CN112729112A - 基于机器人视觉的发动机缸体孔径与孔位检测方法 - Google Patents
基于机器人视觉的发动机缸体孔径与孔位检测方法 Download PDFInfo
- Publication number
- CN112729112A CN112729112A CN202011547260.2A CN202011547260A CN112729112A CN 112729112 A CN112729112 A CN 112729112A CN 202011547260 A CN202011547260 A CN 202011547260A CN 112729112 A CN112729112 A CN 112729112A
- Authority
- CN
- China
- Prior art keywords
- hole
- camera
- coordinate system
- robot
- engine cylinder
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
- G01B11/12—Measuring arrangements characterised by the use of optical techniques for measuring diameters internal diameters
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于机器人视觉的发动机缸体孔径与孔位检测方法,包括:S1)控制相机对位于标定板进行图像采集并记录拍照位姿;S2)标定相机内外参数、相机坐标系与机器人工具坐标系之间的相对位姿;S3)以固定相机拍照距离示教拍摄覆盖发动机缸体所有加工孔的拍照位姿并记录;S4)基于CAD模型建立发动机缸体表面孔径与孔位的模型数据,并按照一定规则写入模板csv文件;S5)发动机检测面到位后,相机到达预先示教的拍照位姿,拍照并测量发动机孔直径端点和中心点位置;S6)结合标定结果将测得的孔径与孔位信息转换为物理直径和相对位置,本发明可完成精确的孔径和孔位检测。
Description
技术领域
本发明涉及一种孔径与孔位检测方法,特别涉及一种发动机缸体孔径与孔位检测方法。
背景技术
缸体是汽车发动机的基础零件,它构成发动机的主体框架[1]。发动机是汽车的心脏,为汽车提供动力,其性能影响汽车的动力性、经济性及环保性[2]。而发动机缸体六表面的孔径和孔位的加工质量直接影响到发动机缸体与其他零件的装配质量。目前缸体表面孔径,孔位主要依靠人工使用仪器测量,在效率、精度方面有很大的局限性。机器视觉作为一种非接触智能检测技术,具有精度高、效率高、自动化程度高、可编程等优点,可以解决这些难题。一个成熟完善的机器视觉系统是需要经过完整、细致的视觉处理来达到工程要求的一整套系统。系统的要求确定好后,视觉系统就依据要求进行设计并建立以达到这些要求。机器视觉系统是为实现工业设备的精确控制、智能化、自动化的最为有用工具,被誉为现代工业的“眼睛”[1]。利用工业机器人视觉检测系统进行发动机缸体表面孔径和孔位的精确、稳定的测量是保证发动机缸体组装质量与安全的基础。
[1]廖勇.基于机器视觉的发动机缸体涂胶检测模块的设计与实现[D].电子科技大学,2015.
[2]黎欣.基于机器视觉的发动机零件智能检测系统[D].广东工业大学,2018.
发明内容
本发明的目的是提供一种基于机器人视觉的发动机缸体孔径与孔位检测方法,通过离线标定与示教建模和在线测量两个阶段,建立完整的机器人视觉检测系统,完成精确的孔径和孔位检测。
本发明的目的是这样实现的:一种基于机器人视觉的发动机缸体孔径与孔位检测方法,其特征在于,包括离线标定与示教建模、在线测量两个阶段:
离线标定与示教建模阶段:
步骤S1)将标定板固定在发动机缸体上,控制机器人带动相机对位于固定位置的标定板进行图像采集并记录对应的机器人拍照位姿;
步骤S2)标定相机内外参数、相机坐标系与机器人工具坐标系之间的相对位姿;
步骤S3)结合发动机缸体旋转平台与翻转机构动作,以固定相机拍照距离示教拍摄覆盖发动机缸体6个面所有加工孔的拍照位姿并记录;
步骤S4)基于CAD模型建立发动机缸体表面孔径与孔位的模型数据,并按照一定规则写入模板csv文件;
在线测量阶段:
步骤S5)发动机检测面到位后,工业机器人引导相机到达预先示教的机器人拍照位姿,以预设的曝光值拍照并测量发动机孔在当前图像下的直径端点和中心点位置;
