CN116587323A - 基于机器视觉的机械臂动态仿真系统 - Google Patents
基于机器视觉的机械臂动态仿真系统 Download PDFInfo
- Publication number
- CN116587323A CN116587323A CN202310537457.5A CN202310537457A CN116587323A CN 116587323 A CN116587323 A CN 116587323A CN 202310537457 A CN202310537457 A CN 202310537457A CN 116587323 A CN116587323 A CN 116587323A
- Authority
- CN
- China
- Prior art keywords
- pixel point
- dynamic
- kth
- joint
- rotation
- 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
- 238000005094 computer simulation Methods 0.000 title claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims abstract description 9
- 230000003068 static effect Effects 0.000 claims description 13
- 238000004088 simulation Methods 0.000 abstract description 16
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000004042 decolorization Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J18/00—Arms
-
- 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)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供一种基于机器视觉的机械臂动态仿真系统,结合机械臂各臂段的运动原理,并利用机器视觉的方便优势,将机器视觉技术巧妙地结合进仿真过程,辅之以计算分析,分臂段进行仿真分析,综合考虑图像处理和实际操作,使得机械臂仿真系统更加贴近实际。
Description
技术领域
本发明涉及工业视觉领域,具体而言,涉及一种基于机器视觉的机械臂动态仿真系统。
背景技术
机械臂是指高精度,多输入多输出、高度非线性、强耦合的复杂系统。因其独特的操作灵活性,已在工业装配、安全防爆等领域得到广泛应用。
目前,市场上涌现出了名目繁多的计算机模拟的机械臂仿真系统,多是根据机械臂自身的运动原理进行计算机仿真。然而,在现场操作中,由于现场情况各有不同,机械臂未必严格遵循运动原理进行运动,这也导致计算机仿真效果出现了严重的失真。
因此,要使机械臂的动态仿真更加贴近具体操作现场,就需要考虑结合现场实际来有意识地调整机械臂仿真模型。而当今机器视觉的如火如荼的发展,则可能为机械臂的仿真操作另辟蹊径。
发明内容
本发明提供一种基于机器视觉的机械臂动态仿真系统,充分利用机器视觉的现场模拟优势,巧妙利用并分析动态像素点,在尊重并结合基本运动原理的基础上,使得系统更加符合现场实际。
具体而言,本发明提供一种基于机器视觉的机械臂动态仿真系统,机械臂包括依次枢转连接的固定底座、第1臂段、第2臂段…第n臂段,n≥2,在固定底座与第1臂段之间形成第1旋转关节点,在第k-1臂段与第k臂段之间形成第k旋转关节点,k从2至n依次取值,在所述机械臂动态仿真系统中,图像采集单元在一个运行周期内对机械臂进行图像采集,由此形成多个帧的采集图像,并将所述多个帧的采集图像输入图像处理单元,图像处理单元对每一帧的采集图像进行二值化处理形成多个帧的二值化图像,在二值化图像中过滤掉所有背景色像素,随后,图像处理单元利用动态概率分析以分析出二值化图像中的动态像素点集合和静态像素点集合,所述静态像素点集合对应于固定底座,将动态像素点集合与静态像素点集合之间的临界点设定为第1关节像素点,在所述动态像素点集合中提取与第1关节像素点在整个运行周期内距离始终不变的所有动态像素点作为第1动态像素点集合,并拟合出第1动态像素点集合的旋转角度与时间的第1旋转函数f1,由此仿真第1臂段在一个运行周期内的运行;接着,k从2至n依次取值,动态像素点集合中排除第1至第k-1动态像素点集合后的像素点集合称为剩余动态像素点集合,第k-1动态像素点集合与剩余动态像素点集合之间的临界点被确定为第k关节像素点,在剩余动态像素点集合中提取与第k关节像素点在整个运行周期内距离始终不变的所有动态像素点的集合作为第k动态像素点集合,并拟合出第k动态像素点集合的旋转角度与时间的第k旋转函数fk,由此仿真第k臂段在一个运行周期内的运行。
