CN112223300A - 一种基于双目视觉和姿态优化的工件无序抓取方法 - Google Patents

一种基于双目视觉和姿态优化的工件无序抓取方法 Download PDF

Info

Publication number
CN112223300A
CN112223300A CN202011469858.4A CN202011469858A CN112223300A CN 112223300 A CN112223300 A CN 112223300A CN 202011469858 A CN202011469858 A CN 202011469858A CN 112223300 A CN112223300 A CN 112223300A
Authority
CN
China
Prior art keywords
workpiece
camera
left camera
grabbing
posture
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
CN202011469858.4A
Other languages
English (en)
Inventor
候金良
陈新
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.)
Foshan Longshen Robot Co Ltd
Original Assignee
Foshan Longshen Robot 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 Foshan Longshen Robot Co Ltd filed Critical Foshan Longshen Robot Co Ltd
Priority to CN202011469858.4A priority Critical patent/CN112223300A/zh
Publication of CN112223300A publication Critical patent/CN112223300A/zh
Pending legal-status Critical Current

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
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
    • 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
    • B25J19/02—Sensing devices
    • B25J19/021—Optical sensing devices
    • B25J19/023—Optical sensing devices including video camera means
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于双目视觉和姿态优化的工件无序抓取方法，包括如下步骤：S1、建立双目视觉系统；S2、对左相机和右相机进行标定和校准；S3、获取深度图；S4、确定抓取姿态；S5、优化抓取姿态；S6、最优姿态选取；S7、无序抓取工件。本发明方法通过双目视觉和姿态优化的结合，可以实现寻找较优的抓取姿态，减少机械臂和周围环境对工件抓取的干涉，从而有效地在工件任意堆叠的无序场景下实施工件抓取。

