CN113522940A - 面向再制造的自行车拆解机器人系统及其实现方法 - Google Patents
面向再制造的自行车拆解机器人系统及其实现方法 Download PDFInfo
- Publication number
- CN113522940A CN113522940A CN202110962864.1A CN202110962864A CN113522940A CN 113522940 A CN113522940 A CN 113522940A CN 202110962864 A CN202110962864 A CN 202110962864A CN 113522940 A CN113522940 A CN 113522940A
- Authority
- CN
- China
- Prior art keywords
- bicycle
- disassembling
- information
- disassembled
- dismounting
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000032258 transport Effects 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims description 27
- 238000012216 screening Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 3
- 239000002699 waste material Substances 0.000 abstract description 10
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 238000004064 recycling Methods 0.000 description 6
- 229910052782 aluminium Inorganic materials 0.000 description 5
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 229910000838 Al alloy Inorganic materials 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000003723 Smelting Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000078 claw Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B09—DISPOSAL OF SOLID WASTE; RECLAMATION OF CONTAMINATED SOIL
- B09B—DISPOSAL OF SOLID WASTE NOT OTHERWISE PROVIDED FOR
- B09B3/00—Destroying solid waste or transforming solid waste into something useful or harmless
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Manipulator (AREA)
Abstract
本发明提供了面向再制造的自行车拆解机器人系统及其实现方法,该系统包括:运输装置、识别定位装置和拆卸装置;其中,运输装置接收运输控制指令,将待拆卸的自行车运输至拆卸装置;识别定位装置对运输至拆卸装置的自行车进行识别,筛选定位出待拆卸部件信息;所述拆卸装置根据定位出的待拆卸部件信息对所述自行车进行拆卸。本实施例利用计算机对自行车上各个待拆卸部件的位置进行识别定位,再利用拆卸装置根据定位出的各个拆卸部件的位置对自行车进行拆卸,从而实现自行车的自动拆卸,实现了将拆卸出的可利用资源进行重复利用,避免了不必要的资源浪费。
Description
技术领域
本发明涉及拆卸装置技术领域,尤其涉及的是面向再制造的自行车拆解机器人系统及其实现方法。
背景技术