优选地,在第1旋转函数f1的拟合过程中,在所有帧的二值化图像中,仅提取第一动态像素点集合以及第一关节像素点形成第一关节旋转动画图,以第一关节像素点作为坐标系原点建立第一关节旋转坐标系,进而基于所有帧的第一关节旋转动画图拟合出该第一关节旋转坐标系中第一动态像素点集合的旋转角度与时间的第一旋转函数f1:ω1=f1(t),其中,该函数表示在运行周期期间的t时刻下第一关节旋转动画图的旋转角度ω1。
优选地,在第k旋转函数fk的拟合过程中,在所有帧的二值化图像中,仅提取第k动态像素点集合以及第k关节像素点形成第k关节旋转动画图,以第k关节像素点作为坐标系原点建立第k关节旋转坐标系,进而基于所有帧的第k关节旋转动画图拟合出该第k关节旋转坐标系中第k动态像素点集合的旋转角度与时间的第k旋转函数fk:ωk=fk(t),其中,该函数表示在运行周期期间的t时刻下第k关节旋转动画图的旋转角度ωk。
优选地,通过第1关节像素点、第1动态像素点集合、第1旋转函数,就能够在计算机中仿真出第1臂段在机械臂的一个运行周期内的运行。
更优选地,通过第k关节像素点、第k动态像素点集合、第k旋转函数fk,同时组合第1至第k-1旋转函数,即f1至fk-1,就能够在计算机中仿真第k臂段在一个运行周期内的运行。
可选地,n=3,所述机械臂包括三个臂段,分别为第1臂段、第2臂段、第3臂段。
可选地,第一关节旋转坐标系是二维坐标系或三维坐标系。
可选地,第k关节旋转坐标系是二维坐标系或三维坐标系。
本文所介绍的基于机器视觉的机械臂动态仿真系统结合机械臂各臂段的运动原理,并利用机器视觉的方便优势,将机器视觉技术巧妙地结合进仿真过程,辅之以计算分析,分臂段进行仿真分析,综合考虑图像处理和实际操作,使得机械臂仿真系统更加贴近实际。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,以下将对实施例或现有技术描述中所需要使用的附图进行论述,显然,在结合附图进行描述的技术方案仅仅是本发明的一些实施例,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图所示实施例得到其它的实施例及其附图。
图1示例性示出了一种机械臂的现场实例示意图;
图2示例性示出了根据本发明的实施例通过二值化图像处理去掉背景色后的机械臂图像示意图;
图3示例性示出了在本发明的机械臂动态仿真系统下机器视觉处理中所建立的针对特定臂段运动的二维坐标系;
图4大致示出了根据本发明示例性实施例的基于机器视觉的机械臂动态仿真系统针对三臂段机械臂的仿真流程图。
具体实施方式
以下将结合附图对本发明各实施例的技术方案进行清楚完整描述,显然,所描述的实施例仅为本发明的一部分实施例,而不是全部实施例。基于本发明中所述的实施例,本领域普通技术人员在不需要创造性劳动的前提下所得到的所有其它实施例,都在本发明所保护的范围内。
本发明提供一种基于机器视觉的机械臂动态仿真系统,利用机器视觉的现场特征提取,进而分析动态像素点的具体运动状态,从而实现了更贴近现场实际的机械臂动态仿真效果。
下文将详细描述根据本发明的基于机器视觉的机械臂动态仿真系统。
图1示例性示出了一种机械臂的现场实例示意图。如图1所示,机械臂包括固定底座100、第一臂段101、第二臂段102、第三臂段103。在固定底座100与第一臂段101之间形成第一旋转关节点101a,在第一臂段101与第二臂段102之间形成第二旋转关节点102a,在第二臂段102和第三臂段103之间形成第三旋转关节点103a。可以理解的是,第一旋转关节点101a控制第一臂段101的旋转,而在第一臂段101的旋转的基础上第二旋转关节点102a控制第二臂段102的旋转,在第二臂段102的旋转的基础上第三旋转关节点103a控制第三臂段103的旋转。在该示意图中,诸多点划线组成的阴影部分表示与机械臂颜色完全不同的现场背景。
需要说明的是,由于篇幅原因以及描述方便,本文以三臂段的机械臂进行举例,实际操作中的机械臂很可能远比三臂段机械臂复杂,臂段数量也远比本文举例要多得多。
操作中,图像采集单元在机械臂的一个运行周期内对机械臂进行图像采集,由此形成多个帧的采集图像,并将所述多个帧的采集图像输入图像处理单元。
在图像处理单元中,对每一帧的采集图像均进行二值化处理形成每一帧的二值化图像。图像的二值化,就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的只有黑和白的视觉效果。
在二值化图像中,机械臂与背景色形成截然不同且对比鲜明的颜色,由此可以在每一帧的二值化图像中过滤掉所有背景色像素,进而形成无背景色干扰的二值化图像,如图2所示。将图2与图1对比清晰可见,背景色已经通过二值化处理完全过滤掉。
进一步,图像处理单元利用动态概率分析可分析出每一帧的二值化图像中的动态像素点和静态像素点。