Description

一种基于双目视觉和姿态优化的工件无序抓取方法
技术领域
本发明涉及工业分拣工序中的工件抓取技术领域，具体涉及一种基于双目视觉和姿态优化的工件无序抓取方法。
背景技术
在工业现场的分拣作业中，传统场景中的简单抓取与放置已经逐渐发展到复杂无规则的抓放，在现有的场景下，物料一般无规则堆叠放置在料框中。面对工件的姿态不确定和任意摆放，2D视觉不能获取工件的姿态，显然已经不能满足要求，所以当前有利用双目的方式获得工件的点云数据，利用深度信息确定工件的姿态的方法，但是在工件抓放过程中，还必须对抓取的姿态进行优化，避免机械臂与环境的干涉，当前还缺少确实可行的解决方案。
发明内容
针对现有技术的不足，本发明旨在提供一种基于双目视觉和姿态优化的工件无序抓取方法。
为了实现上述目的，本发明采用如下技术方案：
一种基于双目视觉和姿态优化的工件无序抓取方法，包括如下步骤：
S1、建立双目视觉系统：设置左相机和右相机，并且保证装载工件的料框同时在左相机和右相机的视野内，从而保证料框及其中的工件可以同时被左相机和右相机拍摄到；
S2、对左相机和右相机进行标定和校准；
S3、获取深度图：左相机和右相机拍摄相同的工件，由于左右相机的安装角度不同，因此左相机和右相机的图像会产生视差，由此获得图像中任意像素点的深度信息；
S4、确定抓取姿态：
通过步骤S3获取的工件的深度图，在深度图的基础上确定工件姿态：首先建立工件的三维点云模型，然后采用三维匹配的方式进行工件三维姿态的确定，通过三维点云模板匹配就可以得到工件的位置P和姿态R，工件相对于世界坐标的转换矩阵记为T，则T的表达式如下：
Figure 96266DEST_PATH_IMAGE001
；
S5、优化抓取姿态：根据工件种类的不同，采用不同的抓取策略进行姿态优化；工件种类主要按照工件沿工件坐标系的z轴、y轴和x轴的旋转对称性进行分类；
工件沿z轴旋转对称：抓取姿态沿工件坐标系的z轴进行旋转都可完成抓取；以5度作为步长，对360度范围做搜索，搜索无碰撞且与当前姿态最接近的姿态；每个优化后的旋转姿态的计算公式如下：
Figure 59542DEST_PATH_IMAGE002
；
其中，θ表示沿z轴的转角；
工件沿y轴旋转对称：抓取姿态沿工件坐标系的y轴进行旋转，都可完成抓取；以5度作为步长，对360度范围做搜索，搜索无碰撞且与当前姿态最接近的姿态；每个优化后的旋转姿态如下：
Figure 418980DEST_PATH_IMAGE003
；
其中，α表示沿y轴的转角；
工件沿x轴旋转对称：抓取姿态沿工件坐标系的x轴进行旋转都可完成抓取；以5度作为步长，对360度范围做搜索，搜索无碰撞且与当前姿态最接近的姿态；每个优化后的旋转姿态如下：
Figure 481614DEST_PATH_IMAGE004
；
其中，β表示沿x轴的转角；
S6、最优姿态的选取；
按照能量最优的方式对步骤S5得到的优化后的旋转姿态进行选择，选择策略是找到一个优化后的旋转姿态，使得优化后的机械臂各轴的转角与当前的机械臂各轴的转角的差最小；
S7、无序抓取；
最终的抓取姿态为平移量不发生变化，旋转量根据步骤S6所选择的优化后的旋转姿态进行实际的变化，其表达式如下：
Figure 418346DEST_PATH_IMAGE005
；
将最终的抓取姿态发送给机械臂，机械臂控制夹爪完成抓取动作，从而实现基于双目视觉和姿态优化的工件无序抓取。
进一步地，步骤S2中，标定的具体过程如下：
S2.1、利用现有的matlab标定方法分别对左相机和右相机的内参数和外参数进行标定，得到左相机和右相机与世界坐标系的转化关系；
S2.2、将标定板放置在左相机和右相机的视野的交集位置，然后分别用左相机和右相机拍摄10张图片，利用图像特征识别算法对左相机和右相机拍摄的图片中标定板上的特征点进行识别和定位；标定板上各个特征点的位置关系是已知的，所以可以计算得到左相机和右相机相对于标定板坐标系的转化关系并分别记为：
Figure 60679DEST_PATH_IMAGE006
与
Figure 336940DEST_PATH_IMAGE007
；