步骤S6)结合标定结果将测得的孔径与孔位信息转换到机器人底座坐标系下的物理直径和相对位置;
步骤S7)将测量结果与模板数据比较,从而判断发动机孔是否合格。
作为本发明的进一步限定,步骤S2具体为:
提取图像中标定板的特征点信息,标定相机内外参数,结合机器人工具坐标系与机器人底座坐标系的相对位姿,基于Halcon建立方程组并求解手眼关系矩阵,完成手眼标定。
作为本发明的进一步限定,步骤S4具体为:
将发动机CAD模型的不同表面的2D模型导入程序,调整CAD比例参数,根据预先示教的机器人拍照位姿下相机的视野大小设置ROI,以每个检测面的首个工位的首个加工孔作为基准,计算其他各孔与该孔的距离作为孔位信息,并提取孔径信息和行、列坐标,一起保存为csv模板数据。
作为本发明的进一步限定,步骤S5具体为:
首先,发动机缸体旋转平台与翻转机构动作至发动机检测面到位后,工业机器人引导相机到达检测工位上方预先示教的机器人拍照位姿,以预设的曝光值采集图像进行处理:先通过模板数据粗略定位加工孔,进行区域分割,再围绕粗定位的圆心等间隔角度地分割矩形感兴趣区域,通过计算垂直于矩形长轴的“切片”中的灰度值的均值以获得一维边缘轮廓,确定加工孔边缘点,接着采用RANSAC算法反复随机采样边缘点拟合轮廓并剔除局外点,再以椭圆稳定拟合加工孔边缘,确定精确中心点,最后通过连接加工孔中心与相机标定中心点并以孔心为垂足作垂线,与椭圆边缘相交得到孔径的两个端点。
作为本发明的进一步限定,步骤S6具体为:
图像像素坐标系坐标(u,v)和图像物理坐标系坐标(x,y)存在如下关系:
其中,dx,dy为每一个像素在x轴与y轴方向上的物理尺寸;u0,v0是相机光轴与图像平面的交点。
图像像素坐标系和摄像机坐标系存在如下关系:
机器人引导相机到达预先示教的拍照位姿时,相机光轴与发动机缸体表面的距离为预先设定的固定值,即zc已知;上式中其他参数为相机标定的内参数:像素焦距fx表示u轴方向上的尺度因子,fy表示v轴方向上的尺度因子,u0,v0为摄像机标定的主点坐标。将步骤S5中测得的像素直径和位置可以先通过上式变换为摄像机坐标系下的坐标CP,再通过步骤S3标定得到的手眼关系THC将摄像机坐标系下的坐标转换到工具坐标系下,最后结合机器人的位姿信息,得到工具坐标系和机器人底座坐标系的相对位姿BHT,即将坐标CPhn=(xc,yc,zc,1)T,表示第n个孔在相机坐标系下的坐标,通过BPhn=BHT THC CPhn,转换到机器人底座坐标系下,以每个检测面的首个工位的首个加工孔中心作为基准,计算其他孔与该孔的距离作为孔位数据,同时将步骤S5中测得的直径端点转换成物理孔径,最终得到机器人底座坐标系下各孔的物理孔径和孔位数据。
与现有技术相比,本发明的有益效果在于:本发明将工业机器人的灵活姿态调整优势与视觉快速测量优势相结合,通过将所有视觉测量信息转换到机器人基坐标系下,实现了发动机表面加工孔的精确孔径与孔位测量,大大提高发动机缸体表面加工孔的检测效率,实现了发动机表面加工孔的自动测量和全部产品检测;在此之前,单个中型发动机缸体表面加工孔(约300孔)检测需要2-3小时,只能实现少量抽样检测。
附图说明
图1为本发明中发动机缸体表面孔检测流程图。
图2为本发明中不同拍照位姿下的标定板图像。
图3为本发明中特征点信息提取结果示意图。
图4为本发明中手眼标定结果的精度示意图。
图5为本发明中加工孔定位边缘点示意图。
图6为本发明中RANSAC随机采样拟合椭圆示意图。
图7为本发明中图像中孔径和孔位测量结果示意图。
图8为本发明现场实施效果图一。
图9为本发明现场实施效果图二。
具体实施方式
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。
如图1所示的一种基于机器人视觉的发动机缸体孔径与孔位检测方法,包括离线标定与示教建模和在线测量两个阶段:
离线标定与示教建模阶段:
步骤S1:控制机器人带动相机对位于固定位置的标定板进行图像采集并记录对应的机器人拍照位姿(附图2);
步骤S2:标定相机内外参数、相机坐标系与机器人工具坐标系之间的相对位姿,即手眼标定;
步骤S3:结合发动机缸体旋转平台与翻转机构动作,以固定相机拍照距离示教拍摄覆盖发动机缸体6个面所有加工孔的拍照位姿并记录;
步骤S4:基于CAD模型建立发动机缸体表面孔径与孔位的模型数据,并按照一定规则写入模板csv文件;
在线测量阶段:
步骤S5:发动机检测面到位后,工业机器人引导相机到达预先示教的机器人拍照位姿,以合适的曝光值拍照并测量发动机孔在当前图像下的直径端点和中心点位置;
步骤S6:结合标定结果将测得的孔径与孔位信息转换到机器人底座坐标系下的物理直径和相对位置;
步骤S7:将测量结果与模板数据比较,从而判断发动机孔是否合格。
步骤S2具体为:
如图3所示,提取图像中标定板的特征点信息,标定相机内外参数,结合机器人工具坐标系与机器人底座坐标系的相对位姿,基于Halcon建立方程组并求解手眼关系矩阵,完成手眼标定。最终实现图像坐标与机器人底座坐标的转换。其中手眼标定结果THC如下表所示:
x(mm) | y(mm) | z(mm) | α(deg) | β(deg) | γ(deg) | |
<sup>T</sup>H<sub>C</sub> | -1.19663 | 0.0446460 | 32.4572 | 0.633920 | 359.992 | 358.377 |
该结果的精度如附图4所示:摄像机标定误差0.1547pixel。平移部分平均误差0.124mm,最大误差0.177mm;旋转部分平均误差0.093°,最大误差0.160°。
步骤S4具体为:
将发动机CAD模型的不同表面的2D模型导入程序,调整CAD比例参数,根据预先示教的机器人拍照位姿下相机的视野大小设置ROI,以每个检测面的首个工位的首个加工孔作为基准,计算其他各孔与该孔的距离作为孔位信息,并提取孔径信息和行、列坐标,一起保存为csv模板数据。其中csv格式形如:
标号 | 行坐标 | 列坐标 | 像素直径 | 物理直径(mm) | 相对位置(mm) |
07010101 | 1212.18 | 712.238 | 86.4807 | 10.4807 | 0.0000 |
07010102 | 1657.02 | 1299.82 | 84.6143 | 10.1076 | 46.4470 |
注:以标号07010102为例,07010102表示发动机型号P07的第01个表面的第01个检测工位的第02个孔;行坐标和列坐标表示该孔在当前图像坐标系下的坐标;相对位置选取加工孔所在表面的第一个检测工位的第一个孔作为参考点,在该例中表示发动机型号P07的第01个表面的第01个检测工位的第02个孔与发动机型号P07的第01个表面的第01个检测工位的第01个孔在机器人基座坐标系下的距离。
步骤S5具体为:
首先,发动机缸体旋转平台与翻转机构动作至发动机检测面到位后,工业机器人引导相机到达检测工位上方预先示教的机器人拍照位姿,以合适的曝光值采集图像进行处理:先通过模板数据粗略定位加工孔,进行区域分割,再围绕粗定位的圆心等间隔角度地分割矩形感兴趣区域,通过计算垂直于矩形长轴的“切片”中的灰度值的均值以获得一维边缘轮廓,确定加工孔边缘点(附图5)。接着采用RANSAC算法反复随机采样边缘点拟合轮廓并剔除局外点(附图6),再以椭圆稳定拟合加工孔边缘,确定精确中心点。最后通过连接加工孔中心与相机标定中心点并以孔心为垂足作垂线,与椭圆边缘相交得到孔径的两个端点(附图7)。
步骤S6具体为:
图像像素坐标系坐标(u,v)和图像物理坐标系坐标(x,y)存在如下关系:
其中,dx,dy为每一个像素在x轴与y轴方向上的物理尺寸;u0,v0是相机光轴与图像平面的交点。
图像像素坐标系和摄像机坐标系存在如下关系:
机器人引导相机到达预先示教的拍照位姿时,相机光轴与发动机缸体表面的距离为预先设定的固定值,即zc已知;上式中其他参数为相机标定的内参数:像素焦距fx表示u轴方向上的尺度因子,fy表示v轴方向上的尺度因子,u0,v0为摄像机标定的主点坐标。因此步骤S5中测得的像素直径和位置可以先通过上式变换为摄像机坐标系下的坐标CP,再通过步骤S3标定得到的手眼关系THC将摄像机坐标系下的坐标转换到工具坐标系下,最后结合机器人的位姿信息,得到工具坐标系和机器人底座坐标系的相对位姿BHT,即将坐标CPhn=(xc,yc,zc,1)T,表示第n个孔(hole)在相机坐标系下的坐标,通过BPhn=BHT THC CPhn,转换到机器人底座坐标系下,以每个检测面的首个工位的首个加工孔中心作为基准,计算其他孔与该孔的距离作为孔位数据,同时将步骤S5中测得的直径端点转换成物理孔径,最终得到机器人底座坐标系下各孔的物理孔径和孔位数据。以步骤S1中加工孔标号07010102为例,测得该孔孔径10.1077mm,相对距离46.4423mm。与模板数据孔径10.1076mm,相对距离46.4470mm比较,误差均小于0.01mm。