在机械臂的一个运行周期内,第一臂段101、第二臂段102、第三臂段103均会发生旋转,因此这三个臂段对应的所有像素点构成了动态像素点集合。而固定底座100由于在运行过程中始终不动,因此其对应的所有像素点构成静态像素点集合。
在实际操作中,机械臂的固定底座100与所有臂段的交界为第一旋转关节点101a。因此,对应地,利用动态概率分析,可以将动态像素点的集合与静态像素点集合之间的临界点设定为第一关节像素点,该第一关节像素点对应于实际中的第一旋转关节点101a。
动态像素点集合包括第一臂段101、第二臂段102、第三臂段103所对应的所有动态像素点,其中第一臂段101的动态像素点集合称为第一动态像素点集合,第二臂段102的动态像素点集合称为第二动态像素点集合,第三臂段103的动态像素点集合称为第三动态像素点集合。
在实际操作中,在三个臂段中,只有第一臂段101上的所有点位能够保持与第一旋转关节点101a距离不变,而第二臂段102和第三臂段103由于自身也有旋转运动,因此其上的点位不可能保持与第一旋转关节点101距离不变。
由此可以判断,在所有帧的二值化图像中,只有与第一臂段101对应的第一动态像素点集合中的每个动态像素点与第一关节像素点的距离在整个运行周期内始终保持不变。
由此就可以提取与第一关节像素点距离在整个运行周期内始终不变的所有动态像素点的集合,该集合可确定为与第一臂段101对应的第一动态像素点集合。
接着,在所有帧的二值化图像中,仅提取第一动态像素点集合以及第一关节像素点形成第一关节旋转动画图,由此形成如图3所示之图示,对应于第一臂段101关于第一旋转关节点的旋转。
在第一关节旋转动图中,以第一关节像素点作为坐标系原点建立第一关节旋转坐标系,进而基于所有帧的第一关节旋转动画图拟合出该坐标系中第一动态像素点集合的旋转角度与时间的第一旋转函数f1:ω1=f1(t),其中,该函数表示在运行周期期间的t时刻下第一关节旋转动画图的旋转角度ω1。
由此,通过第一关节像素点、第一动态像素点集合、第一旋转函数,就能够在计算机中仿真出第一臂段在一个运行周期内的运行。
进一步,再考察第二旋转关节点102a和第二臂段102。在如图1的实际情况中,第一臂段101和第二臂段102之间的连接点是第二旋转关节点102a。因此,在排除了静态像素点集合与第一动态像素点集合之后,二值化图像上将仅剩下第二动态像素点集合和第三动态像素点集合。
第二旋转关节点102a处于第一臂段101与第二臂段102之间的临界处。因此,在二值化图像中,第一动态像素点集合(对应于第一臂段101)与剩余的动态像素点集合(本示例中即为第二动态像素点集合和第三动态像素点集合)之间的临界点可确定为第二关节像素点(对应于第二旋转关节点102a)。
在实际操作中,第二臂段102上的所有点位均永远与第二旋转关节点102a保持距离不变,而第三臂段103上的点位则由于还要关于第三旋转关节点103a旋转,因此不可能与第二旋转关节点102a保持距离不变。
由此,在排除业已确定的第一动态像素点集合以及静态像素点集合之后,就可以提取与第二关节像素点距离在整个运行周期内始终不变的所有动态像素点的集合,该集合可确定为与第二臂段102对应的第二动态像素点集合。
接着,在所有帧的二值化图像中,仅提取第二动态像素点集合以及第二关节像素点形成第二关节旋转动画图,对应于第二臂段102关于第二旋转关节点102a的旋转。
在第二关节旋转动图中,以第二关节像素点作为坐标系原点建立第二关节旋转坐标系,进而基于所有帧的第二关节旋转动画图拟合出该坐标系中第二动态像素点集合的旋转角度与时间的第二旋转函数f2:ω2=f2(t),其中,该函数表示在运行周期期间的t时刻下第二关节旋转动画图的旋转角度ω2。
由此,通过第二关节像素点、第二动态像素点集合、第二旋转函数f2,同时组合第一旋转函数f1,就能够在计算机中仿真出第二臂段在一个运行周期内的运行。
之所以要将第一旋转函数与第二旋转函数相组合来确定第二臂的运行,原因在于第二臂102的运行轨迹不仅受限于其自身相对于第二旋转关节点102a的旋转,也受限于与其相连的第一臂101的旋转。
类似地,第三旋转关节点103a处于第二臂段102与第三臂段103之间的临界处。因此,在二值化图像中,第二动态像素点集合(对应于第二臂段102)与剩余的动态像素点集合(本示例中即为第三动态像素点集合)之间的临界点可确定为第三关节像素点(对应于第三旋转关节点103a)。
在排除业已确定的第一动态像素点集合、第二动态像素点集合以及静态像素点集合之后,就可以提取与第三关节像素点距离在整个运行周期内始终不变的所有动态像素点的集合,该集合可确定为与第三臂段103对应的第三动态像素点集合。
当然,由于在本示例中,第三臂段103为最后一个臂段,因此,也可以在动态像素点集合中排除第一动态像素点集合和第二动态像素点集合之后直接确定剩余的动态像素点集合为第三动态像素点集合(也就是最后一个动态像素点集合)。
