CN114102593B - 基于二维低清晰度图像的机器手抓取规则物料方法 - Google Patents
基于二维低清晰度图像的机器手抓取规则物料方法 Download PDFInfo
- Publication number
- CN114102593B CN114102593B CN202111408344.2A CN202111408344A CN114102593B CN 114102593 B CN114102593 B CN 114102593B CN 202111408344 A CN202111408344 A CN 202111408344A CN 114102593 B CN114102593 B CN 114102593B
- Authority
- CN
- China
- Prior art keywords
- grabbed
- edge
- accurate
- center
- materials
- 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.)
- Active
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
-
- 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)
- Manipulator (AREA)
Abstract
本发明涉及一种基于二维低清晰度图像的机器手抓取规则物料方法,属于一般的图像数据处理技术领域。该方法通过预先收集确定托盘距离地面的高度值和各种类物料的高度值并预先获得各种类物料的2D模型图像存储于数据库中,实际生产抓取物料时通过将实拍图像与预存的模型图像进行比较,得到每个待抓取物料的种类编号和对应该种类编号的高度值和模糊中心坐标,再进一步通过待抓取物料每一个边缘段上每一个像素点与模糊中心坐标的位置关系计算得到每一个边缘段上精确像素点位置坐标,进而得到待抓取物料所有精确边缘线,根据待抓取物料形状利用精确边缘线的交点进行拟合圆或对角线交点找到待抓取物料中心的精确中心坐标;最终使机器手根据坐标完成抓取。
Description
技术领域
本发明涉及一种基于二维低清晰度图像的机器手抓取规则形状物料的方法,属于一般的图像数据处理或产生技术领域。
背景技术
在工厂加工自动化作业中,对于放置在托盘中的多种不同规格且形状规则的物料(如高度尺寸不一致)抓取,一般使用3D工业相机直接获取目标的三维坐标信息(X、Y、Z),然后发送给机械手进行抓取。但是3D工业相机的硬件成本及开发成本较高,是2D工业相机的10倍以上。2D工业相机只能读取形状尺寸一致物料的平面坐标(X、Y),而且只能对一个距离进行对焦,无法保证对不同高度的物体都能较好的对焦,导致其拍摄的图像往往是模糊的,因此无法配合机械手抓取托盘中物料形状和高度不一致的物料。
发明内容
本发明要解决的技术问题是:如何利用2D工业相机拍摄的二维低清晰度图像来控制机械手抓取托盘中物料形状和高度不一样的物料,从而节省因采用3D工业相机的高成本。
本发明为解决上述技术问题提出的技术方案是:一种基于二维低清晰度图像的机器手抓取规则物料方法,所述规则物料的正投影形状是正多边形、呈对角的多边形和多角星形,包括以下步骤:
S1、生产前准备
S1.1、将固定在地面上托盘调平,保证托盘整体在尽可能同一个水平面,读取托盘距离地面的高度值m并存储于数据库;
S1.2、根据工厂的工单信息,对所有物料进行种类编号n,并获取种类编号n的每一种物料的高度值bn, n是从1至所述物料种类总数的自然数;
S1.3、将2d工业相机固定于托盘的正上方,将每一种物料放入托盘内,使用2d工业相机对托盘进行定焦拍照,获得每一种物料的图像作为模型图像,将每一种物料的种类编号及对应该种类编号的高度值bn和模型图像存储于数据库;
S2、开始生产抓取
S2.1、用2d工业相机对放入托盘1中的待抓取物料进行定焦拍照,获得所有待抓取物料的实拍图像;
S2.2、将每一个实拍图像与数据库中的模型图像进行比较,分别得到每一个待抓取物料的种类编号和对应该种类编号的高度值;
S2.3、根据每一个实拍图像确定每一个待抓取物料中心的模糊中心坐标(x0 ,,y0 ,);