S2.3、由步骤S2.2中得到的左相机和右相机相对于标定板坐标系的转化关系，计算左相机和右相机的位置关系，计算公式如下：
Figure 632792DEST_PATH_IMAGE008
；
Figure 197766DEST_PATH_IMAGE009
；
Figure 1380DEST_PATH_IMAGE010
表示左相机坐标系到右相机坐标系的转化关系，
Figure 335410DEST_PATH_IMAGE011
表示右相机坐标系到左相机坐标系的转化关系。
更进一步地，步骤S2中，校准的具体过程为：
S2.4、利用步骤S2.3得到的左相机和右相机的转化关系，将左相机作为主坐标系，把右相机图像中的每个点都映射到左相机坐标系下，进行图像校准；由于左相机和右相机拍摄的是相同工件的图像，对左相机拍摄的图像和右相机转化到左相机的图像，分别找工件的特征点，并调整右相机图像令相同的特征点处于图像的同一行。
进一步地，步骤S3的具体过程为：
记左相机和右相机中心点之间的距离为b，设空间点m在左相机和右相机的图像坐标分别为L（u1，v1）和R（u2，v2），设点空间点m相对于左相机的实际空间坐标为 m（x，y，z），则由相机的小孔成像原理可得：
Figure 739846DEST_PATH_IMAGE012
；
f代表左相机的焦距，视差定义为m点在左相机和右相机的图像中沿u方向的坐标差，代入上式中，计算结果如下式所示：
Figure 916750DEST_PATH_IMAGE013
；
按下式计算点m距离左相机的距离z：
Figure 635307DEST_PATH_IMAGE014
；
通过上述过程计算图像上的任意像素点相对于左相机的距离，从而获得整个图像的深度图。
本发明的有益效果在于：本发明方法通过双目视觉和姿态优化的结合，可以实现寻找较优的抓取姿态，减少机械臂和周围环境对工件抓取的干涉，从而有效地在工件任意堆叠的无序场景下实施工件抓取。
附图说明
图1为本发明实施例中双目视觉系统的建立示意图；
图2为本发明实施例中校准后的双目视觉等效原理图。
具体实施方式
以下将结合附图对本发明作进一步的描述，需要说明的是，本实施例以本技术方案为前提，给出了详细的实施方式和具体的操作过程，但本发明的保护范围并不限于本实施例。
本实施例提供一种基于双目视觉和姿态优化的工件无序抓取方法，包括如下步骤：
S1、建立双目视觉系统：如图1所示，设置左相机100和右相机200，并且保证装载工件的料框300同时在左相机和右相机的视野内，从而保证料框及其中的工件可以同时被左相机和右相机拍摄到；
S2、双目标定和校准；
建立双目视觉系统后需要对左相机和右相机的参数进行标定，标定时需要确定左相机和右相机的相对位置关系。本实施例采用的具体标定方法如下：
S2.1、利用现有的matlab标定方法分别对左相机和右相机的内参数和外参数进行标定，得到左相机和右相机与世界坐标系的转化关系；
S2.2、将标定板放置在左相机和右相机的视野的交集位置，然后分别用左相机和右相机拍摄10张图片，利用图像特征识别算法对左相机和右相机拍摄的图片中标定板上的特征点进行识别和定位；标定板上各个特征点的位置关系是已知的，所以可以计算得到左相机和右相机相对于标定板坐标系的转化关系并分别记为：
Figure 948476DEST_PATH_IMAGE006
与
Figure 727077DEST_PATH_IMAGE007
；
S2.3、由步骤S2.2中得到的左相机和右相机相对于标定板坐标系的转化关系，计算左相机和右相机的位置关系，计算公式如下：
Figure 391276DEST_PATH_IMAGE015
（1）
Figure 710262DEST_PATH_IMAGE016
（2）
Figure 18884DEST_PATH_IMAGE017
表示左相机坐标系到右相机坐标系的转化关系，
Figure 594484DEST_PATH_IMAGE018
表示右相机坐标系到左相机坐标系的转化关系；
本实施例采用的具体校准方法如下：
S2.4、利用坐标系的转化关系，就可以进行左相机和右相机的校准：将左相机作为主坐标系，把右相机图像中的每个点都映射到左相机坐标系下，进行图像校准；由于左相机和右相机拍摄的是相同工件的图像，对左相机拍摄的图像和右相机转化到左相机的图像，分别找工件的特征点，并调整右相机图像令相同的特征点处于图像的同一行。校准的目的是将左相机和右相机的图像的相同特征点校准到同一条直线上。
S3、获取深度图：左相机和右相机拍摄相同的工件，由于左右相机的安装角度不同，因此左相机和右相机的图像会产生视差，由此就可以获得图像中任意像素点的深度信息；
校准后的双目视觉等效原理图如图2所示；左相机和右相机中心点之间的距离为b，设空间点m在左相机和右相机的图像中的点为P1和P2，P1和P2的坐标分别为L（u1，v1）和R（u2，v2），设点空间点m相对于左相机的实际空间坐标为 m（x，y，z），则由相机的小孔成像原理可得：
Figure 90187DEST_PATH_IMAGE012
（3）；
f代表左相机的焦距，视差定义为m点在左相机和右相机的图像中沿u方向的坐标差，代入式（3）中，计算结果如下式所示：
Figure 540760DEST_PATH_IMAGE013
（4）；
按下式计算点m距离左相机的距离z：
Figure 703888DEST_PATH_IMAGE014
（5）
通过上述过程可以计算图像上的任意像素点相对于左相机的距离，从而获得整个图像的深度图；
S4、确定抓取姿态：
通过步骤S3可以获取工件的深度图，在深度图的基础上确定工件姿态：首先建立工件的三维点云模型，然后采用三维匹配的方式进行工件三维姿态的确定，通过三维点云模板匹配就可以得到工件的位置P和姿态R，工件相对于世界坐标的转换矩阵记为T，则T的表达式如下：
Figure 621029DEST_PATH_IMAGE001
（6）
S5、优化抓取姿态：根据工件种类的不同，采用不同的抓取策略进行姿态优化；工件种类主要按照工件沿工件坐标系的z轴、y轴和x轴的旋转对称性进行分类；
工件沿z轴旋转对称：抓取姿态沿工件坐标系的z轴进行旋转都可完成抓取；以5度作为步长，对360度范围做搜索，搜索无碰撞且与当前姿态最接近的姿态；每个优化后的旋转姿态的计算公式如下：
Figure 259820DEST_PATH_IMAGE019
（7）
其中，θ表示沿z轴的转角；
工件沿y轴旋转对称：抓取姿态沿工件坐标系的y轴进行旋转，都可完成抓取；以5度作为步长，对360度范围做搜索，搜索无碰撞且与当前姿态最接近的姿态；每个优化后的旋转姿态如下：
Figure 858292DEST_PATH_IMAGE020
（8）
其中，α表示沿y轴的转角；
工件沿x轴旋转对称：抓取姿态沿工件坐标系的x轴进行旋转都可完成抓取；以5度作为步长，对360度范围做搜索，搜索无碰撞且与当前姿态最接近的姿态；每个优化后的旋转姿态如下：
Figure 560DEST_PATH_IMAGE021
（9）
其中，β表示沿x轴的转角；
S6、最优姿态的选取；
按照能量最优的方式对步骤S5得到的优化后的旋转姿态进行选择，选择策略是找到一个优化后的旋转姿态，使得优化后的机械臂各轴的转角与当前的机械臂各轴的转角的差最小。这样可保证机械臂运动到目标位置消耗能量最小。
以六轴机械臂为例，选择最优姿态如下式（10）所示：
Figure 354181DEST_PATH_IMAGE022
（10）
其中，a表示使得优化后的机械臂各轴的转角与当前的机械臂各轴的转角的差之和，
Figure 90056DEST_PATH_IMAGE023
为优化后的机械臂第i轴的转角，
Figure 109528DEST_PATH_IMAGE024
为当前机械臂第i轴的转角。
S7、无序抓取；
最终的抓取姿态为平移量不发生变化，旋转量根据步骤S6所选择的优化后的旋转姿态进行实际的变化，其表达式如下：
Figure 981669DEST_PATH_IMAGE025
（11）
将最终的抓取姿态发送给机械臂，机械臂控制夹爪完成抓取动作，从而实现基于双目视觉和姿态优化的工件无序抓取。
对于本领域的技术人员来说，可以根据以上的技术方案和构思，给出各种相应的改变和变形，而所有的这些改变和变形，都应该包括在本发明权利要求的保护范围之内。

Claims (4)

1.一种基于双目视觉和姿态优化的工件无序抓取方法，其特征在于，包括如下步骤：
S1、建立双目视觉系统：设置左相机和右相机，并且保证装载工件的料框同时在左相机和右相机的视野内，从而保证料框及其中的工件可以同时被左相机和右相机拍摄到；
S2、对左相机和右相机进行标定和校准；
S3、获取深度图：左相机和右相机拍摄相同的工件，由于左右相机的安装角度不同，因此左相机和右相机的图像会产生视差，由此获得图像中任意像素点的深度信息；
S4、确定抓取姿态：
通过步骤S3获取的工件的深度图，在深度图的基础上确定工件姿态：首先建立工件的三维点云模型，然后采用三维匹配的方式进行工件三维姿态的确定，通过三维点云模板匹配就可以得到工件的位置P和姿态R，工件相对于世界坐标的转换矩阵记为T，则T的表达式如下：
Figure 989394DEST_PATH_IMAGE001
；
S5、优化抓取姿态：根据工件种类的不同，采用不同的抓取策略进行姿态优化；工件种类主要按照工件沿工件坐标系的z轴、y轴和x轴的旋转对称性进行分类；
工件沿z轴旋转对称：抓取姿态沿工件坐标系的z轴进行旋转都可完成抓取；以5度作为步长，对360度范围做搜索，搜索无碰撞且与当前姿态最接近的姿态；每个优化后的旋转姿态的计算公式如下：
Figure 200714DEST_PATH_IMAGE002
；
其中，θ表示沿z轴的转角；
工件沿y轴旋转对称：抓取姿态沿工件坐标系的y轴进行旋转，都可完成抓取；以5度作为步长，对360度范围做搜索，搜索无碰撞且与当前姿态最接近的姿态；每个优化后的旋转姿态如下：
Figure 391523DEST_PATH_IMAGE003
；
其中，α表示沿y轴的转角；
工件沿x轴旋转对称：抓取姿态沿工件坐标系的x轴进行旋转都可完成抓取；以5度作为步长，对360度范围做搜索，搜索无碰撞且与当前姿态最接近的姿态；每个优化后的旋转姿态如下：
Figure 84673DEST_PATH_IMAGE004
；
其中，β表示沿x轴的转角；
S6、最优姿态的选取；
按照能量最优的方式对步骤S5得到的优化后的旋转姿态进行选择，选择策略是找到一个优化后的旋转姿态，使得优化后的机械臂各轴的转角与当前的机械臂各轴的转角的差最小；
S7、无序抓取；
最终的抓取姿态为平移量不发生变化，旋转量根据步骤S6所选择的优化后的旋转姿态进行实际的变化，其表达式如下：
Figure 739645DEST_PATH_IMAGE005
；
将最终的抓取姿态发送给机械臂，机械臂控制夹爪完成抓取动作，从而实现基于双目视觉和姿态优化的工件无序抓取。
2.根据权利要求1所述的方法，其特征在于，步骤S2中，标定的具体过程如下：
S2.1、利用matlab标定方法分别对左相机和右相机的内参数和外参数进行标定，得到左相机和右相机与世界坐标系的转化关系；
S2.2、将标定板放置在左相机和右相机的视野的交集位置，然后分别用左相机和右相机拍摄若干图片，利用图像特征识别算法对左相机和右相机拍摄的图片中标定板上的特征点进行识别和定位；标定板上各个特征点的位置关系是已知的，所以可以计算得到左相机和右相机相对于标定板坐标系的转化关系并分别记为：
Figure 227258DEST_PATH_IMAGE006
与
Figure 905364DEST_PATH_IMAGE007
；
S2.3、由步骤S2.2中得到的左相机和右相机相对于标定板坐标系的转化关系，计算左相机和右相机的位置关系，计算公式如下：
Figure 526839DEST_PATH_IMAGE008
；
Figure 911683DEST_PATH_IMAGE009
；
Figure 694832DEST_PATH_IMAGE010
表示左相机坐标系到右相机坐标系的转化关系，
Figure 860234DEST_PATH_IMAGE011
表示右相机坐标系到左相机坐标系的转化关系。
3.根据权利要求2所述的方法，其特征在于，步骤S2中，校准的具体过程为：
S2.4、利用步骤S2.3得到的左相机和右相机的转化关系，将左相机作为主坐标系，把右相机图像中的每个点都映射到左相机坐标系下，进行图像校准；由于左相机和右相机拍摄的是相同工件的图像，对左相机拍摄的图像和右相机转化到左相机的图像，分别找工件的特征点，并调整右相机图像令相同的特征点处于图像的同一行。
4.根据权利要求1所述的方法，其特征在于，步骤S3的具体过程为：
记左相机和右相机中心点之间的距离为b，设空间点m在左相机和右相机的图像坐标分别为L（u1，v1）和R（u2，v2），设点空间点m相对于左相机的实际空间坐标为 m（x，y，z），则由相机的小孔成像原理可得：
Figure 895186DEST_PATH_IMAGE012
；
f代表左相机的焦距，视差定义为m点在左相机和右相机的图像中沿u方向的坐标差，代入上式中，计算结果如下式所示：
Figure 26215DEST_PATH_IMAGE013
；
按下式计算点m距离左相机的距离z：
Figure 652369DEST_PATH_IMAGE014
；
通过上述过程计算图像上的任意像素点相对于左相机的距离，从而获得整个图像的深度图。
CN202011469858.4A 2020-12-15 2020-12-15 一种基于双目视觉和姿态优化的工件无序抓取方法 Pending CN112223300A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011469858.4A CN112223300A (zh) 2020-12-15 2020-12-15 一种基于双目视觉和姿态优化的工件无序抓取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011469858.4A CN112223300A (zh) 2020-12-15 2020-12-15 一种基于双目视觉和姿态优化的工件无序抓取方法