本发明并不局限于上述实施例,在本发明公开的技术方案的基础上,本领域的技术人员根据所公开的技术内容,不需要创造性的劳动就可以对其中的一些技术特征作出一些替换和变形,这些替换和变形均在本发明的保护范围内。
Claims (5)
1.一种基于机器人视觉的发动机缸体孔径与孔位检测方法,其特征在于,包括离线标定与示教建模、在线测量两个阶段:
离线标定与示教建模阶段:
步骤S1)将标定板固定在发动机缸体上,控制机器人带动相机对位于固定位置的标定板进行图像采集并记录对应的机器人拍照位姿;
步骤S2)标定相机内外参数、相机坐标系与机器人工具坐标系之间的相对位姿;
步骤S3)结合发动机缸体旋转平台与翻转机构动作,以固定相机拍照距离示教拍摄覆盖发动机缸体6个面所有加工孔的拍照位姿并记录;
步骤S4)基于CAD模型建立发动机缸体表面孔径与孔位的模型数据,并按照一定规则写入模板csv文件;
在线测量阶段:
步骤S5)发动机检测面到位后,工业机器人引导相机到达预先示教的机器人拍照位姿,以预设的曝光值拍照并测量发动机孔在当前图像下的直径端点和中心点位置;
步骤S6)结合标定结果将测得的孔径与孔位信息转换到机器人底座坐标系下的物理直径和相对位置;
步骤S7)将测量结果与模板数据比较,从而判断发动机孔是否合格。
2.根据权利要求1所述的基于机器人视觉的发动机缸体孔径与孔位检测方法,其特征在于,步骤S2具体为:
提取图像中标定板的特征点信息,标定相机内外参数,结合机器人工具坐标系与机器人底座坐标系的相对位姿,基于Halcon建立方程组并求解手眼关系矩阵,完成手眼标定。
3.根据权利要求2所述的基于机器人视觉的发动机缸体孔径与孔位检测方法,其特征在于,步骤S4具体为:
将发动机CAD模型的不同表面的2D模型导入程序,调整CAD比例参数,根据预先示教的机器人拍照位姿下相机的视野大小设置ROI,以每个检测面的首个工位的首个加工孔作为基准,计算其他各孔与该孔的距离作为孔位信息,并提取孔径信息和行、列坐标,一起保存为csv模板数据。
4.根据权利要求3所述的基于机器人视觉的发动机缸体孔径与孔位检测方法,其特征在于,步骤S5具体为:
首先,发动机缸体旋转平台与翻转机构动作至发动机检测面到位后,工业机器人引导相机到达检测工位上方预先示教的机器人拍照位姿,以预设的曝光值采集图像进行处理:先通过模板数据粗略定位加工孔,进行区域分割,再围绕粗定位的圆心等间隔角度地分割矩形感兴趣区域,通过计算垂直于矩形长轴的“切片”中的灰度值的均值以获得一维边缘轮廓,确定加工孔边缘点,接着采用RANSAC算法反复随机采样边缘点拟合轮廓并剔除局外点,再以椭圆稳定拟合加工孔边缘,确定精确中心点,最后通过连接加工孔中心与相机标定中心点并以孔心为垂足作垂线,与椭圆边缘相交得到孔径的两个端点。
5.根据权利要求4所述的基于机器人视觉的发动机缸体孔径与孔位检测方法,其特征在于,步骤S6具体为:
图像像素坐标系坐标(u,v)和图像物理坐标系坐标(x,y)存在如下关系:
其中,dx,dy为每一个像素在x轴与y轴方向上的物理尺寸;u0,v0是相机光轴与图像平面的交点。
图像像素坐标系和摄像机坐标系存在如下关系:
机器人引导相机到达预先示教的拍照位姿时,相机光轴与发动机缸体表面的距离为预先设定的固定值,即zc已知;上式中其他参数为相机标定的内参数:像素焦距fx表示u轴方向上的尺度因子,fy表示v轴方向上的尺度因子,u0,v0为摄像机标定的主点坐标。将步骤S5中测得的像素直径和位置可以先通过上式变换为摄像机坐标系下的坐标CP,再通过步骤S3标定得到的手眼关系THC将摄像机坐标系下的坐标转换到工具坐标系下,最后结合机器人的位姿信息,得到工具坐标系和机器人底座坐标系的相对位姿BHT,即将坐标CPhn=(xc,yc,zc,1)T,表示第n个孔在相机坐标系下的坐标,通过BPhn=BHT THC CPhn,转换到机器人底座坐标系下,以每个检测面的首个工位的首个加工孔中心作为基准,计算其他孔与该孔的距离作为孔位数据,同时将步骤S5中测得的直径端点转换成物理孔径,最终得到机器人底座坐标系下各孔的物理孔径和孔位数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011547260.2A CN112729112B (zh) | 2020-12-24 | 2020-12-24 | 基于机器人视觉的发动机缸体孔径与孔位检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011547260.2A CN112729112B (zh) | 2020-12-24 | 2020-12-24 | 基于机器人视觉的发动机缸体孔径与孔位检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112729112A true CN112729112A (zh) | 2021-04-30 |