共享单车具有自由度高、低价格、低碳环保等特点,使用频度较高颇受年轻人青睐。相比传统单车租赁,当下共享单车因为无需停在专门的停车桩上,可以大多数区域即停即走,具有较高的使用自由度;其次,现阶段共享单车比传统租赁下几元甚至景区几十元的价格更具优势;此外,共享单车也正响应这目前低碳环保、绿色出行的潮流。这些特点都使得共享单车有望满足日常高频使用需求,并成为年轻人的出行新风尚。为解决破旧共享单车乱停乱放的问题,小区每年都会花费资金对周围破旧共享单车进行人工回收,经过调查,破旧的共享单车会经过暴力拆解后当做废品处理,造成了极大的资源浪费,不满足资源再利用的需求。
因此,现有技术有待于进一步的改进。
发明内容
鉴于上述现有技术中的不足之处,本发明的目的在于提供一种面向再制造的自行车拆解机器人系统及其实现方法,克服现有技术中将废弃的共享单车暴力拆解后导致资源浪费的缺陷。
本发明实施例公开的方案如下:
第一方面,本实施例公开了一种面向再制造的自行车拆解机器人系统,其中,包括:运输装置、识别定位装置和拆卸装置;所述运输装置与拆卸装置相连接,所述识别定位装置和拆卸装置通信连接;
所述运输装置,用于接收运输控制指令,将待拆卸的自行车运输至拆卸装置;
所述识别定位装置,用于对运输至所述拆卸装置的自行车进行识别,筛选定位出待拆卸部件信息;其中,所述待拆卸部件信息包括:拆卸部件的种类和拆卸部件的位置坐标信息;
所述拆卸装置,用于根据定位出的待拆卸部件信息对所述自行车进行拆卸
第二方面,本实施例提供了面向再制造的自行车拆解机器人系统的实现方法,其中,包括:
运输装置接收运输控制指令并将待拆卸的自行车运输至拆卸装置;
识别定位装置对运输至所述拆卸装置的自行车进行识别,筛选定位出待拆卸部件信息;其中,所述待拆卸部件信息包括:拆卸部件的种类和拆卸部件的位置坐标信息;
所述拆卸装置根据定位出的待拆卸部件信息对所述自行车进行拆卸。
有益效果,本发明提供了面向再制造的自行车拆解机器人系统及其实现方法,该系统包括:运输装置、识别定位装置和拆卸装置;其中,运输装置接收运输控制指令,将待拆卸的自行车运输至拆卸装置;识别定位装置对运输至拆卸装置的自行车进行识别,筛选定位出待拆卸部件信息;所述拆卸装置根据定位出的待拆卸部件信息对所述自行车进行拆卸。本实施例利用计算机对自行车上各个待拆卸部件的位置进行识别定位,再利用拆卸装置根据定位出的各个拆卸部件的位置对自行车进行拆卸,从而实现自行车的自动拆卸,实现了将拆卸出的可利用资源进行重复利用,避免了不必要的资源浪费。
附图说明
图1是本发明实施例所提供的自行车拆解机器人系统的原理框图;
图2是本发明实施例自行车拆解机器人系统的原理示意图;
图3是本实施例自行车拆解机器人系统实现方法的具体实施例的步骤流程示意图;
图4是本实施例中拆卸装置的结构示意图;
图5是本实施例中拆卸装置的框架结构示意图;
图6是本实施例中拆卸装置的局部示意图一;
图7是本实施例中拆卸装置的局部示意图二;
图8是本实施例中待拆卸自行车固定到拆卸装置的结构示意图;
图9是本实施例中对图像中拆卸位置进行识别定位的原理示意图;
图10是本实施例中对识别出的位置信息转化成空间位置信息的原理示意图;
图11是本实施例中所述系统的硬件结构示意图;
图12是本发明实施例所提供的自行车拆解机器人系统实现方法的原理框图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
自共享单车诞生之初,共享单车有了初始的投放量之后,就需要在总量控制的前提下提高周转使用。这就需要有基于循环经济原则和全生命周期管理的单车技术创新,包括在设计时选择耐用、可回收的材料,在运营时加强维护提高单车使用率,在报废时分门别类进行回收再利用再循环。经过这些初步拆解流程,报废单车最终被细分为铁、铝和塑料等。细分后,主体车架等金属材料会统一回炉做成金属锭或者金属产品循环利用;铝做成铝锭,根据品级不同,可做高端铝制品、铝合金门窗、普通铝制品等用途;车体塑料会被加工成塑料颗粒进行再利用,如做成塑料脸盆、汽车内饰等;对于轮胎、坐垫等无法彻底分解的部分,则会进行科学无害化处理。
本实施例设计了将共享单车的每个部分自行拆解,并且有效分类识别,循环利用有用的零部件;对已经失效的零部件,再采取粉碎或熔炼等方式回收。
具体的,本实施例提供了一种面向再制造的自行车拆解机器人系统及其实现方法,该系统具有自动化程度高,运用机器识别,深度学习等功能,可以实现对报废共享单车自动拆卸,且分拣一体。其主要功能包括:(1)能够将废旧自行车固定于拆解流水线中;(2)具备图像的识别定位功能识别到需要拆卸的螺母位置;(3)通过先划分好的各个区域回收,实现破旧共享单车的分类回收。本实施例提供的系统及方法是对共享单车回收拆卸再制造,实现了资源的可持续使用。