接着,在所有帧的二值化图像中,仅提取第三动态像素点集合以及第三关节像素点形成第三关节旋转动画图,对应于第三臂段103关于第三旋转关节点103a的旋转。
在第三关节旋转动图中,以第三关节像素点作为坐标系原点建立第三关节旋转坐标系,进而基于所有帧的第三关节旋转动画图拟合出该坐标系中第三动态像素点集合的旋转角度与时间的第三旋转函数f3:ω3=f3(t),其中,该函数表示在运行周期期间的t时刻下第三关节旋转动画图的旋转角度ω3。
由此,通过第三关节像素点、第三动态像素点集合、第三旋转函数f3,同时组合第一旋转函数f1和第二旋转函数f2,就能够在计算机中仿真出第三臂段在一个运行周期内的运行。
与上文所述类似,之所以要将第一旋转函数、第二旋转函数与第三旋转函数相组合来确定第三臂的运行,原因在于第三臂103的运行轨迹不仅受限于其自身相对于第三旋转关节点103a的旋转,也受限于与其相连的第一臂101和第二臂102的旋转。
需要注意的是,本发明以三臂段的机械臂为例进行详细描述,但实际的机械臂的结构显然要远比示例复杂,其臂段数也可能远比三臂段要多得多,但均可依据上文所提供的技术启示进行递归仿真,工作原理完全相同。
另外,如图3所建立的坐标系在图示中为二维坐标系,实际上,为了做到更贴合实际的仿真,本发明并不限于二维坐标系,完全可以建立三维坐标系,如此,图像采集单元也要相应进行立体图像的采集。
图4大致示出了根据本发明示例性实施例的基于机器视觉的机械臂动态仿真系统针对三臂段机械臂的仿真流程图。
行文至此,本文已经详细介绍了根据本发明实施例的基于机器视觉的机械臂动态仿真系统,该系统结合机械臂各臂段的运动原理,并利用机器视觉的方便优势,将机器视觉技术巧妙地结合进仿真过程,辅之以计算分析,分臂段进行仿真分析,综合考虑图像处理和实际操作,使得机械臂仿真系统更加贴近实际。
以上所述仅为本发明的示例性实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (8)
1.一种基于机器视觉的机械臂动态仿真系统,机械臂包括依次枢转连接的固定底座、第1臂段、第2臂段…第n臂段,n≥2,在固定底座与第1臂段之间形成第1旋转关节点,在第k-1臂段与第k臂段之间形成第k旋转关节点,k从2至n依次取值,其特征在于,在所述机械臂动态仿真系统中,
图像采集单元在一个运行周期内对机械臂进行图像采集,由此形成多个帧的采集图像,并将所述多个帧的采集图像输入图像处理单元,
图像处理单元对每一帧的采集图像进行二值化处理形成多个帧的二值化图像,在二值化图像中过滤掉所有背景色像素,随后,图像处理单元利用动态概率分析以分析出二值化图像中的动态像素点集合和静态像素点集合,所述静态像素点集合对应于固定底座,
将动态像素点集合与静态像素点集合之间的临界点设定为第1关节像素点,在所述动态像素点集合中提取与第1关节像素点在整个运行周期内距离始终不变的所有动态像素点作为第1动态像素点集合,并拟合出第1动态像素点集合的旋转角度与时间的第1旋转函数f1,由此仿真第1臂段在一个运行周期内的运行;
接着,k从2至n依次取值,动态像素点集合中排除第1至第k-1动态像素点集合后的像素点集合称为剩余动态像素点集合,第k-1动态像素点集合与剩余动态像素点集合之间的临界点被确定为第k关节像素点,在剩余动态像素点集合中提取与第k关节像素点在整个运行周期内距离始终不变的所有动态像素点的集合作为第k动态像素点集合,并拟合出第k动态像素点集合的旋转角度与时间的第k旋转函数fk,由此仿真第k臂段在一个运行周期内的运行。
2.根据权利要求1所述的基于机器视觉的机械臂动态仿真系统,其特征在于,在第1旋转函数f1的拟合过程中,在所有帧的二值化图像中,仅提取第一动态像素点集合以及第一关节像素点形成第一关节旋转动画图,以第一关节像素点作为坐标系原点建立第一关节旋转坐标系,进而基于所有帧的第一关节旋转动画图拟合出该第一关节旋转坐标系中第一动态像素点集合的旋转角度与时间的第一旋转函数f1:ω1=f1(t),其中,该函数表示在运行周期期间的t时刻下第一关节旋转动画图的旋转角度ω1。
3.根据权利要求1或2所述的基于机器视觉的机械臂动态仿真系统,其特征在于,在第k旋转函数fk的拟合过程中,在所有帧的二值化图像中,仅提取第k动态像素点集合以及第k关节像素点形成第k关节旋转动画图,以第k关节像素点作为坐标系原点建立第k关节旋转坐标系,进而基于所有帧的第k关节旋转动画图拟合出该第k关节旋转坐标系中第k动态像素点集合的旋转角度与时间的第k旋转函数fk:ωk=fk(t),其中,该函数表示在运行周期期间的t时刻下第k关节旋转动画图的旋转角度ωk。
4.根据权利要求1所述的基于机器视觉的机械臂动态仿真系统,其特征在于,通过第1关节像素点、第1动态像素点集合、第1旋转函数,就能够在计算机中仿真出第1臂段在机械臂的一个运行周期内的运行。