CN112729112B CN112729112B (zh) | 2022-05-31 |
Family
ID=75605547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011547260.2A Active CN112729112B (zh) | 2020-12-24 | 2020-12-24 | 基于机器人视觉的发动机缸体孔径与孔位检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112729112B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113607419A (zh) * | 2021-08-02 | 2021-11-05 | 广东工业大学 | 一种发动机缸体电子标签检测装置及方法 |
CN114178832A (zh) * | 2021-11-27 | 2022-03-15 | 南京埃斯顿机器人工程有限公司 | 一种基于视觉的机器人引导装配机器人方法 |
CN116878381A (zh) * | 2023-08-01 | 2023-10-13 | 湖南视比特机器人有限公司 | 一种基于多目视觉的在线全尺寸检测方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105716525A (zh) * | 2016-03-30 | 2016-06-29 | 西北工业大学 | 基于激光跟踪仪的机器人末端执行器坐标系标定方法 |
CN108182689A (zh) * | 2016-12-08 | 2018-06-19 | 中国科学院沈阳自动化研究所 | 应用于机器人搬运打磨领域的板状工件三维识别定位方法 |
CN109900207A (zh) * | 2019-03-12 | 2019-06-18 | 精诚工科汽车系统有限公司 | 机器人视觉工具的工具中心点标定方法及系统 |
CN110497386A (zh) * | 2019-08-26 | 2019-11-26 | 中科新松有限公司 | 一种协作机器人手眼关系自动标定装置及方法 |
CN111531547A (zh) * | 2020-05-26 | 2020-08-14 | 华中科技大学 | 一种基于视觉测量的机器人标定及检测方法 |
CN111958604A (zh) * | 2020-08-20 | 2020-11-20 | 扬州蓝邦数控制刷设备有限公司 | 一种高效的基于cad模型的异形毛刷单目视觉示教抓取方法 |
CN112109072A (zh) * | 2020-09-22 | 2020-12-22 | 扬州大学 | 一种大型稀疏特征托盘精确6d位姿测量和抓取方法 |
-
2020
- 2020-12-24 CN CN202011547260.2A patent/CN112729112B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105716525A (zh) * | 2016-03-30 | 2016-06-29 | 西北工业大学 | 基于激光跟踪仪的机器人末端执行器坐标系标定方法 |
CN108182689A (zh) * | 2016-12-08 | 2018-06-19 | 中国科学院沈阳自动化研究所 | 应用于机器人搬运打磨领域的板状工件三维识别定位方法 |
CN109900207A (zh) * | 2019-03-12 | 2019-06-18 | 精诚工科汽车系统有限公司 | 机器人视觉工具的工具中心点标定方法及系统 |
CN110497386A (zh) * | 2019-08-26 | 2019-11-26 | 中科新松有限公司 | 一种协作机器人手眼关系自动标定装置及方法 |
CN111531547A (zh) * | 2020-05-26 | 2020-08-14 | 华中科技大学 | 一种基于视觉测量的机器人标定及检测方法 |
