CN114505869A - 一种化学试剂智配机控制系统 - Google Patents

一种化学试剂智配机控制系统 Download PDF

Info

Publication number
CN114505869A
CN114505869A CN202210147851.3A CN202210147851A CN114505869A CN 114505869 A CN114505869 A CN 114505869A CN 202210147851 A CN202210147851 A CN 202210147851A CN 114505869 A CN114505869 A CN 114505869A
Authority
CN
China
Prior art keywords
mechanical arm
module
matching
track
instruction set
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
CN202210147851.3A
Other languages
English (en)
Inventor
刘光辉
张凯
韩九强
孟月波
徐胜军
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.)
Xian University of Architecture and Technology
Original Assignee
Xian University of Architecture and Technology
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 Xian University of Architecture and Technology filed Critical Xian University of Architecture and Technology
Priority to CN202210147851.3A priority Critical patent/CN114505869A/zh
Publication of CN114505869A publication Critical patent/CN114505869A/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
    • B25J11/00—Manipulators not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J15/00—Gripping heads and other end effectors
    • B25J15/08—Gripping heads and other end effectors having finger members
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J18/00—Arms
    • 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
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1661—Programme controls characterised by programming, planning systems for manipulators characterised by task planning, object-oriented languages
    • 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
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • 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
    • B25J9/1679—Programme controls characterised by the tasks executed
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Manipulator (AREA)

Abstract

本发明公开一种化学试剂智配机控制系统，其中视觉采集模块用于采集机械臂工作台上非固定位置的试剂瓶图片并得到试剂瓶的机械臂相对坐标，将机械臂相对坐标经过欧拉角变换得到抓取指令集，通过信息传递模块将抓取指令集传输至机械臂协同智配模块；机械臂轨迹计算模块用于得出机械臂的配比任务轨迹，并对得到的机械臂的配比任务轨迹进行后置得到配比指令集，通过信息传递模块将配比指令集传输至机械臂协同智配模块；机械臂协同智配模块用于接收抓取指令集和配比指令集，并控制第一机械臂和第二机械臂完成双机协同加工或各自独立工作；本发明的智配机可以适应多种类型工件的配比工作，效率高，可扩展性强，为企业和高校的相关研究与实践提供强有力的基础。