S2.4、根据每一个实拍图像的边缘来确定每一个待抓取物料中心的精确中心坐标(x0,y0)
S2.4.1、将每一个实拍图像的边缘分成多个边缘段,每一个边缘段的两个端点的坐标分别设为(x1,y1)和(x2,y2),每一个边缘段上任意像素点的坐标(x,,y,与模糊中心坐标(x0 ,,y0 ,)的位置关系满足下式(1),
(x,- x1)( x2- x1)=(y,- y1)( y2- y1) (1),
由式(1)得到每一个边缘段斜率K=(x,- x1)/ (y,- y1)= ( y2- y1);
S2.4.2、将每一个边缘段等分为多个线段,得到每一个线段各自两端点的坐标;每一个线段的中垂线的解析式满足下式(2),
式(2)中,y是中垂线函数;
S2.4.3、在每一个线段的中垂线上均等距离选取r个像素点,r个像素点以每一个线段为对称轴对称选取,r个像素点的坐标分别记为(Xr,Yr) ,r个像素点的灰度值记为Gr,以像素点数量r作为横坐标并以灰度值Gr作为纵坐标,建立一个新平面坐标系,得到r个像素点在新平面坐标系的坐标(r,Gr),再以(r,|Gr-Gr-1|)的数值构成在新平面坐标系新的点坐标,根据新的点坐标判断灰度值记Gr最大的新的点坐标对应的像素点坐标(213,222)作为每一个线段的一个精确边缘点;以此类推得到,每一个线段的其他精确边缘点,即得到一个边缘段的精确边缘点;
根据上述步骤S2.4.1- S2.4.3得到每一个边缘段的精确边缘点;
S2.4.4、将每一个边缘段的全部精确边缘点进行一次函数拟合,将得到的拟合线作为每一个边缘段的精确边缘线;
S2.4.5、通过每一个边缘段的精确边缘线计算得到相邻精确边缘线的交点,将精确边缘线交点进行最小二乘法拟合圆,得到的圆心作为待抓取物料中心的精确中心坐标(x0,y0);或者将精确边缘线交点连成的对角线的交点作为待抓取物料中心的精确中心坐标(x0,y0);
S2.5、将上述步骤获得的每一个待抓取物料中心的精确坐标(x0,y0)和每一个待抓取物料的高度值bn和托盘距离地面的高度值m输入机器手的控制器,控制机器手抓取每一个待抓取物料;直到所有待抓取物料被抓取完毕,结束。
进一步,上述S2.4.5步骤中,
当待抓取物料的正投影图是正多边形时,将全部精确边缘线交点进行最小二乘法拟合圆,得到的圆心作为待抓取物料中心的精确中心坐标(x0,y0);
当待抓取物料的正投影图是呈对角的多边形时,将呈对角的精确边缘线交点连线形成对角线,得到对角线的交点作为待抓取物料中心的精确中心坐标(x0,y0);
当待抓取物料的正投影图是多角星形时,将相隔的精确边缘线交点进行最小二乘法拟合圆,得到的圆心作为待抓取物料中心的精确中心坐标(x0,y0)。
进一步,上述S1.3步骤中,是将种类编号n的每一种物料分别单独放入托盘内,获得每一种类编号的图像作为模型图像。
进一步,上述S1.3步骤中,是将种类编号n的每一种物料全部放入托盘内,对获得的所有种类编号物料的图像进行切割,获得每一种类编号的图像作为模型图像。
进一步,每一种类编号物料的高度值bn可以通过调取该种类编号物料的图纸或手动测量获得。
本发明的有益效果是:通过预先收集确定托盘距离地面的高度值和所有种类物料的高度值并预先获得所有种类物料的2d模型图像存储于数据库中,在实际生产抓取物料使,通过将实拍图像与预存的模型图像进行比较,得到每一个待抓取物料的种类编号和对应该种类编号的高度值和每一个待抓取物料的模糊中心坐标,再进一步通过每一个待抓取物料的每一个边缘段上的每一个像素点与模糊中心坐标的位置关系计算得到每一个边缘段上的精确像素点位置坐标,进而得到每一个待抓取物料的所有精确边缘线,根据待抓取物料的形状并利用所有精确边缘线的交点通过拟合圆的圆心或对角线交点作为每一个待抓取物料中心的精确中心坐标;最终使机器手获得每一个待抓取物料精确三维坐标完成抓取。本发明由于仅靠采用2D工业相机拍摄的二维低清晰度图像,即可获取机器手抓取所需的三维坐标,因此相比现有技术大大降低生产成本。
附图说明
下面结合附图对本发明的基于二维低清晰度图像的机器手抓取规则物料方法作进一步说明。
图1是实施例的步骤S2.4.3中新平面坐标系中的Gx曲线和dGx/dr曲线图。
具体实施方式