CN111958604A (zh) * | 2020-08-20 | 2020-11-20 | 扬州蓝邦数控制刷设备有限公司 | 一种高效的基于cad模型的异形毛刷单目视觉示教抓取方法 |
CN112109072A (zh) * | 2020-09-22 | 2020-12-22 | 扬州大学 | 一种大型稀疏特征托盘精确6d位姿测量和抓取方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113607419A (zh) * | 2021-08-02 | 2021-11-05 | 广东工业大学 | 一种发动机缸体电子标签检测装置及方法 |
CN114178832A (zh) * | 2021-11-27 | 2022-03-15 | 南京埃斯顿机器人工程有限公司 | 一种基于视觉的机器人引导装配机器人方法 |
CN116878381A (zh) * | 2023-08-01 | 2023-10-13 | 湖南视比特机器人有限公司 | 一种基于多目视觉的在线全尺寸检测方法及系统 |
CN116878381B (zh) * | 2023-08-01 | 2024-01-30 | 湖南视比特机器人有限公司 | 一种基于多目视觉的在线全尺寸检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112729112B (zh) | 2022-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112729112B (zh) | 基于机器人视觉的发动机缸体孔径与孔位检测方法 | |
CN110370286B (zh) | 基于工业机器人和单目相机的定轴运动刚体空间位置识别方法 | |
CN107341802B (zh) | 一种基于曲率与灰度复合的角点亚像素定位方法 | |
CN112614098B (zh) | 一种基于增强现实的毛坯定位与加工余量分析方法 | |
CN111531407B (zh) | 一种基于图像处理的工件姿态快速测量方法 | |
CN113516716B (zh) | 一种单目视觉位姿测量及调整方法和系统 | |
CN113592955A (zh) | 一种基于机器视觉的圆形工件平面坐标高精度定位方法 | |
He et al. | A critical review for machining positioning based on computer vision | |
CN109986172A (zh) | 一种焊缝定位方法、设备及系统 | |
CN116402792A (zh) | 一种基于三维点云的空间孔位对接方法 | |
CN111583342A (zh) | 一种基于双目视觉的目标快速定位方法及装置 | |
CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
CN110992416A (zh) | 基于双目视觉与cad模型的高反光面金属零件位姿测量方法 | |
CN114963981B (zh) | 一种基于单目视觉的筒状零件对接非接触式测量方法 | |
CN112990190A (zh) | 指针式仪表读数的识别方法、装置 | |
CN112288808B (zh) | 基于视觉的柴油发动机活塞缸台阶孔直径位置测量方法 | |
CN115770988A (zh) | 一种基于点云环境理解的焊接机器人智能示教方法 | |
CN114862816A (zh) | 毛刺检测方法、系统和计算机可读存储介质 | |
CN113118604B (zh) | 基于机器人手眼视觉反馈的高精度凸焊误差补偿系统 | |
CN115753791A (zh) | 基于机器视觉的缺陷检测方法、装置以及系统 | |
CN110021027B (zh) | 一种基于双目视觉的切边点计算方法 | |
CN112945133A (zh) | 一种三次元尺寸测量仪及其测量方法 | |
CN113843660A (zh) | 基于多线激光扫描的数控机床工件检测方法 | |
CN111563935B (zh) | 一种蜂窝型材蜂窝孔视觉定位方法 | |
CN111242159B (zh) | 基于产品特征的图像识别与机器人自动定位方法 |
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 |