Description

一种化学试剂智配机控制系统
技术领域
本发明属于智能制造与机械臂技术领域，具体属于一种化学试剂智配机控制系统。
背景技术
人工智能的迅速发展将深刻改变人类社会生活，改变世界。而智能制造则是人工智能与制造业的深度融合。随着生命科学技术的飞速发展,生化实验室的研究工作面对的是更为复杂的研究对象和不断增多的样品数量,传统的手工操作方式已经不能满足高通量样品处理过程中所要求的高效性、准确性和安全性。同时，单个机器人因为其自身的一些局限性，往往无法完成较为复杂的工作任务。双工业机器人具有适应性强、灵活性好的优点，是实现智能制造的有效途径。将机器视觉与工业机器人相结合，研究面向机器人配比的机器视觉工件识别与机械臂控制系统具有重要意义。实验操作流程中部分或整体过程的自动化运行已成为必然趋势。
现有的配比仪器大多需要人们进行手动配比，过程较为繁琐且枯燥机械化，甚至有一定的危险性。例如病毒检测、易燃易爆液体实验等。
发明内容
为了解决现有技术中存在的问题，本发明提供一种化学试剂智配机控制系统，引入视觉采集模块实现未固定位置的零件识别抓取，使化学试剂智配机在实际工作环境中更加适用，代替传统的人工示教编程方式，提高了化学试剂智配机中工业机械臂的编程效率与工作精度。
为实现上述目的，本发明提供如下技术方案：一种化学试剂智配机控制系统，包括机械臂轨迹计算模块、信息传递模块、机械臂协同智配模块和设置在第一机械臂和第二机械臂上的视觉采集模块，其中，
所述视觉采集模块用于采集机械臂工作台上非固定位置的试剂瓶图片并得到试剂瓶的机械臂相对坐标，将机械臂相对坐标经过欧拉角变换得到抓取指令集，通过信息传递模块将抓取指令集传输至机械臂协同智配模块；
所述机械臂轨迹计算模块用于得出机械臂的配比任务轨迹，并对得到的机械臂的配比任务轨迹进行后置得到配比指令集，通过信息传递模块将配比指令集传输至机械臂协同智配模块；
所述机械臂协同智配模块用于接收抓取指令集和配比指令集，并控制第一机械臂和第二机械臂完成双机协同加工或各自独立工作。
进一步的，所述视觉采集模块包括第一视觉采集模块和第二视觉采集模块，第一视觉采集模块和第二视觉采集模块均为摄像头，第一机械臂上连接有第一夹爪，第二机械臂上连接有第二夹爪，第一视觉采集模块设置在第一夹爪上，第二视觉采集模块设置在第二夹爪上。
进一步的，所述第一夹爪上设置有试剂瓶盖夹取部和玻璃杯盖夹取部，玻璃杯夹取玻璃杯盖夹取部设置在试剂瓶盖夹取部的下方。
进一步的，第二夹爪上设置有试剂瓶身夹取部和移液枪夹取部，移液枪夹取部设置在试剂瓶身夹取部下方，移液枪上套设有辅助夹具，辅助夹具上设置有圆形卡槽和三角卡槽用于与第二夹爪移液枪夹取部相配合。
进一步的，所述视觉采集模块基于边缘检测算法对试剂瓶图片进行识别。
进一步的，所述视觉采集模块对试剂瓶图片进行预处理后，通过阈值分割和霍夫圆检测提取试剂瓶中心的像素坐标，并将试剂瓶中心像素坐标转换为机械臂相对坐标。
进一步的，采用以下公式将试剂瓶的中心像素坐标转换为世界坐标系下的机械臂相对坐标：
Figure BDA0003509065190000021
其中世界坐标系由矩阵
Figure BDA0003509065190000031
表示；像素坐标系的长和宽由矩阵
Figure BDA0003509065190000032
表示；dx和dy表示1个像素有多少长度，即用传感器的尺寸除以像素数量，f表示焦距，根据相似三角形，即：
Figure BDA0003509065190000033
cx和cy表示试剂瓶圆心的像素坐标位置。
进一步的，第一机械臂和第二机械臂的配比任务轨迹生成的步骤为：
步骤1：获取机械臂工作台上各部件的CAD工件模型并转换得到工件OCC模型；
步骤2：在工件OCC模型上以拾取点的形式定义第一机械臂和第二机械臂的抓取点、放置点和自由点；
步骤3：利用NURBS插补算法在点与点之间生成一系列的插补点；
步骤4：将步骤中得到抓取点、放置点和自由点以及步骤3得到的插补点构成第一机械臂和第二机械臂的配比任务轨迹。
进一步的，步骤3中，以拾取点的形式具体为：
步骤3.1：机械臂轨迹计算模块获取屏幕坐标系坐标；
步骤3.2：利用OpenGL函数，将屏幕坐标转换至窗口坐标，并在窗口坐标系中生成垂直于屏幕的直线；
步骤3.3：将窗口坐标系中的直线转换至OCC模型坐标系；
步骤3.4：保存该直线与OCC模型的若干交叉点中离观察者最近的一点为第一机械臂和第二机械臂的轨迹点。
进一步的，机械臂轨迹点的后置的具体步骤为：