实施例
本实施例的一种基于二维低清晰度图像的机器手抓取规则物料方法,具体是用于金属零件装配生产中。有三种形状、厚度不同的金属零件物料,这三种金属零件物料投影俯视图分别呈正三角形、长方形、五角星形。包括以下步骤:
S1、生产前准备
S1.1、如图1所示,将固定在地面上托盘1调平,保证托盘1整体在尽可能同一个水平面,读取托盘1距离地面的高度值m并存储于数据库;本实施例的高度值m是1米;
S1.2、根据工厂有关这三种金属零件物料的工单信息,对这三种金属零件物料进行种类编号n分别是1、2、3,并获取三种编号的每一种物料的高度值bn(b1=10mm、b2=20mm、b3=25mm), n是1到3的自然数;
S1.3、将2d工业相机固定于托盘1的正上方,将10个三种金属零件物料放入托盘1内,本实施例是分别一个一个单独放入托盘内。使用2d工业相机对托盘1进行定焦拍照,获得种类编号1、2、3的每一种物料的图像作为模型图像,将每一种物料的模型图像和对应每一种种类编号的高度值b1=10mm、b2=20mm、b3=25mm存储于数据库;
S2、开始生产抓取
S2.1、本实施例中,需进行抓取的共有10个,以放入托盘1中的待抓取三种金属零件物料有10个为例,10个金属零件物料的顺序编号是W1、W2、W3、W4、W5、W6、W7、W8、W9、W10,10个金属零件物料对应的正投影俯视图形状分别是正三角形、长方形、五角星形、五角星形、长方形、正三角形、长方形、五角星形、正三角形、长方形,对应的种类编号分别是1、2、3、3、2、1、2、3、1、2。用2d工业相机对放入托盘1中的10个待抓取金属零件物料进行定焦拍照,获得拍摄的10个待抓取金属零件物料的10个实拍图像。
S2.2、将10个实拍图像与数据库中的模型图像进行比较,分别得到待抓取金属零件物料的种类编号和对应该种类编号的高度值。以其中顺序编号W1(对应种类编号是1)待抓取金属零件物料的实拍图像为例说明如下:
S2.3、根据顺序编号W1的实拍图像确定该待抓取金属零件物料中心的初步中心坐标(x0 ,,y0 ,)是(300,256)。
S2.4、根据顺序编号W1的实拍图像的边缘来确定该待抓取金属零件物料中心的精确中心坐标(x0,y0)
S2.4.1、顺序编号W1的实拍图像的种类编号是1,实拍图像是三角形,即顺序编号W1的实拍图像有三个边缘段(三条边),以其中一个边缘段(一条边)为例说明如下:
该边缘段(该条边)的两个端点的坐标(x1,y1)和(x2,y2)分别是(200,200)和(300,373),该边缘段(该条边)上任意像素点的坐标(x,,y,)与金属零件物料中心的初步中心坐标(x0 ,,y0 ,)的位置关系满足下式(1),
(x,- x1)( x2- x1)=(y,- y1)( y2- y1) (1),
即(x,-200)(300-200)=(y,-200)(373-200),
由式(1)得到的该边缘段斜率K=(x,- x1)/ (y,- y1)= ( y2- y1) / ( x2- x1)=(373-200)/ (300-200)=1.73;
S2.4.2、将该边缘段(该条边)等分为4个线段,得到4个线段各自两端点的坐标。其中线段1的两端点坐标分别是(200,200)(225,243),线段2的两端点坐标分别是(225,243)(250,287),线段3的两端点坐标分别是(250,287)(275,310),线段4的两端点坐标分别是(275,310)(300,373); 4个线段的中垂线的解析式满足下式(2),
式(2)中,y是中垂线函数(中垂线每一个点的函数值)
以线段1为例,将线段1的两端点坐标 (200,200)(225,243)和斜率1.73代入式(2),得到线段1的中垂线的解析式是,
其他线段2、线段3和线段4的中垂线函数计算以此类推,不再赘述。
S2.4.3、在每一个线段的中垂线上均等距离选取r个像素点,r个像素点以每一个线段为对称轴对称选取,r个像素点的坐标分别记为(Xr,Yr),r个点的像素灰度值记为Gr。
同样以线段1的中垂线为例,在线段1的中垂线上取21个像素点,21个像素点坐标分别是(202,227)、(203,227)、(204,226)、(205,226)、(206,225)、(207,224)、(208,224)、(209,223)、 (210,223)、(211,222)、(212,221)、(213,220)、(214,221)、(215,220)、(216,219)、(217,219)、(218,218)、(219,217)、(220,217)、(221,216)和(222,216),以21个像素点的坐标作为实拍图像的像素坐标,得到21个像素点坐标对应灰度值Gr分别是:255、255、255、254、250、240、222、190、150、123、101、95、85、76、68、64、62、61、60、60和59。以像素点的数量r(21)为横坐标并以灰度值Gr为纵坐标建立新平面坐标系,得到21个像素点在新平面坐标系的坐标(r,Gr),即(1,255)、(2,255)、(3,255)、(4,254)、(5,250)、(6,240)、(7,222)、(8,190)、(9,150)、(10,123)、(11,101)、(12,95)、(13,85)、(14,76)、(15,68)、(16,64)、(17,62)、(18,61)、(19,60)、(20,60,)和(21,59)。
再以(r,|Gr-Gr-1|)的数值构成在新平面坐标系新的点坐标(1,0)(2,0),(3,1),(4,4),(5,10),(6,18),(7,32),(8,40),(9,27),(10,22),(11,6),(12,10),(13,9),(14,8),(15,4),(16,2),(17,1),(18,1),(19,0)(20,1),|Gr-Gr-1|是相邻两个像素点对应灰度值的差值绝对值。
根据新的点坐标可知,当r=8时,|Gr-Gr-1|的值(40)最大,如图1所示,实线Gx表示该中垂线上21个点的灰度值曲线,虚线为Gx表示是对r进行求导的dGx/dr曲线,通过比较各点dGx/dr的绝对值,可知该图中第8个点的灰度值变化最大。
以该新的点坐标对应的像素点坐标(209,223)的位置作为该线段1的一个精确边缘点。以此类推得到线段1的其他精确边缘点,再得到其他线段2、线段3和线段4的精确边缘点,即得到一个边缘段(一条边)的精确边缘点。另外二个边缘段的精确边缘点也可以根据上述步骤S2.4.1-S2.4.3同样得到。
S2.4.4、将得到的三个边缘段的全部精确边缘点的坐标进行一次函数拟合,将得到的拟合线作为三个边缘段的三条精确边缘线。三条精确边缘线表达式如下:
第一条精确边缘线的表达式是:y=200,
第二条精确边缘线表达式是:y=1.73x-146,
第三条精确边缘线表达式是:y=-1.73x+892。
所述根据点坐标拟合一次函数使用最小二乘法是现有方法,参见期刊:《基于最小二乘法的分段直线拟合算法》[J]. 薛丽红.贵阳学院学报(自然科学版). 2015(04)。
S2.4.5、分析三条精确边缘线与编号1待抓取物料中心的相对位置关系,对于编号1物料的来说,其投影是正三角形,即等边三角形。根据等边三角形的性质得知,正三角形的外接圆圆心与正三角形的中心是重合的。因此,根据S2.4.4步骤得到三条精确边缘线,得到第一条精确边缘线与第二条精确边缘线交点的坐标是(200,200),第二条精确边缘线与第三条精确边缘线交点的坐标是(300,373),第一条精确边缘线与第三条精确边缘线交点的坐标是(400,200)。将三个交点的坐标进行最小二乘法拟合圆,得到的拟合圆心坐标是(300,258),即为待抓取物料中心的精确中心坐标。
上述最小二乘法拟合圆为现有方法,此处不再详细描述,可参见文献《拟合圆的几种方法》[J]. 徐国旺,廖明潮.武汉工业学院学报.2002(04)。
S2.5、将上述步骤获得的待抓取物料中心的精确中心坐标(300,258)和编号1待抓取物料高度值10cm和托盘距离地面的高度值1m输入机器手的控制器,控制机器手抓取待抓取物料;重复上述S2.2-S2.5步骤,直到所有10个待抓取物料被抓取完毕,结束。
本实施例的进一步拓展是,上述S2.4.5步骤中:
对于编号2物料的来说,其投影是具有对角的长方形。根据长方形的性质得知,长方形的对角线交点与长方形的中心是重合的。因此,根据S2.4.4步骤可以得到四条精确边缘线,将四条精确边缘线的交点中呈对角的交点彼此连线(即对角线)形成的交点坐标即为待抓取物料的精确中心坐标。