Publications (1)

Publication Number Publication Date
CN112223300A true CN112223300A (zh) 2021-01-15

Family

ID=74123589

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011469858.4A Pending CN112223300A (zh) 2020-12-15 2020-12-15 一种基于双目视觉和姿态优化的工件无序抓取方法

Country Status (1)

Country Link
CN (1) CN112223300A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115284279A (zh) * 2022-06-21 2022-11-04 福建（泉州）哈工大工程技术研究院 一种基于混叠工件的机械臂抓取方法、装置及可读介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0847881A (ja) * 1994-08-05 1996-02-20 Ishikawajima Harima Heavy Ind Co Ltd ロボットの遠隔操作方法
CN106934833A (zh) * 2017-02-06 2017-07-07 江苏华航威泰机器人科技有限公司 一种散乱堆放物料拾取装置和方法
CN107192331A (zh) * 2017-06-20 2017-09-22 佛山市南海区广工大数控装备协同创新研究院 一种基于双目视觉的工件抓取方法
CN109986551A (zh) * 2017-12-31 2019-07-09 广州智信科技有限公司 抓取系统及抓取方法
CN110136248A (zh) * 2019-05-20 2019-08-16 湘潭大学 一种基于双目立体视觉的变速器壳体三维重建装置及方法
US20190308325A1 (en) * 2018-04-04 2019-10-10 Canon Kabushiki Kaisha Information processing apparatus and information processing method
CN110619660A (zh) * 2019-08-21 2019-12-27 深圳市优必选科技股份有限公司 一种物体定位方法、装置、计算机可读存储介质及机器人
CN111738261A (zh) * 2020-06-30 2020-10-02 张辉 基于位姿估计和校正的单图像机器人无序目标抓取方法
CN111775152A (zh) * 2020-06-29 2020-10-16 深圳大学 基于三维测量引导机械臂抓取散乱堆叠工件的方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0847881A (ja) * 1994-08-05 1996-02-20 Ishikawajima Harima Heavy Ind Co Ltd ロボットの遠隔操作方法
CN106934833A (zh) * 2017-02-06 2017-07-07 江苏华航威泰机器人科技有限公司 一种散乱堆放物料拾取装置和方法
CN107192331A (zh) * 2017-06-20 2017-09-22 佛山市南海区广工大数控装备协同创新研究院 一种基于双目视觉的工件抓取方法
CN109986551A (zh) * 2017-12-31 2019-07-09 广州智信科技有限公司 抓取系统及抓取方法
US20190308325A1 (en) * 2018-04-04 2019-10-10 Canon Kabushiki Kaisha Information processing apparatus and information processing method
CN110136248A (zh) * 2019-05-20 2019-08-16 湘潭大学 一种基于双目立体视觉的变速器壳体三维重建装置及方法
CN110619660A (zh) * 2019-08-21 2019-12-27 深圳市优必选科技股份有限公司 一种物体定位方法、装置、计算机可读存储介质及机器人
CN111775152A (zh) * 2020-06-29 2020-10-16 深圳大学 基于三维测量引导机械臂抓取散乱堆叠工件的方法及系统
CN111738261A (zh) * 2020-06-30 2020-10-02 张辉 基于位姿估计和校正的单图像机器人无序目标抓取方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115284279A (zh) * 2022-06-21 2022-11-04 福建（泉州）哈工大工程技术研究院 一种基于混叠工件的机械臂抓取方法、装置及可读介质
CN115284279B (zh) * 2022-06-21 2024-10-01 福建(泉州)先进制造技术研究院 一种基于混叠工件的机械臂抓取方法、装置及可读介质

Similar Documents

Publication Publication Date Title
CN113524194B (zh) 基于多模特征深度学习的机器人视觉抓取系统的目标抓取方法
CN108555908B (zh) 一种基于rgbd相机的堆叠工件姿态识别及拾取方法
CN109308693B (zh) 由一台ptz相机构建的目标检测和位姿测量单双目视觉系统
CN108827154B (zh) 一种机器人无示教抓取方法、装置及计算机可读存储介质
CN110751691B (zh) 一种基于双目视觉的管件自动抓取方法
CN111151463B (zh) 一种基于3d视觉的机械臂分拣抓取系统及方法
CN109297436B (zh) 双目线激光立体测量基准标定方法
US9679385B2 (en) Three-dimensional measurement apparatus and robot system
CN107590835A (zh) 一种核环境下机械臂工具快换视觉定位系统与定位方法
CN113379849B (zh) 基于深度相机的机器人自主识别智能抓取方法及系统
CN110555878B (zh) 物体空间位置形态的确定方法、装置、存储介质及机器人
CN111645074A (zh) 一种机器人抓取定位方法
CN113276106A (zh) 一种攀爬机器人空间定位方法及空间定位系统
CN109816730A (zh) 工件抓取方法、装置、计算机设备和存储介质
CN110136211A (zh) 一种基于主动双目视觉技术的工件定位方法及系统
WO2020063058A1 (zh) 一种多自由度可动视觉系统的标定方法
CN108154536A (zh) 二维平面迭代的相机标定法
CN112348890B (zh) 一种空间定位方法、装置及计算机可读存储介质
CN112658643B (zh) 接插件装配方法
CN109900251A (zh) 一种基于视觉技术的机器人定位装置及方法
CN110533717B (zh) 一种基于双目视觉的目标抓取方法及装置
CN113500593A (zh) 一种抓取轴类工件指定部位进行上料的方法
JP7427370B2 (ja) 撮像装置、画像処理装置、画像処理方法、撮像装置の校正方法、ロボット装置、ロボット装置を用いた物品の製造方法、制御プログラムおよび記録媒体
CN112223300A (zh) 一种基于双目视觉和姿态优化的工件无序抓取方法
TWI660255B (zh) Workpiece processing method and processing system

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: 20210115

RJ01 Rejection of invention patent application after publication