步骤1：采用欧拉角描述机械臂的配比任务轨迹的姿态信息；
步骤2：在控制气泵开合的轨迹点后添加第一机械臂和第二机械臂的IO口电平输出的指令，得到配比任务轨迹；
步骤3：根据第一机械臂和第二机械臂的型号以及指令的模式，将步骤2得到的配比任务轨迹后置为第一机械臂和第二机械臂的配比指令集。
与现有技术相比，本发明至少具有以下有益效果：
本发明的一种化学试剂智配机控制系统，其包括机械臂轨迹计算模块1、信息传递模块2和机械臂协同智配模块5，在第一机械臂3和第二机械臂4引入视觉采集模块识别未固定位置零件的位置识别，使化学试剂智配机在实际工作环境中更加适用，同时机械臂协同智配模块控制第一机械臂3和第二机械臂4实现单机抓取、放置移液枪、玻璃杯盖、试剂瓶等零件的功能和双机开瓶盖、移液枪按压等协同功能，并可以按照设定好的轨迹完成配比任务，克服了现有的示教编程效率低下的问题，使编程者对复杂任务进行编程，远离了危险的工作环境，并对现有单个机械臂的局限性，实现双机械臂协同控制。
本发明的一种化学试剂智配机控制系统充分体现了工业机械臂协同作业，本发明加入视觉识别单元，可以适应多种类型工件的配比工作，效率高，可扩展性强，可以进一步对群工业机械臂智能作业的模式进行研究,为企业和高校的相关研究与实践提供强有力的基础。
本发明中提出的机械臂轨迹点生成和后置指令集方法，代替了传统的人工示教编程轨迹生成方式，提高了工业机械臂的编程效率与工作精度，而且节省了大量的人力成本。这类技术可以通过加工工件的三维模型的几何信息和拓扑信息，并且根据实际需求，利用轨迹生成算法和后置指令集方法生成相应加工轨迹点并转换为在工业机械臂上可以运行的指令集，可以很好满足任务复杂且精度高的任务；且相比现有机械臂控制技术,本发明加入了视觉信息处理单元,使得此系统可以适用于多种类型工件,适应性高,可移植性强。
附图说明
图1为本发明化学试剂智配机控制系统的架构图；
图2为本发明化学试剂智配机控制系统操作流程图；
图3为本发明视觉采集模块图片处理流程图；
图4为本发明第一夹爪的结构图；
图5为本发明第二夹爪的结构图；
图6为本发明移液枪的辅助夹具的结构图；
附图中：1机械臂轨迹计算模块；2信息传递模块；3第一机械臂；4第二机械臂；5机械臂协同智配模块；6第一夹爪；7第二夹爪；8第一视觉采集模块，9第二视觉采集模块；10第一气泵连接口；11试剂瓶盖夹取部；12玻璃杯盖夹取部；13第二气泵连接口；14试剂瓶身夹取部；15移液枪夹取部；16移液枪辅助夹具；17工作台。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步的说明。
如图1所示，本发明提供一种化学试剂智配机控制系统，包括机械臂轨迹计算模块1、信息传递模块2、机械臂协同智配模块5、设置在第一机械臂3和第二机械臂4上的视觉采集模块，其中：
1)第一机械臂3和第二机械臂4设置在机械臂协同智配区5的机械臂工作台17两侧，第一机械臂3上连接有第一夹爪6，第二机械臂4上连接有第二夹爪7，第一夹爪6和第二夹爪7均采用气动夹钳式取料手，因此第一夹爪6上设置有第一气泵连接口10，第二夹爪7上设置有第二气泵接口13；
如图4所示，第一夹爪6上设置有试剂瓶盖夹取部11和玻璃杯盖夹取部12，玻璃杯夹取玻璃杯盖夹取部12设置在试剂瓶盖夹取部11的下方，第一夹爪6负责抓取试剂瓶、打开玻璃杯盖子以及移液枪的按压。
如图5所示，第二夹爪7上设置有试剂瓶身夹取部15和移液枪夹取部15，移液枪夹取部15设置在试剂瓶身夹取部15下方，第二夹爪7用于协助第一夹爪12拧开试剂瓶盖、控制移液枪的移动。
优选的，如图6所示，移液枪上套设有辅助夹具16，辅助夹具16上设置有圆形卡槽和三角卡槽用于与第二夹爪7移液枪夹取部15相配合。
优选的，机械臂工作台17上包括原料瓶、移液枪等。
2)如图3所示，视觉采集模块用于采集非固定位置的试剂瓶图片并基于边缘检测算法对试剂瓶图片进行识别，得到试剂瓶的机械臂相对坐标，其经过欧拉角变换转换为抓取指令集，通过信息传递模块2将抓取指令集传输至机械臂协同智配模块5；
，优选的，视觉采集模块对采集的试剂瓶图片的处理过程为：
图片预处理，包括灰度变换、平滑滤波和反光处理；
图像处理,通过阈值分割和霍夫圆检测提取试剂瓶中心的像素坐标；
像素坐标转换，将检测到的试剂瓶中心像素坐标转换为机械臂相对坐标
优选的，试剂瓶的中心像素坐标转换为世界坐标系下的机械臂相对坐标采用以下公式推出：
Figure BDA0003509065190000061
其中世界坐标系由矩阵