对于编号3物料的来说,其投影是具有五角星形。根据五角星形的性质得知,其相隔的交点形成的外接圆圆心与五角星形的中心是重合的。因此,根据S2.4.4步骤可以得到十条精确边缘线,将十条精确边缘线的交点中相隔的交点坐标进行最小二乘法拟合圆,得到的拟合圆心坐标即为待抓取物料的精确中心坐标。
归纳以上可知,对于正投影俯视图形状是正多边形(如正三角形、正方形等)、呈对角的多边形(如长方形、菱形等)和多角星形(如五角星形等),均是通过S2.4.4步骤得到的该物料的精确边缘线交点,要么以精确边缘线交点拟合圆的圆心坐标,要么以精确边缘线交点中的对角线的交点坐标,来作为该物料的中心的精确中心坐标。
以上所述仅为本发明的较佳实施例而已,但本发明并不局限于此,所有根据本发明的构思及其技术方案加以等同替换或等同改变均应涵盖在本发明的保护范围之内。
Claims (5)
1. 一种基于二维低清晰度图像的机器手抓取规则物料方法,所述规则物料的正投影形状是正多边形、呈对角的多边形和多角星形,包括以下步骤:
S1、生产前准备
S1.1、将固定在地面上托盘调平,保证托盘整体在尽可能同一个水平面,读取托盘距离地面的高度值m并存储于数据库;
S1.2、根据工厂的工单信息,对所有物料进行种类编号n,并获取种类编号n的每一种物料的高度值bn, n是从1至所述物料种类总数的自然数;
S1.3、将2d工业相机固定于托盘的正上方,将每一种物料放入托盘内,使用2d工业相机对托盘进行定焦拍照,获得每一种物料的图像作为模型图像,将每一种物料的种类编号及对应该种类编号的高度值bn和模型图像存储于数据库;
S2、开始生产抓取
S2.1、用2d工业相机对放入托盘1中的待抓取物料进行定焦拍照,获得所有待抓取物料的实拍图像;
S2.2、将每一个实拍图像与数据库中的模型图像进行比较,分别得到每一个待抓取物料的种类编号和对应该种类编号的高度值;
S2.3、根据每一个实拍图像确定每一个待抓取物料中心的模糊中心坐标(x0 ,,y0 ,);
S2.4、根据每一个实拍图像的边缘来确定每一个待抓取物料中心的精确中心坐标(x0,y0)
S2.4.1、将每一个实拍图像的边缘分成多个边缘段,每一个边缘段的两个端点的坐标分别设为(x1,y1)和(x2,y2),每一个边缘段上任意像素点的坐标(x,,y,)与模糊中心坐标(x0 ,,y0 ,)的位置关系满足下式(1),
(x,- x1)( x2- x1)=(y,- y1)( y2- y1) (1),
由式(1)得到每一个边缘段斜率K=(x,- x1)/ (y,- y1)= ( y2- y1);
S2.4.2、将每一个边缘段等分为多个线段,得到每一个线段各自两端点的坐标;每一个线段的中垂线的解析式满足下式(2),
式(2)中,y是中垂线函数;
S2.4.3、在每一个线段的中垂线上均等距离选取r个像素点,r个像素点以每一个线段为对称轴对称选取,r个像素点的坐标分别记为(Xr,Yr) ,r个像素点的灰度值记为Gr,以像素点数量r作为横坐标并以灰度值Gr作为纵坐标,建立一个新平面坐标系,得到r个像素点在新平面坐标系的坐标(r,Gr),再以(r,|Gr-Gr-1|)的数值构成在新平面坐标系构成新的点坐标,根据新的点坐标判断灰度值记Gr最大位置点坐标对应的像素点坐标作为每一个线段的一个精确边缘点;以此类推得到,每一个线段的其他精确边缘点,即得到一个边缘段的精确边缘点;
根据上述步骤S2.4.1- S2.4.3得到每一个边缘段的精确边缘点;
S2.4.4、将每一个边缘段的全部精确边缘点进行一次函数拟合,将得到的拟合线作为每一个边缘段的精确边缘线;
S2.4.5、通过每一个边缘段的精确边缘线计算得到相邻精确边缘线的交点,将精确边缘线交点进行最小二乘法拟合圆,得到的圆心作为待抓取物料中心的精确中心坐标(x0,y0);或者将精确边缘线交点连成的对角线的交点作为待抓取物料中心的精确中心坐标(x0,y0);
S2.5、将上述步骤获得的每一个待抓取物料中心的精确中心坐标(x0,y0)和每一个待抓取物料的高度值bn和托盘距离地面的高度值m输入机器手的控制器,控制机器手抓取每一个待抓取物料;直到所有待抓取物料被抓取完毕,结束。
2.根据权利要求1所述基于二维低清晰度图像的机器手抓取规则物料方法,其特征在于:所述S2.4.5步骤中,
当待抓取物料的正投影图是正多边形时,将全部精确边缘线交点进行最小二乘法拟合圆,得到的圆心作为待抓取物料中心的精确中心坐标(x0,y0);
当待抓取物料的正投影图是呈对角的多边形时,将呈对角的精确边缘线交点连线形成对角线,得到对角线的交点作为待抓取物料中心的精确中心坐标(x0,y0);
当待抓取物料的正投影图是多角星形时,将相隔的精确边缘线交点进行最小二乘法拟合圆,得到的圆心作为待抓取物料中心的精确中心坐标(x0,y0)。
3.根据权利要求1所述基于二维低清晰度图像的机器手抓取规则物料方法,其特征在于:所述S1.3步骤中,是将种类编号n的每一种物料分别单独放入托盘内,获得每一种类编号的图像作为模型图像。
4.根据权利要求1所述基于二维低清晰度图像的机器手抓取规则物料方法,其特征在于:所述S1.3步骤中,是将种类编号n的每一种物料全部放入托盘内,对获得的所有种类编号物料的图像进行切割,获得每一种类编号的图像作为模型图像。
5.根据权利要求1所述基于二维低清晰度图像的机器手抓取规则物料方法,其特征在于:每一种类编号物料的高度值bn可以通过调取该种类编号物料的图纸或手动测量获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111408344.2A CN114102593B (zh) | 2021-11-24 | 2021-11-24 | 基于二维低清晰度图像的机器手抓取规则物料方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111408344.2A CN114102593B (zh) | 2021-11-24 | 2021-11-24 | 基于二维低清晰度图像的机器手抓取规则物料方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114102593A CN114102593A (zh) | 2022-03-01 |
CN114102593B true CN114102593B (zh) | 2023-03-28 |
Family
ID=80372464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111408344.2A Active CN114102593B (zh) | 2021-11-24 | 2021-11-24 | 基于二维低清晰度图像的机器手抓取规则物料方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114102593B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115781673A (zh) * | 2022-11-18 | 2023-03-14 | 节卡机器人股份有限公司 | 一种零件抓取方法、装置、设备及介质 |
CN116040261B (zh) * | 2022-12-23 | 2023-09-19 | 青岛宝佳智能装备股份有限公司 | 一种专用托盘翻转机 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106041937B (zh) * | 2016-08-16 | 2018-09-14 | 河南埃尔森智能科技有限公司 | 一种基于双目立体视觉的机械手抓取控制系统的控制方法 |
JP2019177436A (ja) * | 2018-03-30 | 2019-10-17 | 日本電産株式会社 | ロボット制御装置、ロボットの関節の角度を求める方法、プログラム |
CN108555908B (zh) * | 2018-04-12 | 2020-07-28 | 同济大学 | 一种基于rgbd相机的堆叠工件姿态识别及拾取方法 |
CN109848986B (zh) * | 2019-01-08 | 2020-09-15 | 北京市城市管理研究院(北京市环境卫生监测中心) | 基于机器视觉的目标物体高度不确定时的定位方法 |