5.根据权利要求4所述的基于机器视觉的机械臂动态仿真系统,其特征在于,通过第k关节像素点、第k动态像素点集合、第k旋转函数fk,同时组合第1至第k-1旋转函数,即f1至fk-1,就能够在计算机中仿真第k臂段在一个运行周期内的运行。
6.根据权利要求1所述的基于机器视觉的机械臂动态仿真系统,其特征在于,n=3,所述机械臂包括三个臂段,分别为第1臂段、第2臂段、第3臂段。
7.根据权利要求2所述的基于机器视觉的机械臂动态仿真系统,其特征在于,第一关节旋转坐标系是二维坐标系或三维坐标系。
8.根据权利要求3所述的基于机器视觉的机械臂动态仿真系统,其特征在于,第k关节旋转坐标系是二维坐标系或三维坐标系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310537457.5A CN116587323B (zh) | 2023-05-12 | 2023-05-12 | 基于机器视觉的机械臂动态仿真系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310537457.5A CN116587323B (zh) | 2023-05-12 | 2023-05-12 | 基于机器视觉的机械臂动态仿真系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116587323A true CN116587323A (zh) | 2023-08-15 |
CN116587323B CN116587323B (zh) | 2023-11-21 |
Family
ID=87589218
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310537457.5A Active CN116587323B (zh) | 2023-05-12 | 2023-05-12 | 基于机器视觉的机械臂动态仿真系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116587323B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013191128A (ja) * | 2012-03-15 | 2013-09-26 | Omron Corp | シミュレーション装置、シミュレーション方法、および、シミュレーションプログラム |
CN108153957A (zh) * | 2017-12-20 | 2018-06-12 | 中国运载火箭技术研究院 | 空间机械臂动力学仿真分析方法、系统及存储介质 |
CN110640748A (zh) * | 2019-11-07 | 2020-01-03 | 南京工程学院 | 基于双目视觉的双臂机器人协调控制方法 |
CN111872938A (zh) * | 2020-07-30 | 2020-11-03 | 清华大学 | 空间三维大尺度运动学仿真系统及方法 |
CN115122325A (zh) * | 2022-06-30 | 2022-09-30 | 湖南大学 | 一种具有视场约束的拟人化机械手鲁棒视觉伺服控制方法 |
CN115946131A (zh) * | 2023-03-14 | 2023-04-11 | 之江实验室 | 一种柔性关节机械臂运动控制仿真计算方法及装置 |
-
2023
- 2023-05-12 CN CN202310537457.5A patent/CN116587323B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013191128A (ja) * | 2012-03-15 | 2013-09-26 | Omron Corp | シミュレーション装置、シミュレーション方法、および、シミュレーションプログラム |
CN108153957A (zh) * | 2017-12-20 | 2018-06-12 | 中国运载火箭技术研究院 | 空间机械臂动力学仿真分析方法、系统及存储介质 |
CN110640748A (zh) * | 2019-11-07 | 2020-01-03 | 南京工程学院 | 基于双目视觉的双臂机器人协调控制方法 |
CN111872938A (zh) * | 2020-07-30 | 2020-11-03 | 清华大学 | 空间三维大尺度运动学仿真系统及方法 |
CN115122325A (zh) * | 2022-06-30 | 2022-09-30 | 湖南大学 | 一种具有视场约束的拟人化机械手鲁棒视觉伺服控制方法 |
CN115946131A (zh) * | 2023-03-14 | 2023-04-11 | 之江实验室 | 一种柔性关节机械臂运动控制仿真计算方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116587323B (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