下面结合附图,对本发明所公开的系统及方法做更为详细的解释。
本发明提供了一种面向再制造的自行车拆解机器人系统,如图1所示,包括:输送装置110、识别定位装置120和拆卸装置130。
输送装置110包括:传送带,利用传送带将待拆卸自行车传送入拆卸装置。
识别定位装置120包括:用于采集自行车图像的工业相机、用于对采集到的自行车图像进行处理,对自行车上各个拆卸部件的所在位置进行识别定位,并将识别定位出的各个拆卸部件的位置转化成空间位置信息,将空间位置信息推送至拆卸装置。
拆卸装置130包括:框架(如图5所示),设置在框架上的拆卸机器人,具体的所述拆卸机器人为利用安装板固定在框架上的三轴机械臂,三轴机械臂的每轴机械臂均对应设置一个电机,各个电机驱动与其相连接的机械臂运动。所述机械臂在控制下执行对自行车的拆卸操作。
运输装置用于依次将各个待拆卸的自行车运输到拆卸装置中。因此运输装置与拆卸装置在使用时是相连接的。在一种实施方式中,运输装置具体可以使用传送带,通过传送带将自行车传送至拆卸装置,可以想到的是,只要顺利将自行车传送至拆卸装置,运输装置还可以通过其他方式实现,比如:利用运输车或者利用运输轨道等实现对自行车的依次传送。
本实施例中识别定位装置包括:工业相机、智能终端和控制柜。工业相机采集固定到拆卸装置上的自行车的图片,并将采集到的自行车图片发送至智能终端。
结合图2所示的拆卸自行车的控制原理图,所述智能终端可以为PC端,PC端通过图像识别算法对自行车上的各个拆卸部件进行图像识别和空间定位,并将定位出的图像中的各个拆卸部件的位置信息转化为空间位置信息,实现二维坐标到三维空间坐标的转换,通过路由器将转换得到的三维空间坐标发送至工业机器人。工业机器人根据接收到的三维空间坐标对拆卸机器人执行运动控制,拆卸机器人执行自行车的拆卸任务,同时传感器对拆卸中的自行车执行数据采集,工业相机进行图像采集,并将采集到的图像数据和传感器中采集到的数据传输至PC端,PC端对自行车的拆卸情况进行实时监控。
进一步的,结合图3所示,对本实施例中所公开的系统做进一步的说明。
当执行自行车自动拆卸时,首先各个设备执行初始化,以保证获取到数据的准确性。
工业相机,也即是视觉模块采集自行车的图像,并将采集到的图像传输至PC端,PC端对是否接收到自行车的图像进行判断,若未获取到图像,则控制工业相机重新获取图像,并将获取到的图像传输给PC端,若获取到,则判断是否获取到网络模型,若获取到网络模型,则利用获取到的网络模型对图像进行目标识别和定位,并输出待拆卸对象的种类和目标在图像中的二维坐标。若未获取到网络模型,则需要重新训练得到网络模型,训练网络模型的步骤包括:制作训练网络模型使用的数据集,利用训练数据集对目标检测网络模型进行训练,并得到最优检测网络模型,再使用训练得到的网络模型对接收到的图像进行图像中目标图像的识别和定位。
空间定位模块初始化完成后,需要对摄像机进行标定,以及对拆卸机器人的手眼进行标定,再判断是否接收到的图像的识别定位信息,若接收到识别定位信息,则将二维的识别定位信息转化成待拆卸自行车各个部件的空间坐标值输出至工业机器人的执行模块。
工业机器人的执行模块接收到待拆卸自行车各个部件的空间坐标值,则根据接收的各个空间坐标值控制机械爪移动到指定目标拆卸部件进行拆卸操作。在拆卸过程中依次执行各个拆卸部件的拆卸后,拆卸机器人恢复到初始位置。
结合图4至图8所示为本实施例的拆卸装置包括:框架,单轴的机器人、驱动单轴机器人运动的电机,输送机器人上下左右运动的链条等。其中单轴的机器人、驱动单轴机器人运动的电机,输送机器人上下左右运动的链条均固定在框架上,单轴机器人,链条分别设置在框架内部的两侧。具体的,本实施例采用的是三轴的机械臂。拆卸装置包括:拆卸机器人18,其中,拆卸机器人固定在框架11上,左右对应设置。所述框架上设置有支架16安装板14和固定板15等固定件用于对安装在框架上的机器人进行固定。所述框架上设置有左右两个链条(左链条13和右链条12)和线轨17,便于拆卸机器分别在三轴上调整位置。每个轴上配有一个履带直线电机21。末端是钻头。可以更换不同的钻头,实现对不同部位螺丝的操作。当三轴装置到达至需要拆卸的螺丝时,旋转钻头,螺丝将会松动,进而导致该部分的部件脱落。
结合图9所示,当PC上位机采集到训练集,并将所述训练集输入到服务器,以使得服务器依据所述训练集对预设网络模型进行训练。所述服务器接收输入的训练集图像,将所述训练集中自行车图片作为输入项输入预先存储的预设网络模型,然后,获取所述预设网络模型输出的所述自行车图片对应的待拆卸部件信息。
在一种实施方式中,本步骤中先创建预设网络模型,并构建训练集,利用训练集对构建出的预设网络模型进行训练,网络模型依次对图像进行识别与定位构建出训练集,再构建预设网络模型结构,使用训练集对预设网络模型进行训练,并根据网络模型的输出结果对网络模型进行优化训练,得到最优的网络模型,最后确定网络模型的参数,并根据训练完成的网络模型确定输入图像中的工件种类和坐标。PC上位机软件根据确定出的工件种类和坐标计算机器人抓取中心点坐标,以及依次选定出拆卸部件,并根据待拆卸部件的各个位置信息控制拆卸机器人执行相应的拆卸操作,所述待拆卸部件的位置信息包括待拆卸布局的种类信息和待拆卸部件的位置坐标信息。
下面结合图1-11,对本实施例给出的所述系统做进一步更为详细的解释。
本实施例提供的一种面向再制造的自行车拆解机器人系统由硬件部分和软件部分所构成,主要划分成四个部分,分别是输送装置、图像识别定位装置、空间定位装置和拆卸装置。
具体的,输送装置包括传送带。图像识别定位装置包括:工业相机、机器人控制柜和PC机。废弃自行车由传送带依次送入拆解装置直接进行拆解处理。工业相机作为工业机器人的眼睛,对拆卸装置的环境和待拆卸对象(即是待拆卸自行车)进行观察,并获取采集到的待拆卸自行车的图片传送至PC端。PC电脑端用来处理图片信息,明确待拆卸对象的结构组成以及图像中的位置信息,从而设定拆卸步骤并完成从机器人视域坐标到机器人末端点坐标的转换。最终通过与机器人控制柜通信,引导工业机器人完成拆卸任务。
结合图3至图11所示,本实施例所提供的方法及系统主要应用于对自行车进行拆解。
本实施例所提供的方法,首先将自行车自动放置生产线(生产线包括运输自行车、识别定位出拆卸位置和根据识别定位出的拆卸位置对自行车进行拆卸),拆卸机器人利用其机械臂将自行车固定在框架内。分别设置在框架内左右两侧的三轴机械臂对自行车进行固定。为了识别定位出拆卸部件的位置,本实施例的系统中设置有识别系统,包括摄像头,雷达,超声波等传感器,识别拆解部件的所在位置,如螺母等。然后利用三轴机械臂安装相应拆装终端,移动至拆解位置,旋转终端,将螺母拆卸掉。此时,自行车的零部件将会散落到传送带上。
另外,再拆解过程中,本实施例提供的系统是按照先后顺序进行拆解,所以每个部件拆下来之后,传送带将会将其传送出去,这样也简化了拆解之后的识别过程,同时也实现了拆解后的分类问题。
图像采集模块主要是负责图像信息的获取,并在源图像窗口进行显示。图像采集主要分两个阶段,第一个阶段是制作数据集阶段,需要改变相机和工件的相对位置,对不同种类的工件图像进行连续采集,然后将所有的图片数据保存并制作成工业数据集;第二阶段是检测阶段,单帧采集照相机视区内出现的废旧产品的照片,以进行接下来图像目标的识别和定位处理。
通过设置工业相机的拍摄模式和图片大小来取得所需要的图片形式。通过不同的光照、明暗、远近、图像分辨率来模拟不同工业背景环境下的数据图片,增强图片数据的鲁棒性。
识别定位装置是本系统的核心模块之一,主要包括对图像中所有目标部件的类别识别和位置定位。整个模块可以分成三大部分:一是网络模型的构建,包括基础的卷积神经网络和联结的回归分类网络;二是网络的训练,包括各层权重参数的获得以及损失值的收敛;三是目标检测部分,即网络最终的测试部分。输入一张从未出现过的图片,对其中包含的目标对象进行识别和定位,最终输出图像中所有目标部件的类别及其对应的图像坐标,检测结果将集成到上位机软件中。
如图9所示,当运用训练好的模型进行检测时,上位机对采集的图片进行检测,得到检测出的目标种类和位置信息。对于识别到的所有部件,可点击“选择”按钮在结果区点击选择要拆卸的部件。后台程序计算选择已识别零件的最小外接矩阵,即选择最大和最小的横纵坐标作为边界框,得到所选部件的中心位置。点击“定位”按钮,页面跳转到空间定位模块界面,同时完成对中心位置坐标从二维到三维空间坐标的转换。
工业机器人通过空间定位模块将二维图像坐标转换到三维空间中的世界坐标,其过程主要涉及两部分:一是摄像机的标定,以摄像机为参照物,完成图像坐标到世界坐标的转换;二是机器人手眼标定,以机器人基座为基础坐标系,完成摄像机坐标系到机器人末端点坐标系的转换。
如图10所示为圆靶标模板对工业相机的未知参数标定过程的原理示意图。首先输入初始工位后,根据输入的初始工位对摄像机参数进行标定,然后依次执行圆形靶标轮廓的识别、对所有圆靶标中心位置点的确立和摄像机参数和畸变参数的标定,从而实现空间视觉标定,再基于空间视觉标定进行机器人眼在手式标定,现实图像种类位置信息,并将获取到的现实图像种类位置信息输入上位机,上位机通过软件对种类位置信息进行显示。
图11所示为机器人编程执行模块中的运行界面,展示了机器人在空间中两点间的运动过程。机器人在移动过程中,控制器也同时将实时位姿反馈给上位机进行可视化显示,实现双方的数据交换,完成拆卸过程中的抓取和监控操作。
本实施例在提出上述自行车拆解机器人系统的基础上,本实施例提供了一种自行车拆解机器人系统的实现方法,如图12,包括:
步骤S1、运输装置接收运输控制指令并将待拆卸的自行车运输至拆卸装置;
步骤S2、识别定位装置对运输至所述拆卸装置的自行车进行识别,筛选定位出待拆卸部件信息;其中,所述待拆卸部件信息包括:拆卸部件的种类和拆卸部件的位置坐标信息;
步骤S3、拆卸装置根据定位出的待拆卸部件信息对所述自行车进行拆卸。
控制柜根据上述步骤S2中得到的各个拆卸部件的空间位置信息发送控制指令至拆卸装置,拆卸装置的拆卸机器人执行想要的拆卸操作。
具体的,与所述拆卸机器人连接的还有便于其姿态调整的链条,在所述拆卸机器人在链条的带动调整姿势至目标位置,并执行相应的拆卸操作。为了实现三轴不同方位的姿态调整,在所述框架上设置至少一对相对的拆卸机器人,用于相互配合实现对自行车的拆卸。
所述运输装置包括传送带,所述识别定位装置包括:智能终端和图像采集装置;所述拆卸装置包括:框架和设置在所述框架上的至少一对拆卸机器人。
所述识别定位装置对运输至所述拆卸装置的自行车进行识别,筛选定位出待拆卸部件信息的步骤包括:
步骤S21、获取所述自行车的图像;本步骤中可以多方位采集待拆卸自行的车图像,以实现对其拆卸部件的准确识别和定位。
步骤S22、对自行车图像进行待拆卸零部件的识别,并定位出所述待拆卸零部件的位置信息。
利用图像识别的方法识别出各个拆卸部件的位置,并对各个拆卸部件进行分类,分类出丢弃的部件和可再次使用的部件。
为了实现更好的对图像进行识别,本步骤中利用深度学习的方法对图像中含有的特征进行处理,以实现对图像的各个特征进行准确的识别。
具体的,所述识别定位装置对运输至所述拆卸装置的自行车进行识别,筛选定位出待拆卸部件信息的步骤之前,还包括:
预设网络模型根据训练集中自行车图片,生成所述自行车图片对应的预测待拆卸部件信息,其中,所述训练集包括多组训练样本,每组训练样本包括自行车图片以及自行车图片对应的待拆卸部件信息;
所述预设网络模型根据所述自行车图片对应的预测待拆卸部件信息,以及所述自行车图片对应的待拆卸部件信息,对模型参数进行修正,并继续执行所述根据所述训练集中自行车图片,生成所述自行车图片对应的预测待拆卸部件信息的步骤,直至所述预设网络模型的训练情况满足预设条件,以得到所述待拆卸位置识别模型。
进一步的,本步骤所述识别定位装置对运输至所述拆卸装置的自行车进行识别,筛选定位出待拆卸部件信息的步骤包括:
步骤S23、将自行车图像中定位出所述待拆卸零部件的位置信息转化成自行车零部件的空间位置信息。
由于基于图像进行识别和定位,得到的是图像中的各个待拆卸部件的位置信息,若对安装到拆卸装置中的自行车进行拆卸,则需要将图像中的二维位置信息转换成自行车当前做在空间的位置坐标。
步骤S24、将转化后的所述空间位置信息推送至拆卸装置。
为了实现利用拆卸装置对自行车进行拆卸,则需要使用转换后的空间位置信息对自行车进行拆卸,因此需要将转换后的空间位置信息推送给拆卸装置,由拆卸装置根据接收到的空间位置信息进行相应的拆卸操作。
进一步的,所述拆卸装置根据定位出的待拆卸部件信息对所述自行车进行拆卸的步骤包括:
根据所述待拆卸部件信息对所述自行车的拆卸部件进行依次定位;
根据定位的各个拆卸部件的位置依次进行拆卸。
所述拆卸装置包括:所述根据定位的各个拆卸部件的位置依次进行拆卸的步骤包括:
拆卸机器人接收各个拆卸部件的位置信息;
根据各个拆卸部件的位置信息确定拆卸的各个操作状态信息;其中,所述操作状态信息包括:抓取的位置及抓取的旋转角度;
根据各个操作状态信息按照预设拆卸顺序对各个拆卸部件进行拆卸。
本发明提供了一种面向再制造的自行车拆解机器人系统及其实现方法,该系统包括:运输装置、识别定位装置和拆卸装置;其中,运输装置接收运输控制指令,将待拆卸的自行车运输至拆卸装置;识别定位装置对运输至拆卸装置的自行车进行识别,筛选定位出待拆卸部件信息;所述拆卸装置根据定位出的待拆卸部件信息对所述自行车进行拆卸。本实施例利用计算机对自行车上各个待拆卸部件的位置进行识别定位,再利用拆卸装置根据定位出的各个拆卸部件的位置对自行车进行拆卸,从而实现自行车的自动拆卸,实现了将拆卸出的可利用资源进行重复利用,避免了不必要的资源浪费。
可以理解的是,对本领域普通技术人员来说,可以根据本发明的技术方案及其发明构思加以等同替换或改变,而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。
Claims (10)
1.面向再制造的自行车拆解机器人系统,其特征在于,包括:运输装置、识别定位装置和拆卸装置;所述运输装置与拆卸装置相连接,所述识别定位装置和拆卸装置通信连接;
所述运输装置,用于接收运输控制指令,将待拆卸的自行车运输至拆卸装置;
所述识别定位装置,用于对运输至所述拆卸装置的自行车进行识别,筛选定位出待拆卸部件信息;其中,所述待拆卸部件信息包括:拆卸部件的种类和拆卸部件的位置坐标信息;
所述拆卸装置,用于根据定位出的待拆卸部件信息对所述自行车进行拆卸。
2.根据权利要求1所述的自行车拆解机器人系统,其特征在于,所述运输装置包括传送带,所述图像识别定位装置包括:智能终端、控制柜和图像采集装置;所述拆卸装置包括:框架和设置在所述框架上的至少一对拆卸机器人,所述拆卸机器人,用于接收控制指令,对所述自行车进行拆卸操作。
3.根据权利要求2所述的自行车拆解机器人系统,其特征在于,所述智能终端,用于对图像采集装置采集到的待拆卸自行车中含有的各个拆卸部件进行识别并定位,并将定位出的位置信息发送至控制柜;
所述控制柜,用于根据接收到的位置信息控制拆卸机器人执行相应的拆卸操作。
4.面向再制造的自行车拆解机器人系统的实现方法,其特征在于,应用于如权利要求1所述的面向再制造的自行车拆解机器人系统;
所述方法包括:
运输装置接收运输控制指令并将待拆卸的自行车运输至拆卸装置;
识别定位装置对运输至所述拆卸装置的自行车进行识别,筛选定位出待拆卸部件信息;其中,所述待拆卸部件信息包括:拆卸部件的种类和拆卸部件的位置坐标信息;
所述拆卸装置根据定位出的待拆卸部件信息对所述自行车进行拆卸。
5.根据权利要求4所述的自行车拆解机器人系统的实现方法,其特征在于,所述运输装置包括传送带,所述识别定位装置包括:智能终端和图像采集装置;所述拆卸装置包括:框架和设置在所述框架上的至少一对拆卸机器人。
6.根据权利要求4所述的自行车拆解机器人系统的实现方法,其特征在于,所述识别定位装置对运输至所述拆卸装置的自行车进行识别,筛选定位出待拆卸部件信息的步骤包括:
获取所述自行车的图像;
对所述图像进行待拆卸零部件的识别,并定位出所述待拆卸零部件的位置信息。
7.根据权利要求6所述的自行车拆解机器人系统的实现方法,其特征在于,所述识别定位装置对运输至所述拆卸装置的自行车进行识别,筛选定位出待拆卸部件信息的步骤之前,还包括:
预设网络模型根据训练集中自行车图片,生成所述自行车图片对应的预测待拆卸部件信息,其中,所述训练集包括多组训练样本,每组训练样本包括自行车图片以及自行车图片对应的待拆卸部件信息;
所述预设网络模型根据所述自行车图片对应的预测待拆卸部件信息,以及所述自行车图片对应的待拆卸部件信息,对模型参数进行修正,并继续执行所述根据所述训练集中自行车图片,生成所述自行车图片对应的预测待拆卸部件信息的步骤,直至所述预设网络模型的训练情况满足预设条件,以得到所述待拆卸位置识别模型。
8.根据权利要求6或7所述的自行车拆解机器人系统的实现方法,其特征在于,所述识别定位装置对运输至所述拆卸装置的自行车进行识别,筛选定位出待拆卸部件信息的步骤包括:
将自行车图像中定位出所述待拆卸零部件的位置信息转化成自行车零部件的空间位置信息;
将转化后的所述空间位置信息推送至拆卸装置。
9.根据权利要求4所述的自行车拆解机器人系统的实现方法,其特征在于,所述拆卸装置根据定位出的待拆卸部件信息对所述自行车进行拆卸的步骤包括:
根据所述待拆卸部件信息对所述自行车的拆卸部件进行依次定位;
根据定位的各个拆卸部件的位置依次进行拆卸。
10.根据权利要求9所述的自行车拆解机器人系统的实现方法,其特征在于,所述拆卸装置包括:所述根据定位的各个拆卸部件的位置依次进行拆卸的步骤包括:
拆卸机器人接收各个拆卸部件的位置信息;
根据各个拆卸部件的位置信息确定拆卸的各个操作状态信息;其中,所述操作状态信息包括:抓取的位置及抓取的旋转角度;