CN111645074A (zh) * | 2020-06-01 | 2020-09-11 | 李思源 | 一种机器人抓取定位方法 |
CN111775152B (zh) * | 2020-06-29 | 2021-11-05 | 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 |
-
2021
- 2021-11-24 CN CN202111408344.2A patent/CN114102593B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114102593A (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114102593B (zh) | 基于二维低清晰度图像的机器手抓取规则物料方法 | |
CN103678754B (zh) | 信息处理装置及信息处理方法 | |
JP4785880B2 (ja) | 三次元オブジェクト認識のためのシステムおよび方法 | |
JP2919284B2 (ja) | 物体認識方法 | |
JPWO2019189661A1 (ja) | 学習データセット作製方法及び装置 | |
JP5458885B2 (ja) | 物体検出方法と物体検出装置およびロボットシステム | |
US20040170315A1 (en) | Calibration apparatus, calibration method, program for calibration, and calibration jig | |
CN112132907B (zh) | 一种相机标定方法、装置、电子设备及存储介质 | |
EP2659454A2 (en) | Information processing apparatus and method | |
Mason et al. | Automatic sensor placement for accurate dimensional inspection | |
CN114119488B (zh) | 一种面向工厂化的预制叠合板尺寸质量智能检测方法 | |
CN115609591B (zh) | 一种基于2D Marker的视觉定位方法和系统、复合机器人 | |
JP2001143073A (ja) | 物体の位置姿勢決定の方法 | |
Kampel et al. | Virtual reconstruction of broken and unbroken pottery | |
JP5462662B2 (ja) | 位置姿勢計測装置、物体識別装置、位置姿勢計測方法及びプログラム | |
CN116021519A (zh) | 一种基于tof相机采摘机器人手眼标定方法以及装置 | |
Chiang et al. | Robot vision using a projection method | |
CN110517208B (zh) | 坐标系关联方法及系统 | |
CN116494248B (zh) | 工业机器人的视觉定位方法 | |
JPH0981788A (ja) | 環境モデル入力装置 | |
CN113112548B (zh) | 基于编码立体靶标的双目摄像机内外参数的快速标定方法 | |
JP2000207557A (ja) | 位置ずれ量計測方法 | |
Manor et al. | Reverse engineering of 3D models based on image processing and 3D scanning techniques | |
JPH0799327B2 (ja) | カメラの焦点距離較正方法及び装置 | |
Park et al. | Pose Estimation of Two-Pose 3D Models Using the Base Tangent Plane and Stability Constraints. |
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 |