所述的工业机器人码垛方法，其特征在于，所述形状匹配的设定条件为：
进行上层金字塔距离匹配，如果其Hausdorff距离小于阈值，即确定在该层金字塔等级匹配成功，进入金字塔下层的匹配运算，直到找到目标或者遍历完毕结束。
CN201810734791.9A 2018-07-06 2018-07-06 一种基于视觉的工业机器人码垛方法 Pending CN108890693A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810734791.9A CN108890693A (zh) 2018-07-06 2018-07-06 一种基于视觉的工业机器人码垛方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810734791.9A CN108890693A (zh) 2018-07-06 2018-07-06 一种基于视觉的工业机器人码垛方法

Publications (1)

Publication Number Publication Date
CN108890693A true CN108890693A (zh) 2018-11-27

Family

ID=64347989

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810734791.9A Pending CN108890693A (zh) 2018-07-06 2018-07-06 一种基于视觉的工业机器人码垛方法

Country Status (1)

Country Link
CN (1) CN108890693A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109213202A (zh) * 2018-08-17 2019-01-15 深圳蓝胖子机器人有限公司 基于光学伺服的货物摆放方法、装置、设备和存储介质
CN109455527A (zh) * 2018-11-29 2019-03-12 合肥泰禾光电科技股份有限公司 一种货物拆垛方法及装置
CN110348792A (zh) * 2019-07-15 2019-10-18 珠海格力智能装备有限公司 码垛的配置方法及装置、码垛的方法及装置
CN110364046A (zh) * 2019-06-27 2019-10-22 芜湖安普机器人产业技术研究院有限公司 一种模块化机器人教学实训平台
CN110666805A (zh) * 2019-10-31 2020-01-10 重庆科技学院 一种基于主动视觉的工业机器人分拣方法
CN111470327A (zh) * 2020-05-25 2020-07-31 常州墨狄机器人科技有限公司 一种视觉码垛设备及其视觉信息处理方法
CN114529155A (zh) * 2022-01-17 2022-05-24 湖南视比特机器人有限公司 工件动态码垛装框方法及系统
CN115359112A (zh) * 2022-10-24 2022-11-18 爱夫迪(沈阳)自动化科技有限公司 一种高位料库机器人的码垛控制方法
CN115556102A (zh) * 2022-10-12 2023-01-03 华南理工大学 一种基于视觉识别的机器人分拣规划方法及规划设备
CN117142156A (zh) * 2023-10-30 2023-12-01 深圳市金环宇电线电缆有限公司 基于自动定位的线缆码垛控制方法、装置、设备及介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002193445A (ja) * 2000-12-28 2002-07-10 Sato Corp 物流システム
CN102289663A (zh) * 2011-07-29 2011-12-21 四川长虹电器股份有限公司 一种基于颜色和形状的台标识别方法
CN102298708A (zh) * 2011-08-19 2011-12-28 四川长虹电器股份有限公司 基于颜色和形状匹配的3d模式识别方法
CN102530566A (zh) * 2012-01-14 2012-07-04 广东一鼎科技有限公司 花式码垛的堆放方法
US20160089791A1 (en) * 2013-03-15 2016-03-31 Industrial Perception, Inc. Continuous Updating of Plan for Robotic Object Manipulation Based on Received Sensor Data
CN106315098A (zh) * 2016-08-26 2017-01-11 南通通州意达港口机械有限公司 用于高效物流仓储的货柜九宫格堆取周转系统及其方法
CN106607907A (zh) * 2016-12-23 2017-05-03 西安交通大学 一种移动视觉机器人及其测控方法
CN106697844A (zh) * 2016-12-29 2017-05-24 吴中区穹窿山德毅新材料技术研究所 自动化物料搬运设备
CN106737662A (zh) * 2015-11-24 2017-05-31 发那科株式会社 机器人系统
CN107963385A (zh) * 2016-10-18 2018-04-27 苏宁云商集团股份有限公司 一种物流仓储领域中货物的处理方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002193445A (ja) * 2000-12-28 2002-07-10 Sato Corp 物流システム
CN102289663A (zh) * 2011-07-29 2011-12-21 四川长虹电器股份有限公司 一种基于颜色和形状的台标识别方法
CN102298708A (zh) * 2011-08-19 2011-12-28 四川长虹电器股份有限公司 基于颜色和形状匹配的3d模式识别方法
CN102530566A (zh) * 2012-01-14 2012-07-04 广东一鼎科技有限公司 花式码垛的堆放方法
US20160089791A1 (en) * 2013-03-15 2016-03-31 Industrial Perception, Inc. Continuous Updating of Plan for Robotic Object Manipulation Based on Received Sensor Data
CN106737662A (zh) * 2015-11-24 2017-05-31 发那科株式会社 机器人系统
CN106315098A (zh) * 2016-08-26 2017-01-11 南通通州意达港口机械有限公司 用于高效物流仓储的货柜九宫格堆取周转系统及其方法
CN107963385A (zh) * 2016-10-18 2018-04-27 苏宁云商集团股份有限公司 一种物流仓储领域中货物的处理方法及系统
CN106607907A (zh) * 2016-12-23 2017-05-03 西安交通大学 一种移动视觉机器人及其测控方法
CN106697844A (zh) * 2016-12-29 2017-05-24 吴中区穹窿山德毅新材料技术研究所 自动化物料搬运设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王海军: "《仓储管理》", 31 July 2015, 华中科技大学出版社 *
郭元萍: "《仓储管理与实务》", 31 July 2006, 中国轻工业出版社 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109213202A (zh) * 2018-08-17 2019-01-15 深圳蓝胖子机器人有限公司 基于光学伺服的货物摆放方法、装置、设备和存储介质
CN109213202B (zh) * 2018-08-17 2022-02-08 深圳蓝胖子机器智能有限公司 基于光学伺服的货物摆放方法、装置、设备和存储介质
CN109455527A (zh) * 2018-11-29 2019-03-12 合肥泰禾光电科技股份有限公司 一种货物拆垛方法及装置
CN110364046A (zh) * 2019-06-27 2019-10-22 芜湖安普机器人产业技术研究院有限公司 一种模块化机器人教学实训平台
CN110348792A (zh) * 2019-07-15 2019-10-18 珠海格力智能装备有限公司 码垛的配置方法及装置、码垛的方法及装置
CN110666805A (zh) * 2019-10-31 2020-01-10 重庆科技学院 一种基于主动视觉的工业机器人分拣方法
CN111470327A (zh) * 2020-05-25 2020-07-31 常州墨狄机器人科技有限公司 一种视觉码垛设备及其视觉信息处理方法
CN114529155A (zh) * 2022-01-17 2022-05-24 湖南视比特机器人有限公司 工件动态码垛装框方法及系统
CN115556102A (zh) * 2022-10-12 2023-01-03 华南理工大学 一种基于视觉识别的机器人分拣规划方法及规划设备
CN115556102B (zh) * 2022-10-12 2024-03-12 华南理工大学 一种基于视觉识别的机器人分拣规划方法及规划设备
CN115359112A (zh) * 2022-10-24 2022-11-18 爱夫迪(沈阳)自动化科技有限公司 一种高位料库机器人的码垛控制方法
CN117142156A (zh) * 2023-10-30 2023-12-01 深圳市金环宇电线电缆有限公司 基于自动定位的线缆码垛控制方法、装置、设备及介质
CN117142156B (zh) * 2023-10-30 2024-02-13 深圳市金环宇电线电缆有限公司 基于自动定位的线缆码垛控制方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN108890693A (zh) 一种基于视觉的工业机器人码垛方法
CN107563396B (zh) 一种电力巡检中保护屏智能识别系统的构建方法
CN112136505B (zh) 一种基于视觉选择注意机制的水果采摘顺序规划方法
CN105023008B (zh) 基于视觉显著性及多特征的行人再识别方法
CN108280856A (zh) 基于混合信息输入网络模型的未知物体抓取位姿估计方法
CN109102547A (zh) 基于物体识别深度学习模型的机器人抓取位姿估计方法
CN102324032B (zh) 一种基于极坐标系下灰度共生矩阵的纹理特征提取方法
CN110852186B (zh) 一种树上柑橘的视觉识别与采摘顺序规划方法及其仿真系统
CN106022232A (zh) 基于深度学习的车牌检测方法
CN110929713B (zh) 一种基于bp神经网络的钢印字符识别方法
CN108121985A (zh) 一种基于机器视觉的双指针仪表读数方法
CN107392929B (zh) 一种基于人眼视觉模型的智能化目标检测及尺寸测量方法
CN105069466A (zh) 基于数字图像处理的行人服饰颜色识别方法
CN108256467B (zh) 一种基于视觉注意机制和几何特征的交通标志检测方法
CN114067206B (zh) 一种基于深度图像的球形果实识别定位方法
CN109159113A (zh) 一种基于视觉推理的机器人作业方法
CN112883881B (zh) 一种条状农产品无序分拣方法及装置
CN108090485A (zh) 基于多视角融合的图像前景自动提取方法
CN110347851A (zh) 基于卷积神经网络的图像检索方法及系统
CN104700417A (zh) 木材节子瑕疵的计算机图像自动识别方法
CN112417931A (zh) 一种基于视觉显著性的水面物体检测和分类的方法
Liu et al. Development of a machine vision algorithm for recognition of peach fruit in a natural scene
CN106650798A (zh) 一种结合深度学习与稀疏表示的室内场景识别方法
CN108319961A (zh) 一种基于局部特征点的图像roi快速检测方法
CN103533332A (zh) 一种2d视频转3d视频的图像处理方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181127

RJ01 Rejection of invention patent application after publication