根据各个操作状态信息按照预设拆卸顺序对各个拆卸部件进行拆卸。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110962864.1A CN113522940A (zh) | 2021-08-20 | 2021-08-20 | 面向再制造的自行车拆解机器人系统及其实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110962864.1A CN113522940A (zh) | 2021-08-20 | 2021-08-20 | 面向再制造的自行车拆解机器人系统及其实现方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113522940A true CN113522940A (zh) | 2021-10-22 |
Family
ID=78091335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110962864.1A Pending CN113522940A (zh) | 2021-08-20 | 2021-08-20 | 面向再制造的自行车拆解机器人系统及其实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113522940A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104722567A (zh) * | 2013-12-24 | 2015-06-24 | 三菱综合材料株式会社 | 固定部件解体系统、固定部件解体方法及程序 |
KR20150075802A (ko) * | 2013-12-26 | 2015-07-06 | 한국원자력연구원 | 원자로 압력용기 원격 해체 작업용 로봇 시스템 |
CN105109577A (zh) * | 2015-08-24 | 2015-12-02 | 北京科技大学 | 一种报废机动车智能化拆解系统及拆解方法 |
CN106886750A (zh) * | 2017-01-04 | 2017-06-23 | 沈阳工业大学 | 基于Kinect的拆卸工具运动轨迹识别方法 |
CN110491233A (zh) * | 2019-08-23 | 2019-11-22 | 北京枭龙科技有限公司 | 一种基于混合现实的新能源汽车拆装系统及方法 |
CN111192156A (zh) * | 2019-12-25 | 2020-05-22 | 安徽工程大学 | 一种装配体拆卸序列生成方法及装置 |
CN111540975A (zh) * | 2020-05-28 | 2020-08-14 | 昆山韦德智能装备科技有限公司 | 一种返修电池拆解生产线及其实现方法 |
CN211630272U (zh) * | 2019-08-05 | 2020-10-02 | 河南格讯电子科技有限公司 | 一种带视觉识别的废旧电器拆解全过程监控报警装置 |
CA3149941A1 (en) * | 2019-08-12 | 2021-02-18 | 3R-Cycle Oy | Method and device for disassembling electronics |
CN212767913U (zh) * | 2020-07-09 | 2021-03-23 | 四川长虹格润环保科技股份有限公司 | 一种废旧移动终端拆解件的立体仓储系统 |
CN215696721U (zh) * | 2021-08-20 | 2022-02-01 | 深圳技术大学 | 面向再制造的自行车拆解机器人系统 |
-
2021
- 2021-08-20 CN CN202110962864.1A patent/CN113522940A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104722567A (zh) * | 2013-12-24 | 2015-06-24 | 三菱综合材料株式会社 | 固定部件解体系统、固定部件解体方法及程序 |
KR20150075802A (ko) * | 2013-12-26 | 2015-07-06 | 한국원자력연구원 | 원자로 압력용기 원격 해체 작업용 로봇 시스템 |
CN105109577A (zh) * | 2015-08-24 | 2015-12-02 | 北京科技大学 | 一种报废机动车智能化拆解系统及拆解方法 |
CN106886750A (zh) * | 2017-01-04 | 2017-06-23 | 沈阳工业大学 | 基于Kinect的拆卸工具运动轨迹识别方法 |
CN211630272U (zh) * | 2019-08-05 | 2020-10-02 | 河南格讯电子科技有限公司 | 一种带视觉识别的废旧电器拆解全过程监控报警装置 |
CA3149941A1 (en) * | 2019-08-12 | 2021-02-18 | 3R-Cycle Oy | Method and device for disassembling electronics |
CN110491233A (zh) * | 2019-08-23 | 2019-11-22 | 北京枭龙科技有限公司 | 一种基于混合现实的新能源汽车拆装系统及方法 |
CN111192156A (zh) * | 2019-12-25 | 2020-05-22 | 安徽工程大学 | 一种装配体拆卸序列生成方法及装置 |
CN111540975A (zh) * | 2020-05-28 | 2020-08-14 | 昆山韦德智能装备科技有限公司 | 一种返修电池拆解生产线及其实现方法 |
CN212767913U (zh) * | 2020-07-09 | 2021-03-23 | 四川长虹格润环保科技股份有限公司 | 一种废旧移动终端拆解件的立体仓储系统 |
CN215696721U (zh) * | 2021-08-20 | 2022-02-01 | 深圳技术大学 | 面向再制造的自行车拆解机器人系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110567974A (zh) | 一种基于云端人工智能表面缺陷检测系统 | |
CN102795011B (zh) | 用于瞄准结构内多个预定位置的方法和对应的瞄准系统 | |
KR20200000847A (ko) | 현장 적층 제조를 이용한 이송 구조체들의 로봇 조립 | |
CN109426353B (zh) | 架构于非侵入式数据撷取系统客制化显示画面的系统模块 | |
CN207036661U (zh) | 一种基于六轴机器人的光学检测系统 | |
CN215696721U (zh) | 面向再制造的自行车拆解机器人系统 | |
CN106182020A (zh) | 一种基于同步机器人的机器人操作示教系统及方法 | |
CN203245133U (zh) | 镜片瑕疵检测系统 | |
JP2021185016A (ja) | 画像処理装置 | |
CN116337887A (zh) | 铸造缸体上表面缺陷检测方法及系统 | |
CN207503007U (zh) | 一种基于图像识别的轮毂自动输送控制系统 | |
CN103873779B (zh) | 一种停车场用智能相机的控制方法 | |
CN116251712A (zh) | 一种自动化组装生产线及控制方法 | |
CN113522940A (zh) | 面向再制造的自行车拆解机器人系统及其实现方法 | |
US20220284699A1 (en) | System and method of object detection using ai deep learning models | |
Rusli et al. | Fastener identification and assembly verification via machine vision | |
KR101096068B1 (ko) | 로봇 비젼 검사를 위한 휴대용 교시 단말기와 이를 이용한 검사로봇 교시 방법 | |
CN115255884B (zh) | 一种基于OpenCV视觉处理的机器人滚轮自动装配系统和方法 | |
CN113843797B (zh) | 一种基于单双目混合视觉的非结构环境下零件六角螺栓自动拆卸方法 | |
WO2020021643A1 (ja) | エンドエフェクタの選択方法および選択システム | |
CN206560992U (zh) | 一种自动化光学检测系统 | |
CN114192447A (zh) | 基于图像识别的垃圾分拣方法 | |
CN205436345U (zh) | 影像防错工装 | |
Deng et al. | Tiny screw and screw hole detection for Automated Maintenance Processes | |
CN117849373A (zh) | 一种零部件全视角智能自动化缺陷检测系统 |
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 |