NL2024682B1 (en) | Assembly monitoring method and device based on deep learning, and readable storage medium | |
CN110427917B (zh) | 用于检测关键点的方法和装置 | |
Raposo et al. | Theory and practice of structure-from-motion using affine correspondences | |
CN109472828B (zh) | 一种定位方法、装置、电子设备及计算机可读存储介质 | |
WO2016053067A1 (en) | 3-dimensional model generation using edges | |
CN107845113B (zh) | 目标元素定位方法、装置以及用户界面测试方法、装置 | |
WO2018122087A1 (en) | Method and device for joint segmentation and 3d reconstruction of a scene | |
CN110599522B (zh) | 一种视频序列中动态目标检测剔除方法 | |
CN107274368B (zh) | 兼容性视觉处理系统及方法 | |
CN113570658A (zh) | 基于深度卷积网络的单目视频深度估计方法 | |
CN110673607B (zh) | 动态场景下的特征点提取方法、装置、及终端设备 | |
CN116587323B (zh) | 基于机器视觉的机械臂动态仿真系统 | |
CN110648354A (zh) | 一种动态环境下的slam方法 | |
CN114119987A (zh) | 基于卷积神经网络的特征提取和描述子生成方法及系统 | |
Rodrigues et al. | FPGA-based rectification of stereo images | |
Georgoulas et al. | A real-time occlusion aware hardware structure for disparity map computation | |
CN116503538A (zh) | 基于倾斜摄影的单体建模方法、系统、终端及存储介质 | |
Ling et al. | Probabilistic dense reconstruction from a moving camera | |
Ding et al. | 3D Modeling of the Rotationally Symmetric Objects Using Kinect | |
KR20210026176A (ko) | 딥 러닝을 위한 라벨링 이미지 생성 방법 | |
CN112270357A (zh) | Vio视觉系统及方法 | |
CN110889894A (zh) | 三维人脸重建方法、装置及终端设备 | |
CN108769458A (zh) | 一种深度视频场景分析方法 | |
Rojkov et al. | Tracking algorithms for cooperative telemaintenance repair operations | |
CN109478326B (zh) | 一种图像处理方法、终端设备及计算机存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231030 Address after: 518000 1st floor, building a, 46 Xingye 1st Road, Fenghuang community, Fuyong street, Bao'an District, Shenzhen City, Guangdong Province Applicant after: Dezhong (Shenzhen) laser Intelligent Technology Co.,Ltd. Address before: Building 101, Building A, No. 46 Xingye 1st Road, Fenghuang Community, Fuyong Street, Bao'an District, Shenzhen City, Guangdong Province, 518000 Applicant before: Guangdong Dezhong Zhonghui Intelligent Equipment Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |