CN109732625A - 一种基于机器视觉的工业机器人柔性打磨方法及系统 - Google Patents
一种基于机器视觉的工业机器人柔性打磨方法及系统 Download PDFInfo
- Publication number
- CN109732625A CN109732625A CN201910200037.1A CN201910200037A CN109732625A CN 109732625 A CN109732625 A CN 109732625A CN 201910200037 A CN201910200037 A CN 201910200037A CN 109732625 A CN109732625 A CN 109732625A
- Authority
- CN
- China
- Prior art keywords
- polishing
- size
- burr
- workpiece
- moment values
- 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.)
- Granted
Links
Abstract
本发明涉及一种基于机器视觉的工业机器人柔性打磨方法及系统,该方法包括:获取需要打磨工件的毛刺或凸起的尺寸;根据预先建立的尺寸与力矩关系曲线,得到打磨力矩值;根据所述图像选择关键点,得到打磨轨迹;根据所述打磨轨迹和所述打磨力矩值,打磨所述打磨工件。本发明提供的技术方案获取打磨工件图像,根据打磨表面自动生成打磨轨迹,免去了人工示教,节约人工成本。
Description
技术领域
本发明涉及机器人打磨技术领域,尤其涉及一种基于机器视觉的工业机器人柔性打磨方法及系统。
背景技术
目前随着使用打磨工艺的生产场景越来越多,要求也是越来越高。例如汽车行业,几乎所有的模具都需要打磨,而且随着车身生产要求越来越高,模具打磨要求也越来越高,然而传统人工打磨耗时耗力,且粉尘环境对人体伤害很大,成本较高。
因此,需要提供一种基于机器视觉的工业机器人柔性打磨方法及系统来解决现有技术的不足。
发明内容
为了解决现有技术中的问题,本发明提供了一种基于机器视觉的工业机器人柔性打磨方法及系统。
一种基于机器视觉的工业机器人柔性打磨方法,包括:
获取需要打磨工件的毛刺或凸起的尺寸;
根据预先建立的尺寸与力矩关系曲线,得到打磨力矩值;
根据所述图像选择关键点,得到打磨轨迹;
根据所述打磨轨迹和所述打磨力矩值,打磨所述打磨工件。
进一步的,所述获取需要打磨工件的毛刺或凸起的尺寸,包括:
采集需要打磨工件的打磨表面的图像;
根据所述图像得到所述毛刺或凸起的尺寸。
进一步的,所述预先建立的尺寸与力矩关系曲线的建立,包括:
采集需要打磨工件的打磨表面的图像;
对所述图像进行处理,得到毛刺或凸起的尺寸、位姿和数量的最大值;
根据所述毛刺或凸起的尺寸、位姿和数量的最大值,获取毛刺或凸起的尺寸对应的打磨力矩值;
根据所述打磨力矩值,得到尺寸与力矩关系曲线。
进一步的,所述预先建立的尺寸与力矩关系曲线的建立,还包括:
判断所述毛刺或凸起的数量是否满足需求;
若不满足,则再次采集需要打磨工件的打磨表面的图像。
进一步的,所述方法还包括:
判断所述打磨力矩值是否在预设打磨力矩值范围内;
若在所述预设打磨力矩值范围内,根据所述打磨轨迹和所述打磨力矩值打磨所述打磨工件;
若不在所述预设打磨力矩值范围内,则停止运行并发出预警。
一种基于机器视觉的工业机器人柔性打磨系统,包括:
获取模块,用于获取需要打磨工件的毛刺或凸起的尺寸;
计算模块,用于根据预先建立的尺寸与力矩关系曲线,得到打磨力矩值;
轨迹获取模块,用于根据所述图像选择关键点,得到打磨轨迹;
第一执行模块,用于根据所述打磨轨迹和所述打磨力矩值,打磨所述打磨工件。
进一步的,所述获取模块包括:
第一采集子模块,用于采集需要打磨工件的打磨表面的图像;
第一计算子模块,用于根据所述图像得到所述毛刺或凸起的尺寸。
进一步的,所述计算模块包括:
第二采集子模块,用于采集需要打磨工件的打磨表面的图像;
第二计算子模块,用于对所述图像进行处理,得到毛刺或凸起的尺寸、位姿和数量的最大值;
获取子模块,用于根据所述毛刺或凸起的尺寸、位姿和数量的最大值,获取毛刺或凸起的尺寸对应的打磨力矩值;
确定子模块,用于根据所述打磨力矩值,得到尺寸与力矩关系曲线。
进一步的,所述计算模块还包括:
判断子模块,用于判断所述毛刺或凸起的数量是否满足需求;
第三采集子模块,用于当毛刺或凸起的数量不满足需求时,再次采集需要打磨工件的打磨表面的图像。
进一步的,还包括:
判断模块,用于判断所述打磨力矩值是否在预设打磨力矩值范围内;