Figure BDA0003509065190000062
表示；像素坐标系的长和宽由矩阵
Figure BDA0003509065190000063
表示；dx和dy表示1个像素有多少长度，即用传感器的尺寸除以像素数量。f表示焦距，根据相似三角形，即：
Figure BDA0003509065190000064
cx和cy表示中心点在像素中的位置，即试剂瓶圆心的像素坐标位置；
视觉采集模块包括第一视觉采集模块8和第二视觉采集模块9，第一视觉采集模块8和第二视觉采集模块9均为摄像头；
优选的，第一视觉采集模块8设置在第一夹爪6上，第二视觉采集模块9设置在第二夹爪7上。
3)机械臂轨迹计算模块1用于得出机械臂的配比任务轨迹，并将配比任务轨迹的轨迹点的后置得到配比指令集，通过信息传递模块2将配比指令集传输至机械臂协同智配模块5。
3.1)机械臂的配比任务轨迹生成：
步骤1：获取机械臂工作台17上各部的CAD工件模型；
步骤2：根据CAD工件模型几何信息和拓扑数据得到工件OCC模型；
步骤3：在工件OCC模型上以拾取点的形式来定义机械臂的抓取点、放置点和自由点；
步骤4：利用NURBS插补算法在点与点之间生成一系列的插补点；
机械臂的抓取点、放置点和自由点以及插补点即构成了机械臂的配比任务轨迹，其中机械臂的抓取点与放置点分别负责工件的抓取与放置，自由点为抓取点与放置点之间的中间点，负责抓取点与放置点之间的灵活过渡。
步骤3中，以拾取点的形式具体为：
步骤3.1：机械臂轨迹计算模块1获取屏幕坐标系坐标；
步骤3.2：利用OpenGL函数，将屏幕坐标转换至窗口坐标，并在窗口坐标系中生成垂直于屏幕的直线；
步骤3.3：将窗口坐标系中的直线转换至OCC模型坐标系；
步骤3.4：保存该直线与OCC模型的若干交叉点，取离观察者最近的一点为机械臂的轨迹点；
3.2)机械臂配比任务轨迹的轨迹点的后置：
步骤1：采用欧拉角来描述机械臂的配比任务轨迹的姿态信息，机器人的运动轨迹参数有六个，前三个是轨迹点的X、Y、Z坐标值，用来描述末端位置，后三个是欧拉角α、β、γ，用来描述末端姿态。
步骤2：在需要控制气泵的轨迹点后添加第一机械臂3和第二机械臂4的IO口电平输出指令用于控制第一夹爪6和第二夹爪7的开合；
步骤3：根据实际所使用的第一机械臂3和第二机械臂4的型号以及指令的模式，将步骤2得到的轨迹点信息翻译成第一机械臂3和第二机械臂4可识别的配比指令集；
4)机械臂协同智配模块5接收抓取指令集和配比指令集并控制第一机械臂3和第二机械臂4完成双机协同加工或各自独立工作，并在工作台17环境下对轨迹规划结果的进行实际验证，依据工业机器人的六个关节的运动限制范围，如果某个末端位姿通过逆运动学求解得到的关节角超过了限制,认为该位置不可达，并对异常轨迹点进行调整。
5)信息传递模块2包括路由器与网线，信息传递模块2承担机械臂轨迹计算模块1与第一机械臂3、第二机械臂4之间的通信工作；通过物联网技术，机械臂轨迹计算模块1与第一机械臂3、第二机械臂4之间组成了以路由器为中心的信息传递模块2，信息传递模块2中各个节点均通过路由器转发完成整个系统的通信。
信息传递模块2使用Socket进行基于TCP/IP协议的通信，将转换后的程序下载到机械臂中控制机械臂运动，对于双机械臂，通过设置两个通信线程，来分别与两台机械臂进行通信。通过两个线程间的相互通信完成双机协同。
如图2所示，一种化学试剂智配机控制系统操作的具体步骤如下：
步骤1：启动化学试剂智配机控制系统；
步骤2：触发视觉采集模块进行非固定位置的试剂瓶检测并抓取；
步骤3：机械臂轨迹计算模块1初始化需要型号的机械臂、工具以及工件模型；
步骤4：机械臂轨迹计算模块1的配比轨迹生成以及后置化学试剂配比轨迹指令集；
步驟5：第一机械臂3和第二机械臂4建立信息传递并识别信息传递模块2所对应的指令集；
步驟6:机械臂协同智配模块5执行化学试剂配比轨迹指令集，控制两个机械臂和气泵协同完成化学试剂配比任务。
优选的，视觉采集模块对采集的试剂瓶图片的处理过程为：
(b)图片预处理。包括灰度变换、平滑滤波和反光处理；
(c)图像处理。通过阈值分割和霍夫圆检测提取试剂瓶中心的像素坐标；
(d)像素坐标转换。将检测到的试剂瓶中心像素坐标转换为机械臂相对坐标；
(e)欧拉角变换。其经过欧拉角变换，并转换为抓取指令集并由信息传递模块2传输至机械臂协同智配模块5；
(f)机械臂协同智配模块5中控制第一机械臂3和第二机械臂4成功抓取试剂瓶后，执行机械臂轨迹计算模块1后置代码完成化学试剂配比轨迹，配比结束。

Claims (10)

1.一种化学试剂智配机控制系统，其特征在于，包括机械臂轨迹计算模块(1)、信息传递模块(2)、机械臂协同智配模块(5)和设置在第一机械臂(3)和第二机械臂(4)上的视觉采集模块，其中，
所述视觉采集模块用于采集机械臂工作台(17)上非固定位置的试剂瓶图片并得到试剂瓶的机械臂相对坐标，将机械臂相对坐标经过欧拉角变换得到抓取指令集，通过信息传递模块(2)将抓取指令集传输至机械臂协同智配模块(5)；
所述机械臂轨迹计算模块(1)用于得出机械臂的配比任务轨迹，并对得到的机械臂的配比任务轨迹进行后置得到配比指令集，通过信息传递模块(2)将配比指令集传输至机械臂协同智配模块(5)；
所述机械臂协同智配模块(5)用于接收抓取指令集和配比指令集，并控制第一机械臂(3)和第二机械臂(4)完成双机协同加工或各自独立工作。
2.根据权利要求1所述的一种化学试剂智配机控制系统，其特征在于，所述视觉采集模块包括第一视觉采集模块(8)和第二视觉采集模块(9)，第一视觉采集模块(8)和第二视觉采集模块(9)均为摄像头，第一机械臂(3)上连接有第一夹爪(6)，第二机械臂(4)上连接有第二夹爪(7)，第一视觉采集模块(8)设置在第一夹爪(6)上，第二视觉采集模块(9)设置在第二夹爪(7)上。
3.根据权利要求2所述的一种化学试剂智配机控制系统，其特征在于，所述第一夹爪(6)上设置有试剂瓶盖夹取部(11)和玻璃杯盖夹取部(12)，玻璃杯夹取玻璃杯盖夹取部(12)设置在试剂瓶盖夹取部(11)的下方。
4.根据权利要求2所述的一种化学试剂智配机控制系统，其特征在于，第二夹爪(7)上设置有试剂瓶身夹取部(15)和移液枪夹取部(15)，移液枪夹取部(15)设置在试剂瓶身夹取部(15)下方，移液枪上套设有辅助夹具(16)，辅助夹具(16)上设置有圆形卡槽和三角卡槽用于与第二夹爪(7)移液枪夹取部(15)相配合。
5.根据权利要求1所述的一种化学试剂智配机控制系统，其特征在于，所述视觉采集模块基于边缘检测算法对试剂瓶图片进行识别。
6.根据权利要求5所述的一种化学试剂智配机控制系统，其特征在于，所述视觉采集模块对试剂瓶图片进行预处理后，通过阈值分割和霍夫圆检测提取试剂瓶中心的像素坐标，并将试剂瓶中心像素坐标转换为机械臂相对坐标。
7.根据权利要求5所述的一种化学试剂智配机控制系统，其特征在于，采用以下公式将试剂瓶的中心像素坐标转换为世界坐标系下的机械臂相对坐标：
Figure FDA0003509065180000021
其中世界坐标系由矩阵
Figure FDA0003509065180000022
表示；像素坐标系的长和宽由矩阵
Figure FDA0003509065180000023
表示；dx和dy表示1个像素有多少长度，即用传感器的尺寸除以像素数量，f表示焦距，根据相似三角形，即：
Figure FDA0003509065180000024
cx和cy表示试剂瓶圆心的像素坐标位置。
8.根据权利要求1所述的一种化学试剂智配机控制系统，其特征在于，第一机械臂(3)和第二机械臂(4)的配比任务轨迹生成的步骤为：
步骤1：获取机械臂工作台(17)上各部件的CAD工件模型并转换得到工件OCC模型；
步骤2：在工件OCC模型上以拾取点的形式定义第一机械臂(3)和第二机械臂(4)的抓取点、放置点和自由点；
步骤3：利用NURBS插补算法在点与点之间生成一系列的插补点；
步骤4：将步骤(2)中得到抓取点、放置点和自由点以及步骤3得到的插补点构成第一机械臂(3)和第二机械臂(4)的配比任务轨迹。
9.根据权利要求8所述的一种化学试剂智配机控制系统，其特征在于，步骤3中，以拾取点的形式具体为：
步骤3.1：机械臂轨迹计算模块(1)获取屏幕坐标系坐标；
步骤3.2：利用OpenGL函数，将屏幕坐标转换至窗口坐标，并在窗口坐标系中生成垂直于屏幕的直线；
步骤3.3：将窗口坐标系中的直线转换至OCC模型坐标系；
步骤3.4：保存该直线与OCC模型的若干交叉点中离观察者最近的一点为第一机械臂(3)和第二机械臂(4)的轨迹点。
10.根据权利要求1所述的一种化学试剂智配机控制系统，其特征在于，机械臂轨迹点的后置的具体步骤为：
步骤1：采用欧拉角描述机械臂的配比任务轨迹的姿态信息；
步骤2：在控制气泵开合的轨迹点后添加第一机械臂(3)和第二机械臂(4)的IO口电平输出的指令，得到配比任务轨迹；
步骤3：根据第一机械臂(3)和第二机械臂(4)的型号以及指令的模式，将步骤2得到的配比任务轨迹后置为第一机械臂(3)和第二机械臂(4)的配比指令集。
CN202210147851.3A 2022-02-17 2022-02-17 一种化学试剂智配机控制系统 Pending CN114505869A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210147851.3A CN114505869A (zh) 2022-02-17 2022-02-17 一种化学试剂智配机控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210147851.3A CN114505869A (zh) 2022-02-17 2022-02-17 一种化学试剂智配机控制系统

Publications (1)

Publication Number Publication Date
CN114505869A true CN114505869A (zh) 2022-05-17

Family

ID=81551163

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210147851.3A Pending CN114505869A (zh) 2022-02-17 2022-02-17 一种化学试剂智配机控制系统

Country Status (1)

Country Link
CN (1) CN114505869A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115519546A (zh) * 2022-10-25 2022-12-27 中国科学院国家空间科学中心 一种基于智能视觉的天地协同空间科学实验机器人
CN116423471A (zh) * 2023-06-13 2023-07-14 中国农业科学院蔬菜花卉研究所 一种用于通量实验操作的智能协作机器人

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105127997A (zh) * 2015-08-10 2015-12-09 深圳百思拓威机器人技术有限公司 药剂师智能机器人系统及其控制方法
CN105500370A (zh) * 2015-12-21 2016-04-20 华中科技大学 一种基于体感技术的机器人离线示教编程系统及方法
WO2018086226A1 (zh) * 2016-11-09 2018-05-17 广州视源电子科技股份有限公司 机械臂的控制方法和装置
CN109760045A (zh) * 2018-12-27 2019-05-17 西安交通大学 一种离线编程轨迹生成方法及基于该方法的双机器人协同装配系统
CN109773798A (zh) * 2019-03-28 2019-05-21 大连理工大学 一种基于双目视觉的双机械臂协作控制方法
CN111230880A (zh) * 2020-02-24 2020-06-05 西安交通大学 一种离线编程中的复杂曲面加工轨迹生成方法
CN111325768A (zh) * 2020-01-31 2020-06-23 武汉大学 一种基于3d视觉和模仿学习的自由漂浮目标抓捕方法
CN111381815A (zh) * 2020-02-14 2020-07-07 西安交通大学 离线编程后置代码转换方法和基于该方法的双机器人协同智造系统、方法
CN111462154A (zh) * 2020-02-27 2020-07-28 中电莱斯信息系统有限公司 基于深度视觉传感器的目标定位方法、装置及自动抓取机器人
US20210323161A1 (en) * 2018-07-16 2021-10-21 Beijing Institute Of Technology Ultrasonic testing system of dual robot arms and method thereof

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105127997A (zh) * 2015-08-10 2015-12-09 深圳百思拓威机器人技术有限公司 药剂师智能机器人系统及其控制方法
CN105500370A (zh) * 2015-12-21 2016-04-20 华中科技大学 一种基于体感技术的机器人离线示教编程系统及方法
WO2018086226A1 (zh) * 2016-11-09 2018-05-17 广州视源电子科技股份有限公司 机械臂的控制方法和装置
US20210323161A1 (en) * 2018-07-16 2021-10-21 Beijing Institute Of Technology Ultrasonic testing system of dual robot arms and method thereof
CN109760045A (zh) * 2018-12-27 2019-05-17 西安交通大学 一种离线编程轨迹生成方法及基于该方法的双机器人协同装配系统
CN109773798A (zh) * 2019-03-28 2019-05-21 大连理工大学 一种基于双目视觉的双机械臂协作控制方法
CN111325768A (zh) * 2020-01-31 2020-06-23 武汉大学 一种基于3d视觉和模仿学习的自由漂浮目标抓捕方法
CN111381815A (zh) * 2020-02-14 2020-07-07 西安交通大学 离线编程后置代码转换方法和基于该方法的双机器人协同智造系统、方法
CN111230880A (zh) * 2020-02-24 2020-06-05 西安交通大学 一种离线编程中的复杂曲面加工轨迹生成方法
CN111462154A (zh) * 2020-02-27 2020-07-28 中电莱斯信息系统有限公司 基于深度视觉传感器的目标定位方法、装置及自动抓取机器人

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115519546A (zh) * 2022-10-25 2022-12-27 中国科学院国家空间科学中心 一种基于智能视觉的天地协同空间科学实验机器人
CN116423471A (zh) * 2023-06-13 2023-07-14 中国农业科学院蔬菜花卉研究所 一种用于通量实验操作的智能协作机器人
CN116423471B (zh) * 2023-06-13 2023-08-15 中国农业科学院蔬菜花卉研究所 一种用于通量实验操作的智能协作机器人

Similar Documents

Publication Publication Date Title
CN111347411B (zh) 基于深度学习的双臂协作机器人三维视觉识别抓取方法
CN111515945A (zh) 机械臂视觉定位分拣抓取的控制方法、系统及装置
CN110238845B (zh) 最优标定点选取和误差自测量的自动手眼标定方法及装置
CN101913076B (zh) 基于工业机器人的活塞、活塞销和连杆装配方法及装置
CN111923053A (zh) 基于深度视觉的工业机器人物件抓取示教系统及方法
CN114505869A (zh) 一种化学试剂智配机控制系统
CN107943283B (zh) 基于手势识别的机械臂位姿控制系统
Chen et al. Applying a 6-axis mechanical arm combine with computer vision to the research of object recognition in plane inspection
CN112509063A (zh) 一种基于边缘特征匹配的机械臂抓取系统及方法
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
CN111462154A (zh) 基于深度视觉传感器的目标定位方法、装置及自动抓取机器人
CN109877827B (zh) 一种连杆机械手的非定点物料视觉识别与抓取装置及方法
CN114571153A (zh) 一种基于3d点云的焊缝识别与机器人焊缝跟踪方法
CN110666801A (zh) 一种复杂工件匹配定位的抓取工业机器人
CN112926503B (zh) 一种基于矩形拟合的抓取数据集自动生成方法
CN113715016A (zh) 一种基于3d视觉的机器人抓取方法、系统、装置及介质
CN113618709A (zh) 一种用于智能产线的多模态力控无损抓取装置
CN117340929A (zh) 一种基于三维点云数据的柔性夹爪抓取处置装置及方法
CN115861780B (zh) 一种基于yolo-ggcnn的机械臂检测抓取方法
CN115194774A (zh) 一种基于多目视觉的双机械臂抓握系统控制方法
Ren et al. Vision based object grasping of robotic manipulator
CN112894830A (zh) 一种机器人对机房跳线的智能接线系统及接线方法
CN111300419A (zh) 基于Leap Motion模块的软体抓手控制方法及系统
Wang et al. Object Grabbing of Robotic Arm Based on OpenMV Module Positioning
Jiabu et al. Research on intelligent grasping system of monocular vision guided manipulator

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