第二执行模块,用于打磨力矩值在所述预设打磨力矩值范围内,根据所述打磨轨迹和所述打磨力矩值打磨所述打磨工件;
预警模块,用于打磨力矩值不在所述预设打磨力矩值范围内,停止运行并发出预警。
本发明的技术方案与最接近的现有技术相比具有如下优点:
本发明提供的技术方案首先获取需要打磨工件的毛刺或凸起的尺寸,再根据预先建立的尺寸与力矩关系曲线得到打磨力矩值,根据图像选择关键点确定打磨轨迹;最后根据打磨轨迹和打磨力矩值打磨上述打磨工件。本发明提供的技术方案获取打磨工件图像,根据打磨表面自动生成打磨轨迹,免去了人工示教,节约人工成本。
附图说明
图1是本发明实施例中基于机器视觉的工业机器人柔性打磨方法流程图;
图2是本发明实施例中尺寸与力矩关系曲线的建立方法流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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的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。
本发明提供了一种基于机器视觉的工业机器人柔性打磨方法,如图1所示,包括:
获取需要打磨工件的毛刺或凸起的尺寸;
根据预先建立的尺寸与力矩关系曲线,得到打磨力矩值;
根据所述图像选择关键点,得到打磨轨迹;
根据所述打磨轨迹和所述打磨力矩值,打磨所述打磨工件。
在本申请实施例中,本发明提供的技术方案首先获取需要打磨工件的毛刺或凸起的尺寸,再根据预先建立的尺寸与力矩关系曲线得到打磨力矩值,根据图像选择关键点确定打磨轨迹;最后根据打磨轨迹和打磨力矩值打磨上述打磨工件。本发明提供的技术方案获取打磨工件图像,根据打磨表面自动生成打磨轨迹,免去了人工示教,节约人工成本。
在本申请一些实施例中,获取需要打磨工件的毛刺或凸起的尺寸,包括:
采集需要打磨工件的打磨表面的图像;
根据所述图像得到所述毛刺或凸起的尺寸。
在本申请实施例中,采用3D视觉获取打磨工件图像,从图像中识别出关键点进行路径拟合,自动生成拟合轨迹。
在本申请一些实施例中,预先建立的尺寸与力矩关系曲线的建立,如图2所示,包括:
采集需要打磨工件的打磨表面的图像;
对所述图像进行处理,得到毛刺或凸起的尺寸、位姿和数量的最大值;
根据所述毛刺或凸起的尺寸、位姿和数量的最大值,获取毛刺或凸起的尺寸对应的打磨力矩值;
根据所述打磨力矩值,得到尺寸与力矩关系曲线。
在本申请实施例中,通过3D视觉获取打磨表面毛刺或凸起的尺寸,再通过机器人末端六维力传感器获取当前毛刺打磨时力矩的大小,将大量的毛刺或凸起尺寸数据与对应力矩数据进行分析处理,拟合出打磨表面毛刺或凸起尺寸与机器人输出力矩的关系曲线。
在本申请一些实施例中,预先建立的尺寸与力矩关系曲线的建立,还包括:
判断所述毛刺或凸起的数量是否满足需求;
若不满足,则再次采集需要打磨工件的打磨表面的图像。
在本申请一些实施例中,该方法还包括:
判断所述打磨力矩值是否在预设打磨力矩值范围内;
若在所述预设打磨力矩值范围内,根据所述打磨轨迹和所述打磨力矩值打磨所述打磨工件;
若不在所述预设打磨力矩值范围内,则停止运行并发出预警。
在本申请实施例中,机器人末端输出力矩与机器人末端六维力传感器输入的力矩进行对比,计算打磨工具磨损程度,进行磨损尺寸补偿,磨损程度超过一定阈值,机器人停机报警提醒更换打磨工具。
本申请的原理如下所示:
首先计算某种材质的打磨工件毛刺或凸起尺寸与机器人末端输出力矩关系。3D视觉采集打磨工件表面的整体图像,根据图像得到毛刺或凸起的尺寸、位姿及其总数量的最大值,将数据输入机器人控制器,机器人逐个位姿进行打磨,并利用机器人末端六维力传感器记录打磨每个毛刺或凸起的力矩,再将这些数据进行处理,拟合出尺寸与力矩的关系曲线,如果点位不够,可再选择此种材质的打磨工件依照上述顺序,获取相应数据,将本次与前次的数据整合处理拟合曲线。
将该曲线保存,这样在未来加工相同和相似材质工件时可以节省关系曲线拟合时间。
在具备毛刺或凸起尺寸与机器人末端力矩关系曲线后,开始进行打磨工作。
第一步:3D视觉拍摄打磨工件需要打磨表面的图像,根据该图像得到毛刺或凸起的尺寸及位姿;
第二步:将这些毛刺或凸起的尺寸通过得到的关系曲线规划出打磨每个毛刺或凸起所需输出的力矩值,并与每个毛刺和凸起的位姿对应,存储在控制器中;
第三步:根据图像,选择关键点,规划出最优的打磨轨迹,并生成机器人打磨程序;
第四步:控制机器人按照第三步生成的打磨程序开始运行,当运行到第二步中的相应点位时,输出相应的力矩,进行力矩前馈运算,控制机器人柔性打磨;
第五步:打磨过程中,根据机器人末端六维力传感器实时获取的力矩值,判断是否在理论力矩的合理范围内,如果在合理范围,则继续进行打磨,如果实际力矩与理论力矩相差超过合理范围,则说明打磨工具磨损严重,此时停机报警提醒更换打磨工具。
通过安装在机器人末端的3D视觉相机获取打磨工件图像,从图像中识别出关键点进行路径拟合,自动生成拟合轨迹,免去了人工示教,简化了打磨轨迹拟合困难问题;通过机器人末端六维力传感器,感知打磨曲面的毛刺和凸起,根据传感器数据对工件进行柔性打磨,再通过相机获取的工件表面图像,进行数据分析处理,得到毛刺凸起的尺寸与机器人输出力矩的关系,优化柔性打磨能力,使打磨曲面更加平整;通过上述数据分析处理,得到机器人输出力矩,与机器人末端六维力传感器输入力矩进行对比,得到机器人打磨工具的磨损程度,从而进行算法补偿,保证打磨质量,当检测到磨损程度超过一定阈值,则报警提醒更换打磨工具。
基于相同的发明构思本发明还提供了一种基于机器视觉的工业机器人柔性打磨系统,包括:
获取模块,用于获取需要打磨工件的毛刺或凸起的尺寸;
计算模块,用于根据预先建立的尺寸与力矩关系曲线,得到打磨力矩值;
轨迹获取模块,用于根据所述图像选择关键点,得到打磨轨迹;
第一执行模块,用于根据所述打磨轨迹和所述打磨力矩值,打磨所述打磨工件。
可选的,所述获取模块包括:
第一采集子模块,用于采集需要打磨工件的打磨表面的图像;
第一计算子模块,用于根据所述图像得到所述毛刺或凸起的尺寸。
可选的,所述计算模块包括:
第二采集子模块,用于采集需要打磨工件的打磨表面的图像;
第二计算子模块,用于对所述图像进行处理,得到毛刺或凸起的尺寸、位姿和数量的最大值;
获取子模块,用于根据所述毛刺或凸起的尺寸、位姿和数量的最大值,获取毛刺或凸起的尺寸对应的打磨力矩值;
确定子模块,用于根据所述打磨力矩值,得到尺寸与力矩关系曲线。
可选的,所述计算模块还包括:
判断子模块,用于判断所述毛刺或凸起的数量是否满足需求;
第三采集子模块,用于当毛刺或凸起的数量不满足需求时,再次采集需要打磨工件的打磨表面的图像。
可选的,还包括:
判断模块,用于判断所述打磨力矩值是否在预设打磨力矩值范围内;
第二执行模块,用于打磨力矩值在所述预设打磨力矩值范围内,根据所述打磨轨迹和所述打磨力矩值打磨所述打磨工件;
预警模块,用于打磨力矩值不在所述预设打磨力矩值范围内,停止运行并发出预警。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits,ASIC)、数字信号处理器(Digital Signal Processing,DSP)、数字信号处理设备(DSP Device,DSPD)、可编程逻辑设备(Programmable LogicDevice,PLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于机器视觉的工业机器人柔性打磨方法,其特征在于,包括:
获取需要打磨工件的毛刺或凸起的尺寸;
根据预先建立的尺寸与力矩关系曲线,得到打磨力矩值;
根据所述图像选择关键点,得到打磨轨迹;
根据所述打磨轨迹和所述打磨力矩值,打磨所述打磨工件。
2.根据权利要求1所述的一种基于机器视觉的工业机器人柔性打磨方法,其特征在于,所述获取需要打磨工件的毛刺或凸起的尺寸,包括:
采集需要打磨工件的打磨表面的图像;
根据所述图像得到所述毛刺或凸起的尺寸。
3.根据权利要求1所述的一种基于机器视觉的工业机器人柔性打磨方法,其特征在于,所述预先建立的尺寸与力矩关系曲线的建立,包括:
采集需要打磨工件的打磨表面的图像;
对所述图像进行处理,得到毛刺或凸起的尺寸、位姿和数量的最大值;
根据所述毛刺或凸起的尺寸、位姿和数量的最大值,获取毛刺或凸起的尺寸对应的打磨力矩值;
根据所述打磨力矩值,得到尺寸与力矩关系曲线。
4.根据权利要求3所述的一种基于机器视觉的工业机器人柔性打磨方法,其特征在于,所述预先建立的尺寸与力矩关系曲线的建立,还包括:
判断所述毛刺或凸起的数量是否满足需求;
若不满足,则再次采集需要打磨工件的打磨表面的图像。
5.根据权利要求1所述的一种基于机器视觉的工业机器人柔性打磨方法,其特征在于,所述方法还包括:
判断所述打磨力矩值是否在预设打磨力矩值范围内;
若在所述预设打磨力矩值范围内,根据所述打磨轨迹和所述打磨力矩值打磨所述打磨工件;
若不在所述预设打磨力矩值范围内,则停止运行并发出预警。
6.一种基于机器视觉的工业机器人柔性打磨系统,其特征在于,包括:
获取模块,用于获取需要打磨工件的毛刺或凸起的尺寸;
计算模块,用于根据预先建立的尺寸与力矩关系曲线,得到打磨力矩值;
轨迹获取模块,用于根据所述图像选择关键点,得到打磨轨迹;
第一执行模块,用于根据所述打磨轨迹和所述打磨力矩值,打磨所述打磨工件。
7.根据权利要求6所述的一种基于机器视觉的工业机器人柔性打磨系统,其特征在于,所述获取模块包括:
第一采集子模块,用于采集需要打磨工件的打磨表面的图像;
第一计算子模块,用于根据所述图像得到所述毛刺或凸起的尺寸。
8.根据权利要求6所述的一种基于机器视觉的工业机器人柔性打磨系统,其特征在于,所述计算模块包括:
第二采集子模块,用于采集需要打磨工件的打磨表面的图像;
第二计算子模块,用于对所述图像进行处理,得到毛刺或凸起的尺寸、位姿和数量的最大值;
获取子模块,用于根据所述毛刺或凸起的尺寸、位姿和数量的最大值,获取毛刺或凸起的尺寸对应的打磨力矩值;
确定子模块,用于根据所述打磨力矩值,得到尺寸与力矩关系曲线。
9.根据权利要求8所述的一种基于机器视觉的工业机器人柔性打磨系统,其特征在于,所述计算模块还包括:
判断子模块,用于判断所述毛刺或凸起的数量是否满足需求;
第三采集子模块,用于当毛刺或凸起的数量不满足需求时,再次采集需要打磨工件的打磨表面的图像。
10.根据权利要求9所述的一种基于机器视觉的工业机器人柔性打磨系统,其特征在于,还包括:
判断模块,用于判断所述打磨力矩值是否在预设打磨力矩值范围内;
第二执行模块,用于打磨力矩值在所述预设打磨力矩值范围内,根据所述打磨轨迹和所述打磨力矩值打磨所述打磨工件;
预警模块,用于打磨力矩值不在所述预设打磨力矩值范围内,停止运行并发出预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910200037.1A CN109732625B (zh) | 2019-03-15 | 2019-03-15 | 一种基于机器视觉的工业机器人柔性打磨方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910200037.1A CN109732625B (zh) | 2019-03-15 | 2019-03-15 | 一种基于机器视觉的工业机器人柔性打磨方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109732625A true CN109732625A (zh) | 2019-05-10 |
CN109732625B CN109732625B (zh) | 2020-11-27 |
Family
ID=66370736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910200037.1A Active CN109732625B (zh) | 2019-03-15 | 2019-03-15 | 一种基于机器视觉的工业机器人柔性打磨方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109732625B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110103118A (zh) * | 2019-06-18 | 2019-08-09 | 苏州大学 | 一种打磨机器人的路径规划方法、装置、系统及存储介质 |
CN110625491A (zh) * | 2019-08-29 | 2019-12-31 | 中车青岛四方机车车辆股份有限公司 | 打磨设备以及打磨方法 |
CN111113394A (zh) * | 2019-12-19 | 2020-05-08 | 珠海格力电器股份有限公司 | 机械手定位方法 |
JP2021003788A (ja) * | 2019-06-27 | 2021-01-14 | ファナック株式会社 | 制御装置、及び制御方法 |
CN114571326A (zh) * | 2022-01-20 | 2022-06-03 | 上海交通大学 | 基于计算机视觉的变形曲面磨削方法、装置及系统 |
CN115056074A (zh) * | 2022-08-18 | 2022-09-16 | 潍坊潍尔达石油机械有限公司 | 一种基于机器视觉的钢管端部余料加工装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110100178A1 (en) * | 2007-12-27 | 2011-05-05 | Nihon Shoryoku Kikai Co., Ltd. | Deburring system, deburring apparatus and cutter blade |
CN103056759A (zh) * | 2012-12-24 | 2013-04-24 | 中国科学院自动化研究所 | 一种基于传感器反馈的机器人磨削系统 |
JP2016068216A (ja) * | 2014-09-30 | 2016-05-09 | ファナック株式会社 | 力制御を実行するロボットシステム |
CN105676778A (zh) * | 2016-01-15 | 2016-06-15 | 深圳吉兰丁智能科技有限公司 | 基于传感器监测的智能制造方法和系统以及加工机床 |
CN107378780A (zh) * | 2017-07-19 | 2017-11-24 | 江苏大学 | 一种基于视觉系统的机器人铸件打磨自适应方法 |
CN108115705A (zh) * | 2017-12-31 | 2018-06-05 | 芜湖哈特机器人产业技术研究院有限公司 | 一种机器人打磨控制系统及方法 |
US20180326591A1 (en) * | 2015-11-09 | 2018-11-15 | ATENSOR Engineering and Technology Systems GmbH | Automatic detection and robot-assisted machining of surface defects |
CN108942940A (zh) * | 2018-08-01 | 2018-12-07 | 东南大学 | 一种基于多传感器融合的遥操作机器人打磨控制系统 |
CN108972573A (zh) * | 2018-06-12 | 2018-12-11 | 浙江大学 | 一种基于图像特征识别的工业机器人自动化轮毂打磨系统及方法 |
-
2019
- 2019-03-15 CN CN201910200037.1A patent/CN109732625B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110100178A1 (en) * | 2007-12-27 | 2011-05-05 | Nihon Shoryoku Kikai Co., Ltd. | Deburring system, deburring apparatus and cutter blade |
CN103056759A (zh) * | 2012-12-24 | 2013-04-24 | 中国科学院自动化研究所 | 一种基于传感器反馈的机器人磨削系统 |
JP2016068216A (ja) * | 2014-09-30 | 2016-05-09 | ファナック株式会社 | 力制御を実行するロボットシステム |
US20180326591A1 (en) * | 2015-11-09 | 2018-11-15 | ATENSOR Engineering and Technology Systems GmbH | Automatic detection and robot-assisted machining of surface defects |
CN105676778A (zh) * | 2016-01-15 | 2016-06-15 | 深圳吉兰丁智能科技有限公司 | 基于传感器监测的智能制造方法和系统以及加工机床 |
CN107378780A (zh) * | 2017-07-19 | 2017-11-24 | 江苏大学 | 一种基于视觉系统的机器人铸件打磨自适应方法 |
CN108115705A (zh) * | 2017-12-31 | 2018-06-05 | 芜湖哈特机器人产业技术研究院有限公司 | 一种机器人打磨控制系统及方法 |
CN108972573A (zh) * | 2018-06-12 | 2018-12-11 | 浙江大学 | 一种基于图像特征识别的工业机器人自动化轮毂打磨系统及方法 |
CN108942940A (zh) * | 2018-08-01 | 2018-12-07 | 东南大学 | 一种基于多传感器融合的遥操作机器人打磨控制系统 |
Non-Patent Citations (1)
Title |
---|
刘志恒: ""基于力反馈的打磨机器人控制系统研究"", 《中国优秀硕士学位论文全文数据库 信息技术辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110103118A (zh) * | 2019-06-18 | 2019-08-09 | 苏州大学 | 一种打磨机器人的路径规划方法、装置、系统及存储介质 |
JP2021003788A (ja) * | 2019-06-27 | 2021-01-14 | ファナック株式会社 | 制御装置、及び制御方法 |
CN110625491A (zh) * | 2019-08-29 | 2019-12-31 | 中车青岛四方机车车辆股份有限公司 | 打磨设备以及打磨方法 |
CN111113394A (zh) * | 2019-12-19 | 2020-05-08 | 珠海格力电器股份有限公司 | 机械手定位方法 |
CN114571326A (zh) * | 2022-01-20 | 2022-06-03 | 上海交通大学 | 基于计算机视觉的变形曲面磨削方法、装置及系统 |
CN115056074A (zh) * | 2022-08-18 | 2022-09-16 | 潍坊潍尔达石油机械有限公司 | 一种基于机器视觉的钢管端部余料加工装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109732625B (zh) | 2020-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109732625A (zh) | 一种基于机器视觉的工业机器人柔性打磨方法及系统 | |
CN105530435A (zh) | 一种拍摄方法及移动终端 | |
CN110170922A (zh) | 自动化打磨方法、装置和设备 | |
CN108527004A (zh) | 一种数控机床刀具破损检测系统 | |
CN104001676A (zh) | 大型多品种混搭内衣自动化分拣方法及生产线 | |
CN113538358A (zh) | 机器人行走纠偏方法、装置、智能机器人和存储介质 | |
CN209811886U (zh) | 基于机器视觉的全自动打磨系统 | |
CN204148152U (zh) | 大型多品种混搭内衣自动化分拣生产线 | |
US11657490B2 (en) | Control device for controlling machine tool capable of alarm stop and non-transitory computer readable medium recording a program | |
CN106798523A (zh) | 清洁设备和用于运行清洁设备的方法 | |
CN108160889A (zh) | 一种手机后壳面的锻造成型方法、手机后壳及手机 | |
EP1842623A3 (en) | Method of dressing grindstone for processing eyeglass lens, and dressing tool used in the method | |
JP3874643B2 (ja) | ガラス板周縁部の研磨異常の検出方法 | |
CN108568704A (zh) | 一种数控机床刀具更换提醒方法 | |
CN109304738A (zh) | 刀具数量选择平台 | |
CN108162402A (zh) | 一种智能化3d打印机断电恢复系统 | |
Kwon et al. | New Hausdorff distances based on robust statistics for comparing images | |
KR102365739B1 (ko) | 3d 비전기술을 활용한 다형상 주방용품 최적 그라인딩 로봇 자동화 시스템 | |
JP5995244B2 (ja) | 塑性加工ツールの研磨研削方法 | |
CN113689468A (zh) | 工件加工装置的控制方法及其装置、计算机可读存储介质 | |
CN211840443U (zh) | 用于铣床的刮刀 | |
US20160331278A1 (en) | Method and system for generating a three-dimensional scan of an object | |
CN204868504U (zh) | 一种研磨控制系统 | |
CN117102977B (zh) | 一种基于视觉信息的机器去毛刺轨迹管理系统及方法 | |
JP3702594B2 (ja) | パラメータ調節方法及び装置 |
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 |