CN117260003A - 一种汽车座椅骨架自动摆件打钢刻码方法及系统 - Google Patents
一种汽车座椅骨架自动摆件打钢刻码方法及系统 Download PDFInfo
- Publication number
- CN117260003A CN117260003A CN202311551481.0A CN202311551481A CN117260003A CN 117260003 A CN117260003 A CN 117260003A CN 202311551481 A CN202311551481 A CN 202311551481A CN 117260003 A CN117260003 A CN 117260003A
- Authority
- CN
- China
- Prior art keywords
- steel
- workbench
- grabbing
- positioning
- stage
- 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
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 101
- 239000010959 steel Substances 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000007639 printing Methods 0.000 claims abstract description 71
- 210000001503 joint Anatomy 0.000 claims abstract description 29
- 230000011218 segmentation Effects 0.000 claims abstract description 17
- 230000003213 activating effect Effects 0.000 claims description 54
- 238000009628 steelmaking Methods 0.000 claims description 19
- 238000009826 distribution Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 17
- 238000007599 discharging Methods 0.000 claims description 16
- 238000012546 transfer Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 13
- 230000000007 visual effect Effects 0.000 claims description 13
- 238000010009 beating Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 2
- 238000003032 molecular docking Methods 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 17
- 238000004519 manufacturing process Methods 0.000 description 9
- 238000012015 optical character recognition Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012797 qualification Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000003754 machining Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 238000004080 punching Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 239000012636 effector Substances 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 208000016354 hearing loss disease Diseases 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000007514 turning Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/36—Removing material
- B23K26/362—Laser etching
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/70—Auxiliary operations or equipment
- B23K26/702—Auxiliary equipment
-
- 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
- B25J9/1656—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K2101/00—Articles made by soldering, welding or cutting
- B23K2101/007—Marks, e.g. trade marks
-
- 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
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Optics & Photonics (AREA)
- Multimedia (AREA)
- Plasma & Fusion (AREA)
- Robotics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Automation & Control Theory (AREA)
- Computational Linguistics (AREA)
- Manipulator (AREA)
Abstract
本发明提供了一种汽车座椅骨架自动摆件打钢刻码方法及系统，涉及自动摆件打钢刻码技术领域，包括：当上料车和上料组件对接完成时，扫描第一工作台获得第一图像采集结果，进行语义分割获得零件标识区域，构建三维虚拟坐标系获得定位坐标，进行抓取轨迹规划，生成一、二、三阶段抓取控制参数，从第一工作台抓取第一零件转运至第二工作台进行打钢刻码，完成时抓取转运至第三工作台进行打钢刻码工装，完成时抓取转运至第四工作台，激活下料车和所述下料组件对接，运输打钢刻码完成零件。本发明解决了现有技术靠人工完成摆件，并且设备在打钢刻码的过程中会产生噪音对该岗位的操作者造成损伤，导致效率低、自动化程度低、工作环境差的技术问题。
Description
技术领域
本发明涉及自动摆件打钢刻码技术领域，具体涉及一种汽车座椅骨架自动摆件打钢刻码方法及系统。
背景技术
汽车座椅骨架是汽车座椅的重要组成部分，由金属材料制成，为了管理和追踪座椅骨架的生产过程，打钢刻码技术被广泛应用，打钢刻码是指在座椅骨架上通过打印标识码，以便于识别、追溯和管理。在现有技术下，汽车座椅骨架打钢刻码方法面临以下技术问题，一方面，传统方法中，摆件和打钢刻码通常需要人工操作，这导致生产效率低下、容易出错并且较为耗时；另一方面，在传统的手动打钢刻码过程中，操作者会长时间暴露在噪音环境下，可能导致听力损害和其他健康问题。
因此，需要寻求一种高度自动化的解决方案，可以提高生产效率、减少错误和增加安全性。
发明内容
本申请通过提供了一种汽车座椅骨架自动摆件打钢刻码方法及系统，旨在解决现有技术靠人工完成摆件，并且设备在打钢刻码的过程中会产生噪音对该岗位的操作者造成损伤，导致效率低、自动化程度低、工作环境差的技术问题。
鉴于上述问题，本申请提供了一种汽车座椅骨架自动摆件打钢刻码方法及系统。
本申请公开的第一个方面，提供了一种汽车座椅骨架自动摆件打钢刻码方法，应用于汽车座椅骨架自动摆件打钢刻码系统，所述系统和自动摆件打钢刻码装置通信连接，所述自动摆件打钢刻码装置包括视觉组件、上料组件、下料组件、打钢刻码组件、抓取装置、机器人和打钢刻码工装组件，所述方法包括：当上料车和上料组件对接完成时，激活视觉组件扫描上料组件的第一工作台，获得第一图像采集结果；对第一图像采集结果进行语义分割，获得零件标识区域；构建三维虚拟坐标系，对自动摆件打钢刻码装置和所述零件标识区域进行定位，获得抓取装置定位坐标、零件定位坐标、打钢刻码组件的第二工作台定位坐标、打钢刻码工装组件的第三工作台定位坐标和下料组件的第四工作台定位坐标；激活机器人接收所述抓取装置定位坐标、所述零件定位坐标和所述第二工作台定位坐标进行抓取轨迹规划，生成一阶段抓取控制参数；激活机器人接收所述第二工作台定位坐标和所述第三工作台定位坐标进行抓取轨迹匹配，生成二阶段抓取控制参数；激活机器人接收所述第三工作台定位坐标和所述第四工作台定位坐标进行抓取轨迹规划，生成三阶段抓取控制参数；基于所述一阶段抓取控制参数控制所述抓取装置从所述第一工作台抓取第一零件转运至第二工作台进行打钢刻码，当所述打钢刻码组件生成打钢刻码完成信号时，基于所述二阶段抓取控制参数控制所述抓取装置从所述第二工作台抓取所述第一零件转运至第三工作台进行打钢刻码工装；当生成打钢刻码工装完成信号时，基于所述三阶段抓取控制参数控制所述抓取装置从所述第三工作台抓取所述第一零件转运至第四工作台，激活下料车和所述下料组件对接，运输打钢刻码完成零件。
本申请公开的另一个方面，提供了一种汽车座椅骨架自动摆件打钢刻码系统，所述系统和自动摆件打钢刻码装置通信连接，所述自动摆件打钢刻码装置包括视觉组件、上料组件、下料组件、打钢刻码组件、抓取装置、机器人和打钢刻码工装组件，所述系统用于上述方法，所述系统包括：图像采集模块，所述图像采集模块用于当上料车和上料组件对接完成时，激活视觉组件扫描上料组件的第一工作台，获得第一图像采集结果；语义分割模块，所述语义分割模块用于对第一图像采集结果进行语义分割，获得零件标识区域；区域定位模块，所述区域定位模块用于构建三维虚拟坐标系，对自动摆件打钢刻码装置和所述零件标识区域进行定位，获得抓取装置定位坐标、零件定位坐标、打钢刻码组件的第二工作台定位坐标、打钢刻码工装组件的第三工作台定位坐标和下料组件的第四工作台定位坐标；一阶段参数获取模块，所述一阶段参数获取模块用于激活机器人接收所述抓取装置定位坐标、所述零件定位坐标和所述第二工作台定位坐标进行抓取轨迹规划，生成一阶段抓取控制参数；二阶段参数获取模块，所述二阶段参数获取模块用于激活机器人接收所述第二工作台定位坐标和所述第三工作台定位坐标进行抓取轨迹匹配，生成二阶段抓取控制参数；三阶段参数获取模块，所述三阶段参数获取模块用于激活机器人接收所述第三工作台定位坐标和所述第四工作台定位坐标进行抓取轨迹规划，生成三阶段抓取控制参数；打钢刻码模块，所述打钢刻码模块用于基于所述一阶段抓取控制参数控制所述抓取装置从所述第一工作台抓取第一零件转运至第二工作台进行打钢刻码，当所述打钢刻码组件生成打钢刻码完成信号时，基于所述二阶段抓取控制参数控制所述抓取装置从所述第二工作台抓取所述第一零件转运至第三工作台进行打钢刻码工装；零件运输模块，所述零件运输模块用于当生成打钢刻码工装完成信号时，基于所述三阶段抓取控制参数控制所述抓取装置从所述第三工作台抓取所述第一零件转运至第四工作台，激活下料车和所述下料组件对接，运输打钢刻码完成零件。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
引入自动摆件打钢刻码系统，借助视觉组件、上料组件、下料组件、打钢刻码组件、抓取装置、机器人和打钢刻码工装组件等模块，实现自动化的摆件和打钢刻码过程，提高生产效率和精度；通过视觉组件和语义分割技术，准确获取并标识零件标识区域，确保钢刻码在正确的位置进行，通过构建三维虚拟坐标系和合适的定位坐标计算，实现机器人的准确定位和抓取装置的精确抓取，避免位置偏差；根据不同工作台的定位坐标，生成一、二、三阶段的抓取控制参数，确保零件的平稳转运和准确放置，通过控制抓取装置的移动和激活下料车和下料组件对接，实现按顺序进行打钢刻码、打钢刻码工装和下料运输至指定区域；通过机器人和自动化设备的使用，减少人工操作的需求，降低人为错误，并避免操作者受到噪音损伤的风险，改善了工作环境的安全性。综上所述，该方法实现了高度自动化的汽车座椅骨架摆件和打钢刻码过程，提高生产效率、降低人为错误，并改善工作环境安全性。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种汽车座椅骨架自动摆件打钢刻码装置可能的结构图；
图2为本申请实施例提供了一种汽车座椅骨架自动摆件打钢刻码方法流程示意图；
图3为本申请实施例提供了一种汽车座椅骨架自动摆件打钢刻码系统结构示意图。
附图标记说明：上料组件11，视觉组件21、抓取装置31、打钢刻码组件41，下料组件51，上料车61，下料车71，机器人81，打钢刻码工装组件91；图像采集模块10，语义分割模块20，区域定位模块30，一阶段参数获取模块40，二阶段参数获取模块50，三阶段参数获取模块60，打钢刻码模块70，零件运输模块80。
具体实施方式
本申请实施例通过提供一种汽车座椅骨架自动摆件打钢刻码方法，解决了现有技术靠人工完成摆件，并且设备在打钢刻码的过程中会产生噪音对该岗位的操作者造成损伤，导致效率低、自动化程度低、工作环境差的技术问题。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一：
如图1所示，本申请提供了一种自动摆件打钢刻码装置，所述自动摆件打钢刻码装置包括视觉组件21、上料组件11、下料组件51、打钢刻码组件41、抓取装置31、机器人81和打钢刻码工装组件91。
其中，视觉组件21是系统中的一个组件，可以是高清摄像头或其他图像采集设备，用于采集图像信息，特别是用于扫描上料组件的第一工作台，以获取第一图像采集结果；上料组件11与上料车61对接，包括在制造过程中将零件提供给系统的机械设备；下料组件51与上料组件11相似，用于将已经完成打钢刻码的零件移出系统，通过下料车71完成；打钢刻码组件41用于将标识信息刻在零件上，通常是通过激光刻码方式来实现；抓取装置31是用来抓取零件的装置，由机械臂实现，可以控制在不同工作台之间移动零件；机器人81用于执行抓取、定位、转移零件的任务，机器人81的运动和操作受到系统的控制；打钢刻码工装组件91是用于支撑和定位零件以进行打钢刻码的装置。
这些组件协同工作，以实现自动化的汽车座椅骨架打钢刻码过程，确保零件被准确地标识和定位，该装置的设计使其能够自动执行多个任务，包括零件抓取、定位、刻码，以及零件的运输。
上述装置标号已解释清楚，后续实施例为重点阐述算法流程，不再对标号作附加说明。
实施例二：
如图1和图2所示，本申请实施例提供了一种汽车座椅骨架自动摆件打钢刻码方法，应用于汽车座椅骨架自动摆件打钢刻码系统，所述系统和自动摆件打钢刻码装置通信连接，所述自动摆件打钢刻码装置包括视觉组件、上料组件、下料组件、打钢刻码组件、抓取装置、机器人和打钢刻码工装组件，所述方法包括：
当上料车和上料组件对接完成时，激活视觉组件扫描上料组件的第一工作台，获得第一图像采集结果；
具体的，本申请实施例提供的一种汽车座椅骨架自动摆件打钢刻码方法，应用于汽车座椅骨架自动摆件打钢刻码系统，所述系统和自动摆件打钢刻码装置通信连接，如图1所示，所述自动摆件打钢刻码装置包括视觉组件、上料组件、下料组件、打钢刻码组件、抓取装置、机器人和打钢刻码工装组件。其中，上述装置标号已在实施例一中解释清楚，后续步骤为重点阐述算法流程，不对标号作附加说明。
具体来说，上料车和上料组件对接是由操作人员或自动化系统控制完成的，上料车将零件移动到上料组件的位置，确保它们正确对接，当上料车和上料组件完成对接，激活视觉组件，即启动高清摄像头或其他图像采集设备，视觉组件开始扫描上料组件的第一工作台，这是零件在打钢刻码之前需要经过的工作台，扫描并拍摄一系列图像，获取上料组件第一工作台的图像信息，这些图像包括第一工作台上零件的图像信息，以及背景信息。整个过程旨在获取第一工作台上零件的图像信息，以便系统能够识别和定位零件，为后续的操作和控制提供必要的数据。
进一步而言，当上料车和上料组件对接完成时，激活视觉组件扫描上料组件的第一工作台，获得第一图像采集结果，包括：
获得第一零件基础信息，其中，所述第一零件基础信息包括第一零件型号信息和零件加工节点信息；
基于所述第一零件型号信息和所述零件加工节点信息，采集零件灰度特征值；
基于所述零件灰度特征值，对所述第一工作台设定背景灰度特征值，其中，所述背景灰度特征值和所述零件灰度特征值具有预设灰度差值；
将所述第一工作台的表面灰度设为所述背景灰度特征值，激活视觉组件扫描上料组件的第一工作台，获得所述第一图像采集结果。
通过查阅产品文档、零件图纸或相关数据库，查找有关第一零件的型号信息；参考制造工艺规程、加工指导书等，获取有关零件加工节点的信息，包括零件的加工过程、所需工具、工艺参数等。
根据零件的特性，选择合适的采集方法，例如，使用图像传感器或扫描仪来获取零件的灰度图像，按照零件加工节点信息的指导，将零件放置在适当的位置，并使用相机或扫描仪进行图像采集，确保图像覆盖整个零件表面，并尽量减少光照和阴影对图像质量的影响。
将采集到的图像进行处理和分析，常见的方法包括边缘检测、灰度直方图分析、纹理特征提取等，对处理得到的零件区域进行灰度转换，提取零件的灰度值，根据采集到的零件灰度值，确定零件的平均灰度或其他相关的灰度特征值，例如灰度区间，作为零件灰度特征值，这些特征值用于描述零件的外观特征，并在后续的分析和比较中使用。
根据实际情况和历史经验，设定预设灰度差值，用于确保零件灰度特征值与背景灰度特征值的差异足够明显，以使得能够准确进行区分。基于零件的灰度特征值和预设灰度差值，调整背景灰度特征值，例如将零件的灰度特征值和预设灰度差值进行加和，将计算结果作为背景灰度特征值，使所述背景灰度特征值和所述零件灰度特征值的差值满足预设灰度差值，以使得能够准确进行区分。
调整第一工作台的背景灯光、材料或涂层，通过调整光源亮度、反射率等，将第一工作台的表面灰度调整为所述背景灰度特征值，确保表面灰度与之前计算的背景灰度特征值一致。启动视觉组件，以便其开始扫描上料组件的第一工作台，执行图像采集操作，获得所述第一图像采集结果，图像中包含第一零件区域和第一工作台的背景区域。
对第一图像采集结果进行语义分割，获得零件标识区域；
语义分割是一种图像处理技术，其目标是将图像中的不同对象或区域分离出来并标识它们，在这里，使用语义分割技术来将第一图像采集结果中的零件标识区域与背景区域分开。
进一步而言，对第一图像采集结果进行语义分割，获得零件标识区域，包括：
随机获得第一图像采集结果的第一像素点；
当第一像素点灰度值与所述背景灰度特征值的灰度偏差小于或等于灰度一致性偏差阈值，将所述第一像素点添加进第一类型像素点；
当第一像素点灰度值与所述背景灰度特征值的灰度偏差大于灰度一致性偏差阈值，将所述第一像素点添加进第二类型像素点；
将所述第一类型像素点的灰度值置为0，将所述第二类型像素点的灰度值置为255，生成第一特征图像，其中，所述第一特征图像具有由所述第二类型像素点组成的所述零件标识区域。
获取第一图像采集结果的尺寸信息，包括宽度和高度，以此确定随机选择像素点的范围。使用随机数生成器，生成两个随机数作为像素点的坐标，随机数的取值范围在图像尺寸的有效范围内，即宽度和高度之间。根据随机生成的坐标，通过索引访问获取第一图像采集结果对应位置的像素值，获取第一像素。
根据实际情况和预设需求，预先定义灰度一致性偏差阈值，用于判断第一像素点与背景灰度特征值之间的灰度偏差是否在可接受范围内。
对比第一像素点的灰度值和背景灰度特征值，计算它们之间的差值，并进行绝对值处理，获取灰度偏差，将计算得到的灰度偏差与预先定义的灰度一致性偏差阈值进行比较，如果灰度偏差小于或等于阈值，则说明第一像素点与背景灰度特征值在灰度上具有一致性，即差异不明显，则将该第一像素点添加到第一类型像素点集合中。
如果灰度偏差大于灰度一致性偏差阈值，则说明第一像素点与背景灰度特征值在灰度上存在不一致性，即差异明显，则将该第一像素点添加到第二类型像素点集合中。
创建一个与原始图像尺寸相同的新图像，用于生成第一特征图像，遍历第一类型像素点集合，将这些像素点在新图像中的灰度值设置为0，这样做可以将第一类型像素点的灰度值置为黑色；遍历第二类型像素点集合，将这些像素点在新图像中的灰度值设置为255，这样做可以将第二类型像素点的灰度值置为白色。
根据第二类型像素点的位置和灰度值设置，在新图像中形成由第二类型像素点组成的白色的零件标识区域，完成上述操作后，获得一个新的图像，即第一特征图像，其中包含了由第二类型像素点组成的零件标识区域。
总的来说，使用标识区域的定位信息，机器可以精确地抓取零件，而无需零件放置在固定区域，这种方法可以实现在不同位置的工作台上抓取零件，而不需要手动调整或将零件放置在特定位置，这有效解决了对于机器来说固定位置取放、对准的方法存在的算力需求大、误差概率高的技术问题，通过语义分割，实现零件的定位，只需要零件在相对应的工作台即可进行抓取。
构建三维虚拟坐标系，对自动摆件打钢刻码装置和所述零件标识区域进行定位，获得抓取装置定位坐标、零件定位坐标、打钢刻码组件的第二工作台定位坐标、打钢刻码工装组件的第三工作台定位坐标和下料组件的第四工作台定位坐标；
以世界坐标系为参考，建立一个三维虚拟坐标系，这个坐标系用于描述和定位各个组件和工作台，包括X轴、Y轴和Z轴，分别表示水平、垂直和深度方向，其中，世界坐标系是系统的绝对坐标系，在画面上所有点的坐标都是以该坐标系的原点来确定各自的位置的。
安装测量设备，如激光扫描仪，以准确测量自动摆件打钢刻码装置和零件标识区域的位置，并将位置坐标与全局坐标系关联，以确定其在坐标系中的位置。
对于打钢刻码组件的第二工作台、第三工作台和第四工作台，重复相似的过程，将其位置坐标与全局坐标系关联，以确定其在坐标系中的位置。将所有定位坐标存储并展示在构建好的三维虚拟坐标系中，用于准确定位自动摆件打钢刻码装置、零件标识区域以及其他工作台的坐标，这为自动化系统提供准确的位置信息，以便机器人能够执行任务并与其他组件协同工作。
激活机器人接收所述抓取装置定位坐标、所述零件定位坐标和所述第二工作台定位坐标进行抓取轨迹规划，生成一阶段抓取控制参数；
获取抓取装置定位坐标、零件定位坐标和第二工作台定位坐标，这些坐标表示了机器人需要在三维空间中移动的目标位置，根据当前机器人位置和目标位置之间的障碍物信息，规划从第一工作台到第二工作台的路径，由于第一工作台零件位置非固定，需要实时规划路径以适应不同的工件位置。
基于规划得到的路径，生成抓取轨迹，通过在路径上选择适当的路点，并确定机器人的运动速度和加速度，生成平滑的轨迹，以确保机器人在移动和抓取过程中的稳定性和准确性。根据抓取轨迹规划的结果，生成一阶段抓取控制参数，这些参数包括机器人的关节角度、末端执行器的位置和姿态等信息，以便机器人能够按照规划的轨迹进行精确地抓取动作。
进一步而言，激活机器人接收所述抓取装置定位坐标、所述零件定位坐标和所述第二工作台定位坐标进行抓取轨迹规划，生成一阶段抓取控制参数，包括：
以所述抓取装置定位坐标为起点坐标，以所述零件定位坐标为中点坐标，以所述第二工作台定位坐标为终点坐标；
连接所述起点坐标和所述中点坐标，生成第一运动路径，连接所述中点坐标和所述终点坐标，生成第二运动路径；
获得抓取装置预设通行体积，以所述第一运动路径为轴线进行扩充，生成第一轨迹通道，以所述第二运动路径为轴线进行扩充，生成第二轨迹通道；
获得所述第一轨迹通道的第一障碍物分布位置集，以及所述第二轨迹通道的第二障碍物分布位置集；
基于所述第一障碍物分布位置集和所述抓取装置预设通行体积，对所述第一轨迹通道进行调节，生成第三轨迹通道；
基于所述第二障碍物分布位置集和所述抓取装置预设通行体积，对所述第二轨迹通道进行调节，生成第四轨迹通道；
根据所述第三轨迹通道和所述第四轨迹通道，生成所述一阶段抓取控制参数。
由于在第一工作台零件位置非固定，因此从第一工作台到第二工作台的路径是非固定的，需要实时规划。具体地，确定抓取装置的定位坐标、零件的定位坐标以及第二工作台的定位坐标，使用起点坐标和终点坐标之间的直线来表示路径，路径经过零件定位坐标作为中间点。这样可以定义一个路径，从抓取装置位置开始，经过零件定位位置，最终到达第二工作台定位位置。
使用直线将起点坐标与中点坐标连接起来，形成第一运动路径，这条路径表示从抓取装置定位坐标到达零件定位坐标的移动轨迹；同样地，使用直线将中点坐标与终点坐标连接起来，形成第二运动路径，这条路径表示从零件定位位置到达第二工作台定位位置的移动轨迹。
确定抓取装置的预设通行体积，这包括抓取装置的尺寸和形状，例如宽度、高度和长度等，使用第一运动路径作为轴线，在每个点上沿着路径的法向方向上扩展通行体积，例如，假设预设通行体积的截面为一个矩形，则使第一运动路径的截面作为矩形的对角线交点，以该矩形对第一运动路径进行扩充，创建一个以第一运动路径为轴线的区域，构成第一轨迹通道。
同样地，使用第二运动路径作为轴线，在每个点上沿着路径的法向方向上扩展通行体积，创建以第二运动路径为轴线的区域，构成第二轨迹通道。
对于第一轨迹通道，考虑存在的障碍物，可以使用传感器、视觉系统来检测和获取第一轨迹通道中障碍物的位置信息，获得第一轨迹通道的障碍物分布位置集。同样地，对于第二轨迹通道，获取第二轨迹通道的障碍物分布位置集。
使用获得的第一障碍物分布位置集，即第一轨迹通道中障碍物的位置信息，以及抓取装置的预设通行体积，确保考虑到抓取装置的尺寸和形状等因素。在第一轨迹通道中，根据与抓取装置预设通行体积冲突的障碍物位置进行轨迹调整，即调节路线绕开障碍物位置，这样做可以确保抓取装置能够顺利通过并避免碰撞，通过对第一轨迹通道进行调节和优化，生成第三轨迹通道，第三轨迹通道将是在考虑抓取装置预设通行体积和障碍物分布位置集的基础上调整路线形成的新路径。
以同样的方法，对第二轨迹通道进行调节和优化，生成第四轨迹通道。
使用第三轨迹通道和第四轨迹通道作为适合抓取任务的最优路径，将路径分解为一系列动作序列，每个动作序列表示机器人在特定时间步骤中的运动或操作，例如移动、抓取、放置等。根据动作序列，结合特定的机器人平台和任务需求，使用合适的控制算法生成精确的一阶段抓取控制参数，这些参数包括机器人的速度、加速度、姿态调整、抓取力度等，以确保机器人按照计划的路径执行抓取任务。
进一步而言，激活机器人接收所述抓取装置定位坐标、所述零件定位坐标和所述第二工作台定位坐标进行抓取轨迹规划，生成一阶段抓取控制参数，之前，包括：
根据所述零件定位坐标，对所述第一零件进行多角度图像采集，构建第一零件三维模型；
获得第一零件基准三维模型，其中，所述第一零件基准三维模型为第一零件按照预设摆放方式的建模结果；
重合所述第一零件基准三维模型和所述第一零件三维模型的第一底面和第一轴线，其中，所述第一底面为与第一工作台贴合的零件面，所述第一轴线为与所述第一底面垂直的轴心线；
对所述第一零件三维模型绕着所述第一轴线进行旋转，记录多个旋转角度的所述第一零件基准三维模型和所述第一零件三维模型的第一组非重合坐标；
当所第一组非重合坐标的任意一个非重合坐标数量小于或等于预设重合数量时，激活机器人接收所述抓取装置定位坐标、所述零件定位坐标和所述第二工作台定位坐标进行抓取轨迹规划，生成所述一阶段抓取控制参数。
由于打钢刻码的区域是固定的，因此需要保证零件的相应面摆放在上方，移动时保持零件不翻面，因此移动前需要校验零件的摆放方式是否准确。
具体地，确定第一零件的定位坐标，使用相机设备，在不同的角度下对第一零件进行图像采集，确保覆盖到零件的各个侧面和细节，并尽量避免阴影、反光和模糊等影响图像质量的因素，利用多角度采集的图像数据，通过三维建模软件，例如Autodesk ReCap、AutoCAD，使用软件提供的工具和命令，在虚拟环境中绘制出零件的几何形状、尺寸和特征，以此将图像数据转换为完整的第一零件三维模型。
确定第一零件的预设摆放方式，即零件的打钢刻码区域的相应面摆放在上方，使用同样的三维建模软件，按照预设摆放方式创建第一零件基准三维模型。
确定第一零件基准三维模型和第一零件三维模型中的第一底面，该底面与第一工作台完全贴合，并且在两个模型中具有相同的形状和位置；确定第一零件基准三维模型和第一零件三维模型中与第一底面垂直的轴心线，该轴线与第一底面正交，并在两个模型中具有相同的位置和方向。使用前述三维建模软件，利用对齐和变换功能，通过选择对齐点、平移、旋转等操作，将第一零件基准三维模型与第一零件三维模型的第一底面和第一轴线进行重合。
确定旋转范围和预设旋转角度，例如，选择旋转范围为从0°到360°，每隔5°进行一次旋转。在三维建模软件中，设置第一轴线作为旋转的中心轴线，确保轴线与第一底面垂直并通过零件的中心。使用软件提供的旋转功能，将第一零件三维模型沿着第一轴线旋转到预设旋转角度，这同时改变模型的位置和姿态。在每个预设旋转角度下，记录第一零件基准三维模型和三维模型的非重合坐标，这些坐标表示两个模型在旋转后的位置差异，直到完成所需旋转范围内的所有预设旋转角度，获得第一组非重合坐标。
根据实际情况和具体需求，自定义一个预设重合数量，这个数量用于判断零件当前的摆放方式是否准确。对于第一组非重合坐标，统计其中的非重合坐标数量，这些坐标代表了基准模型和三维模型之间的差异。将统计得到的非重合坐标数量与预设重合数量进行比较，如果非重合坐标数量小于或等于预设重合数量，则说明零件当前的摆放方式是准确的，并且可以直接进行抓取，此时，可以激活机器人进行后续抓取轨迹规划。
进一步而言，还包括：
当旋转角度之和大于或等于360°，且任意一个非重合坐标数量大于所述预设重合数量时，对所述第一零件三维模型进行底面更换后，与所述第一零件基准三维模型进行重合，统计第二组非重合坐标；
当所述第二组非重合坐标的任意一个非重合坐标数量小于或等于预设重合数量时，激活机器人接收所述抓取装置定位坐标、所述零件定位坐标和所述第二工作台定位坐标进行抓取轨迹规划，生成所述一阶段抓取控制参数。
当旋转角度之和大于或等于360°，说明对于第一底面，已经遍历完所有旋转角度，此时若还未出现非重合坐标数量小于等于所述预设重合数量的情况时，说明该第一底面不存在重合情况，需要换一个底面重新进行重合比对。
具体地，随机选择一个新的底面替换原来的第一底面，利用软件的对齐和变换功能，将底面更换后的第一零件三维模型与基准三维模型进行重合操作，确保两个模型的底面和轴线完全重合，在完成重合后，以同样的方法，使第一零件三维模型与基准模型重新对齐，统计第二组非重合坐标，这些坐标表示底面更换后，基准模型和重合后的三维模型之间的位置差异。
与第一组非重合坐标的判断方法相同，对于第二组非重合坐标，统计其中的非重合坐标数量，将统计得到的非重合坐标数量与预设重合数量进行比较，如果非重合坐标数量小于或等于预设重合数量，则说明零件当前的摆放方式是准确的，并且可以直接进行抓取，此时，可以激活机器人进行后续抓取轨迹规划。
激活机器人接收所述第二工作台定位坐标和所述第三工作台定位坐标进行抓取轨迹匹配，生成二阶段抓取控制参数；
与第一工作台到第二工作台不同的是，零件位置在第二工作台以及第三工作台的零件位置固定，因此从第二工作台到第三工作台是固定的轨迹移动。获取第二工作台和第三工作台的定位坐标，这些坐标表示了机器人需要在三维空间中移动的目标位置，根据第二工作台和第三工作台的定位坐标，提前设定好一个固定的轨迹移动路径，因为在这两个工作台上的零件位置是固定的，通过直接调取预先定义好的抓取轨迹，无需实时规划路径，基于抓取轨迹匹配的结果，生成二阶段抓取控制参数。
激活机器人接收所述第三工作台定位坐标和所述第四工作台定位坐标进行抓取轨迹规划，生成三阶段抓取控制参数；
与第一工作台到第二工作台相同，在第三工作台到第四工作台零件位置也具有一定自由度，因此也是非固定的路径，需要实时规划，同样的，以第三工作台定位坐标为起点坐标，以第四工作台定位坐标为终点坐标，连接起点坐标和终点坐标，生成第三运动路径，并根据障碍物分布位置集，生成轨迹通道，进而生成三阶段抓取控制参数，所述三阶段抓取控制参数的获取方式与一阶段抓取控制参数类似，为了说明书的简洁，在此不再赘述。
基于所述一阶段抓取控制参数控制所述抓取装置从所述第一工作台抓取第一零件转运至第二工作台进行打钢刻码，当所述打钢刻码组件生成打钢刻码完成信号时，基于所述二阶段抓取控制参数控制所述抓取装置从所述第二工作台抓取所述第一零件转运至第三工作台进行打钢刻码工装；
基于一阶段抓取控制参数，控制抓取装置从第一工作台抓取第一零件，使用控制命令，将抓取装置上的第一零件从第一工作台移动到第二工作台，确保抓取装置与第二工作台对准，以便进行打钢刻码操作。
在第二工作台上，使用打钢刻码设备对第一零件进行打钢刻码操作，打钢刻码是指将标识或编码信息刻在零件表面上的过程，通过使用激光或机械工具在零件上进行永久性刻痕完成，这是自动化的过程，通过控制系统发送相应的指令来完成。在打钢刻码过程中，监测打钢刻码组件生成的打钢刻码完成信号，这可以是一个传感器或其他检测机制，用于确定操作是否完成。
当收到打钢刻码完成信号时，基于二阶段抓取控制参数，控制抓取装置从第二工作台抓取第一零件，使用控制命令，将抓取装置上的第一零件从第二工作台移动到第三工作台，确保抓取装置与第三工作台对准，以便进行打钢刻码工装操作。
当生成打钢刻码工装完成信号时，基于所述三阶段抓取控制参数控制所述抓取装置从所述第三工作台抓取所述第一零件转运至第四工作台，激活下料车和所述下料组件对接，运输打钢刻码完成零件。
在第三工作台上进行打钢刻码工装操作后，监测生成的打钢刻码工装完成信号，这个信号可以表示工装操作已完成。当收到打钢刻码工装完成信号时，基于三阶段抓取控制参数，控制抓取装置从第三工作台抓取第一零件，使用控制命令，将抓取装置上的第一零件从第三工作台移动到第四工作台，确保抓取装置与第四工作台对准，以便进一步处理和运输。
在第四工作台上，激活下料车和下料组件，使其与抓取装置对接，通过控制下料车和下料组件，运输打钢刻码完成的零件到指定位置，包括将零件放置在容器中、传送带上或其他目标位置。
进一步而言，当生成打钢刻码工装完成信号时，基于所述三阶段抓取控制参数控制所述抓取装置从所述第三工作台抓取所述第一零件转运至第四工作台，激活下料车和所述下料组件对接，运输打钢刻码完成零件，包括：
当所述第一零件转运至所述第四工作台时，激活视觉模块扫描第一零件钢刻码面，获得第二图像采集结果；
对所述第二图像采集结果进行OCR字符特征提取，生成钢刻码字符提取结果；
基于所述钢刻码字符提取结果与标准钢刻码字符进行语义相似度解析，生成字符相似系数；
当所述字符相似系数大于或等于相似系数阈值，对所述第一零件进行打钢刻码合格标识，激活所述下料车和所述下料组件对接运输至后步加工节点；
当所述字符相似系数小于相似系数阈值，对所述第一零件进行打钢刻码失败标识，激活所述下料车和所述下料组件对接运输至异常零件区域。
确认第一零件已经成功转移到第四工作台上，激活视觉模块，确保其准备好执行图像采集任务，视觉模块可以是一个摄像头或其他图像采集设备，通过视觉模块对第一零件的钢刻码面进行扫描和图像采集，获取第二图像采集结果。
激活OCR（Optical Character Recognition，光学字符识别）工具，确保其已经准备就绪。在进行OCR之前，需要对第二图像采集结果进行预处理操作，包括灰度化、二值化、去噪等，以优化字符识别的准确性。使用OCR工具将第二图像采集结果作为输入，进行字符识别和特征提取，OCR工具分析图像中的字符并将其转化为可识别的文本形式，根据OCR的执行结果，提取钢刻码字符的识别文本，这些字符可以是数字、字母、符号等，生成钢刻码字符提取结果。
通过使用自然语言处理（NLP）技术中的词嵌入模型，将钢刻码字符提取结果和标准钢刻码字符转化为语义向量表示，通过将字符映射到向量空间，可以捕捉到它们的语义关联。使用生成的字符语义向量，计算钢刻码字符与标准钢刻码字符之间的语义相似度，例如采用余弦相似度的方法衡量字符之间的语义差异，进而评估钢刻码的清晰程度。
对语义相似度进行进一步分析，例如计算语义向量的协方差矩阵、相关系数矩阵，以评估字符语义的相似程度，进而生成字符相似系数，较高的相似系数表示钢刻码清晰度较高，而较低的相似系数可能表示存在模糊或错误的字符识别。
根据实际需求和具体情况，自定义相似系数阈值，用于判断字符相似系数是否满足预设要求。使用计算得到的字符相似系数，将其与设定的相似系数阈值进行比较，检查是否大于或等于相似系数阈值，如果是，则表示钢刻码的清晰度高于或等于期望水平，符合合格标准。
在第一零件上打上钢刻码合格标识，以表明该零件通过了质量检查并具备合格标准。触发系统中的相应模块，启动下料车和下料组件，将第一零件从当前位置运输至后步加工节点，以便进行进一步的加工和处理。这有助于确保符合质量标准的零件进入后续加工流程。
当字符相似系数小于设定的相似系数阈值，则表示钢刻码的清晰度低于期望水平，在第一零件上打上钢刻码失败标识，以表明该零件未通过质量检查，不具备合格标准。
触发系统中的相应模块，启动下料车和下料组件，将第一零件从当前位置运输至指定的异常零件区域，该区域是专门用于存放未通过质量检查的零件的区域。这有助于将不符合质量要求的零件与合格零件分开，并为后续处理提供便利。
综上所述，本申请实施例所提供的一种汽车座椅骨架自动摆件打钢刻码方法及系统具有如下技术效果：
1.引入自动摆件打钢刻码系统，借助视觉组件、上料组件、下料组件、打钢刻码组件、抓取装置、机器人和打钢刻码工装组件等模块，实现自动化的摆件和打钢刻码过程，提高生产效率和精度；
2.通过视觉组件和语义分割技术，准确获取并标识零件标识区域，确保钢刻码在正确的位置进行，通过构建三维虚拟坐标系和合适的定位坐标计算，实现机器人的准确定位和抓取装置的精确抓取，避免位置偏差；
3.根据不同工作台的定位坐标，生成一、二、三阶段的抓取控制参数，确保零件的平稳转运和准确放置，通过控制抓取装置的移动和激活下料车和下料组件对接，实现按顺序进行打钢刻码、打钢刻码工装和下料运输至指定区域；
4.通过机器人和自动化设备的使用，减少人工操作的需求，降低人为错误，并避免操作者受到噪音损伤的风险，改善了工作环境的安全性。
综上所述，该方法实现了高度自动化的汽车座椅骨架摆件和打钢刻码过程，提高生产效率、降低人为错误，并改善工作环境安全性。
实施例三：
基于与前述实施例中一种汽车座椅骨架自动摆件打钢刻码方法相同的发明构思，如图3所示，本申请提供了一种汽车座椅骨架自动摆件打钢刻码系统，所述系统和自动摆件打钢刻码装置通信连接，所述自动摆件打钢刻码装置包括视觉组件、上料组件、下料组件、打钢刻码组件、抓取装置、机器人和打钢刻码工装组件，所述系统包括：
图像采集模块10，所述图像采集模块10用于当上料车和上料组件对接完成时，激活视觉组件扫描上料组件的第一工作台，获得第一图像采集结果；
语义分割模块20，所述语义分割模块20用于对第一图像采集结果进行语义分割，获得零件标识区域；
区域定位模块30，所述区域定位模块30用于构建三维虚拟坐标系，对自动摆件打钢刻码装置和所述零件标识区域进行定位，获得抓取装置定位坐标、零件定位坐标、打钢刻码组件的第二工作台定位坐标、打钢刻码工装组件的第三工作台定位坐标和下料组件的第四工作台定位坐标；
一阶段参数获取模块40，所述一阶段参数获取模块40用于激活机器人接收所述抓取装置定位坐标、所述零件定位坐标和所述第二工作台定位坐标进行抓取轨迹规划，生成一阶段抓取控制参数；
二阶段参数获取模块50，所述二阶段参数获取模块50用于激活机器人接收所述第二工作台定位坐标和所述第三工作台定位坐标进行抓取轨迹匹配，生成二阶段抓取控制参数；
三阶段参数获取模块60，所述三阶段参数获取模块60用于激活机器人接收所述第三工作台定位坐标和所述第四工作台定位坐标进行抓取轨迹规划，生成三阶段抓取控制参数；
打钢刻码模块70，所述打钢刻码模块70用于基于所述一阶段抓取控制参数控制所述抓取装置从所述第一工作台抓取第一零件转运至第二工作台进行打钢刻码，当所述打钢刻码组件生成打钢刻码完成信号时，基于所述二阶段抓取控制参数控制所述抓取装置从所述第二工作台抓取所述第一零件转运至第三工作台进行打钢刻码工装；
零件运输模块80，所述零件运输模块80用于当生成打钢刻码工装完成信号时，基于所述三阶段抓取控制参数控制所述抓取装置从所述第三工作台抓取所述第一零件转运至第四工作台，激活下料车和所述下料组件对接，运输打钢刻码完成零件。
进一步而言，所述系统还包括第一图像采集结果获取模块，以执行如下操作步骤：
获得第一零件基础信息，其中，所述第一零件基础信息包括第一零件型号信息和零件加工节点信息；
基于所述第一零件型号信息和所述零件加工节点信息，采集零件灰度特征值；
基于所述零件灰度特征值，对所述第一工作台设定背景灰度特征值，其中，所述背景灰度特征值和所述零件灰度特征值具有预设灰度差值；
将所述第一工作台的表面灰度设为所述背景灰度特征值，激活视觉组件扫描上料组件的第一工作台，获得所述第一图像采集结果。
进一步而言，所述系统还包括零件标识区域获取模块，以执行如下操作步骤：
随机获得第一图像采集结果的第一像素点；
当第一像素点灰度值与所述背景灰度特征值的灰度偏差小于或等于灰度一致性偏差阈值，将所述第一像素点添加进第一类型像素点；
当第一像素点灰度值与所述背景灰度特征值的灰度偏差大于灰度一致性偏差阈值，将所述第一像素点添加进第二类型像素点；
将所述第一类型像素点的灰度值置为0，将所述第二类型像素点的灰度值置为255，生成第一特征图像，其中，所述第一特征图像具有由所述第二类型像素点组成的所述零件标识区域。
进一步而言，所述系统还包括一阶段抓取控制参数获取模块，以执行如下操作步骤：
以所述抓取装置定位坐标为起点坐标，以所述零件定位坐标为中点坐标，以所述第二工作台定位坐标为终点坐标；
连接所述起点坐标和所述中点坐标，生成第一运动路径，连接所述中点坐标和所述终点坐标，生成第二运动路径；
获得抓取装置预设通行体积，以所述第一运动路径为轴线进行扩充，生成第一轨迹通道，以所述第二运动路径为轴线进行扩充，生成第二轨迹通道；
获得所述第一轨迹通道的第一障碍物分布位置集，以及所述第二轨迹通道的第二障碍物分布位置集；
基于所述第一障碍物分布位置集和所述抓取装置预设通行体积，对所述第一轨迹通道进行调节，生成第三轨迹通道；
基于所述第二障碍物分布位置集和所述抓取装置预设通行体积，对所述第二轨迹通道进行调节，生成第四轨迹通道；
根据所述第三轨迹通道和所述第四轨迹通道，生成所述一阶段抓取控制参数。
进一步而言，所述一阶段抓取控制参数模块还包括如下操作步骤：
根据所述零件定位坐标，对所述第一零件进行多角度图像采集，构建第一零件三维模型；
获得第一零件基准三维模型，其中，所述第一零件基准三维模型为第一零件按照预设摆放方式的建模结果；
重合所述第一零件基准三维模型和所述第一零件三维模型的第一底面和第一轴线，其中，所述第一底面为与第一工作台贴合的零件面，所述第一轴线为与所述第一底面垂直的轴心线；
对所述第一零件三维模型绕着所述第一轴线进行旋转，记录多个旋转角度的所述第一零件基准三维模型和所述第一零件三维模型的第一组非重合坐标；
当所第一组非重合坐标的任意一个非重合坐标数量小于或等于预设重合数量时，激活机器人接收所述抓取装置定位坐标、所述零件定位坐标和所述第二工作台定位坐标进行抓取轨迹规划，生成所述一阶段抓取控制参数。
进一步而言，所述一阶段抓取控制参数模块还包括如下操作步骤：
当旋转角度之和大于或等于360°，且任意一个非重合坐标数量大于所述预设重合数量时，对所述第一零件三维模型进行底面更换后，与所述第一零件基准三维模型进行重合，统计第二组非重合坐标；
当所述第二组非重合坐标的任意一个非重合坐标数量小于或等于预设重合数量时，激活机器人接收所述抓取装置定位坐标、所述零件定位坐标和所述第二工作台定位坐标进行抓取轨迹规划，生成所述一阶段抓取控制参数。
进一步而言，所述系统还包括完成零件获取模块，以执行如下操作步骤：
当所述第一零件转运至所述第四工作台时，激活视觉模块扫描第一零件钢刻码面，获得第二图像采集结果；
对所述第二图像采集结果进行OCR字符特征提取，生成钢刻码字符提取结果；
基于所述钢刻码字符提取结果与标准钢刻码字符进行语义相似度解析，生成字符相似系数；
当所述字符相似系数大于或等于相似系数阈值，对所述第一零件进行打钢刻码合格标识，激活所述下料车和所述下料组件对接运输至后步加工节点；
当所述字符相似系数小于相似系数阈值，对所述第一零件进行打钢刻码失败标识，激活所述下料车和所述下料组件对接运输至异常零件区域。
本说明书通过前述对一种汽车座椅骨架自动摆件打钢刻码方法的详细描述，本领域技术人员可以清楚得知道本实施例中的一种汽车座椅骨架自动摆件打钢刻码系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述得比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种汽车座椅骨架自动摆件打钢刻码方法，其特征在于，应用于汽车座椅骨架自动摆件打钢刻码系统，所述系统和自动摆件打钢刻码装置通信连接，所述自动摆件打钢刻码装置包括视觉组件、上料组件、下料组件、打钢刻码组件、抓取装置、机器人和打钢刻码工装组件，所述方法包括：
当上料车和上料组件对接完成时，激活视觉组件扫描上料组件的第一工作台，获得第一图像采集结果；
对第一图像采集结果进行语义分割，获得零件标识区域；
构建三维虚拟坐标系，对自动摆件打钢刻码装置和所述零件标识区域进行定位，获得抓取装置定位坐标、零件定位坐标、打钢刻码组件的第二工作台定位坐标、打钢刻码工装组件的第三工作台定位坐标和下料组件的第四工作台定位坐标；
激活机器人接收所述抓取装置定位坐标、所述零件定位坐标和所述第二工作台定位坐标进行抓取轨迹规划，生成一阶段抓取控制参数；
激活机器人接收所述第二工作台定位坐标和所述第三工作台定位坐标进行抓取轨迹匹配，生成二阶段抓取控制参数；
激活机器人接收所述第三工作台定位坐标和所述第四工作台定位坐标进行抓取轨迹规划，生成三阶段抓取控制参数；
基于所述一阶段抓取控制参数控制所述抓取装置从所述第一工作台抓取第一零件转运至第二工作台进行打钢刻码，当所述打钢刻码组件生成打钢刻码完成信号时，基于所述二阶段抓取控制参数控制所述抓取装置从所述第二工作台抓取所述第一零件转运至第三工作台进行打钢刻码工装；
当生成打钢刻码工装完成信号时，基于所述三阶段抓取控制参数控制所述抓取装置从所述第三工作台抓取所述第一零件转运至第四工作台，激活下料车和所述下料组件对接，运输打钢刻码完成零件。
2.如权利要求1所述的方法，其特征在于，当上料车和上料组件对接完成时，激活视觉组件扫描上料组件的第一工作台，获得第一图像采集结果，包括：
获得第一零件基础信息，其中，所述第一零件基础信息包括第一零件型号信息和零件加工节点信息；
基于所述第一零件型号信息和所述零件加工节点信息，采集零件灰度特征值；
基于所述零件灰度特征值，对所述第一工作台设定背景灰度特征值，其中，所述背景灰度特征值和所述零件灰度特征值具有预设灰度差值；
将所述第一工作台的表面灰度设为所述背景灰度特征值，激活视觉组件扫描上料组件的第一工作台，获得所述第一图像采集结果。
3.如权利要求2所述的方法，其特征在于，对第一图像采集结果进行语义分割，获得零件标识区域，包括：
随机获得第一图像采集结果的第一像素点；
当第一像素点灰度值与所述背景灰度特征值的灰度偏差小于或等于灰度一致性偏差阈值，将所述第一像素点添加进第一类型像素点；
当第一像素点灰度值与所述背景灰度特征值的灰度偏差大于灰度一致性偏差阈值，将所述第一像素点添加进第二类型像素点；
将所述第一类型像素点的灰度值置为0，将所述第二类型像素点的灰度值置为255，生成第一特征图像，其中，所述第一特征图像具有由所述第二类型像素点组成的所述零件标识区域。
4.如权利要求1所述的方法，其特征在于，激活机器人接收所述抓取装置定位坐标、所述零件定位坐标和所述第二工作台定位坐标进行抓取轨迹规划，生成一阶段抓取控制参数，包括：
以所述抓取装置定位坐标为起点坐标，以所述零件定位坐标为中点坐标，以所述第二工作台定位坐标为终点坐标；
连接所述起点坐标和所述中点坐标，生成第一运动路径，连接所述中点坐标和所述终点坐标，生成第二运动路径；
获得抓取装置预设通行体积，以所述第一运动路径为轴线进行扩充，生成第一轨迹通道，以所述第二运动路径为轴线进行扩充，生成第二轨迹通道；
获得所述第一轨迹通道的第一障碍物分布位置集，以及所述第二轨迹通道的第二障碍物分布位置集；
基于所述第一障碍物分布位置集和所述抓取装置预设通行体积，对所述第一轨迹通道进行调节，生成第三轨迹通道；
基于所述第二障碍物分布位置集和所述抓取装置预设通行体积，对所述第二轨迹通道进行调节，生成第四轨迹通道；
根据所述第三轨迹通道和所述第四轨迹通道，生成所述一阶段抓取控制参数。
5.如权利要求4所述的方法，其特征在于，激活机器人接收所述抓取装置定位坐标、所述零件定位坐标和所述第二工作台定位坐标进行抓取轨迹规划，生成一阶段抓取控制参数，之前包括：
根据所述零件定位坐标，对所述第一零件进行多角度图像采集，构建第一零件三维模型；
获得第一零件基准三维模型，其中，所述第一零件基准三维模型为第一零件按照预设摆放方式的建模结果；
重合所述第一零件基准三维模型和所述第一零件三维模型的第一底面和第一轴线，其中，所述第一底面为与第一工作台贴合的零件面，所述第一轴线为与所述第一底面垂直的轴心线；
对所述第一零件三维模型绕着所述第一轴线进行旋转，记录多个旋转角度的所述第一零件基准三维模型和所述第一零件三维模型的第一组非重合坐标；
当所第一组非重合坐标的任意一个非重合坐标数量小于或等于预设重合数量时，激活机器人接收所述抓取装置定位坐标、所述零件定位坐标和所述第二工作台定位坐标进行抓取轨迹规划，生成所述一阶段抓取控制参数。
6.如权利要求5所述的方法，其特征在于，还包括：
当旋转角度之和大于或等于360°，且任意一个非重合坐标数量大于所述预设重合数量时，对所述第一零件三维模型进行底面更换后，与所述第一零件基准三维模型进行重合，统计第二组非重合坐标；
当所述第二组非重合坐标的任意一个非重合坐标数量小于或等于预设重合数量时，激活机器人接收所述抓取装置定位坐标、所述零件定位坐标和所述第二工作台定位坐标进行抓取轨迹规划，生成所述一阶段抓取控制参数。
7.如权利要求1所述的方法，其特征在于，当生成打钢刻码工装完成信号时，基于所述三阶段抓取控制参数控制所述抓取装置从所述第三工作台抓取所述第一零件转运至第四工作台，激活下料车和所述下料组件对接，运输打钢刻码完成零件，包括：
当所述第一零件转运至所述第四工作台时，激活视觉模块扫描第一零件钢刻码面，获得第二图像采集结果；
对所述第二图像采集结果进行OCR字符特征提取，生成钢刻码字符提取结果；
基于所述钢刻码字符提取结果与标准钢刻码字符进行语义相似度解析，生成字符相似系数；
当所述字符相似系数大于或等于相似系数阈值，对所述第一零件进行打钢刻码合格标识，激活所述下料车和所述下料组件对接运输至后步加工节点；
当所述字符相似系数小于相似系数阈值，对所述第一零件进行打钢刻码失败标识，激活所述下料车和所述下料组件对接运输至异常零件区域。
8.一种汽车座椅骨架自动摆件打钢刻码系统，其特征在于，所述系统和自动摆件打钢刻码装置通信连接，所述自动摆件打钢刻码装置包括视觉组件、上料组件、下料组件、打钢刻码组件、抓取装置、机器人和打钢刻码工装组件，用于实施权利要求1-7任一项所述的一种汽车座椅骨架自动摆件打钢刻码方法，包括：
图像采集模块，所述图像采集模块用于当上料车和上料组件对接完成时，激活视觉组件扫描上料组件的第一工作台，获得第一图像采集结果；
语义分割模块，所述语义分割模块用于对第一图像采集结果进行语义分割，获得零件标识区域；
区域定位模块，所述区域定位模块用于构建三维虚拟坐标系，对自动摆件打钢刻码装置和所述零件标识区域进行定位，获得抓取装置定位坐标、零件定位坐标、打钢刻码组件的第二工作台定位坐标、打钢刻码工装组件的第三工作台定位坐标和下料组件的第四工作台定位坐标；
一阶段参数获取模块，所述一阶段参数获取模块用于激活机器人接收所述抓取装置定位坐标、所述零件定位坐标和所述第二工作台定位坐标进行抓取轨迹规划，生成一阶段抓取控制参数；
二阶段参数获取模块，所述二阶段参数获取模块用于激活机器人接收所述第二工作台定位坐标和所述第三工作台定位坐标进行抓取轨迹匹配，生成二阶段抓取控制参数；
三阶段参数获取模块，所述三阶段参数获取模块用于激活机器人接收所述第三工作台定位坐标和所述第四工作台定位坐标进行抓取轨迹规划，生成三阶段抓取控制参数；
打钢刻码模块，所述打钢刻码模块用于基于所述一阶段抓取控制参数控制所述抓取装置从所述第一工作台抓取第一零件转运至第二工作台进行打钢刻码，当所述打钢刻码组件生成打钢刻码完成信号时，基于所述二阶段抓取控制参数控制所述抓取装置从所述第二工作台抓取所述第一零件转运至第三工作台进行打钢刻码工装；
零件运输模块，所述零件运输模块用于当生成打钢刻码工装完成信号时，基于所述三阶段抓取控制参数控制所述抓取装置从所述第三工作台抓取所述第一零件转运至第四工作台，激活下料车和所述下料组件对接，运输打钢刻码完成零件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311551481.0A CN117260003B (zh) | 2023-11-21 | 2023-11-21 | 一种汽车座椅骨架自动摆件打钢刻码方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311551481.0A CN117260003B (zh) | 2023-11-21 | 2023-11-21 | 一种汽车座椅骨架自动摆件打钢刻码方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117260003A true CN117260003A (zh) | 2023-12-22 |
| CN117260003B CN117260003B (zh) | 2024-03-19 |
Family
ID=89221904
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311551481.0A Active CN117260003B (zh) | 2023-11-21 | 2023-11-21 | 一种汽车座椅骨架自动摆件打钢刻码方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117260003B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110027015A (zh) * | 2019-03-31 | 2019-07-19 | 唐山百川智能机器股份有限公司 | 基于人工智能的动车杆件组装方法 |
| CN110666801A (zh) * | 2018-11-07 | 2020-01-10 | 宁波赛朗科技有限公司 | 一种复杂工件匹配定位的抓取工业机器人 |
| CN112476434A (zh) * | 2020-11-24 | 2021-03-12 | 新拓三维技术(深圳)有限公司 | 一种基于协作机器人的视觉3d取放方法及系统 |
| CN112828890A (zh) * | 2021-01-04 | 2021-05-25 | 武汉晴川学院 | 机械臂轨迹规划方法、装置、电子设备及存储介质 |
| CN113146610A (zh) * | 2020-12-08 | 2021-07-23 | 安徽工业大学 | 基于零空间避障的机械臂末端轨迹跟踪算法 |
| CN113296516A (zh) * | 2021-05-24 | 2021-08-24 | 淮阴工学院 | 一种自动托举汽车的机器人控制方法 |
| WO2021185994A1 (en) * | 2020-03-18 | 2021-09-23 | Bobst Mex Sa | Grasping system and method for inserting separation sheets in a receptacle |
| CN115446392A (zh) * | 2022-10-13 | 2022-12-09 | 芜湖行健智能机器人有限公司 | 一种无序板件智能化倒角系统及方法 |
| CN116469087A (zh) * | 2023-04-17 | 2023-07-21 | 中建幕墙有限公司 | 一种幕墙型材转运定位方法和系统 |
| CN116512258A (zh) * | 2023-05-05 | 2023-08-01 | 深圳市定向三维科技有限公司 | 一种基于六轴机械臂焊接轨迹规划的算法 |
-
2023
- 2023-11-21 CN CN202311551481.0A patent/CN117260003B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110666801A (zh) * | 2018-11-07 | 2020-01-10 | 宁波赛朗科技有限公司 | 一种复杂工件匹配定位的抓取工业机器人 |
| CN110027015A (zh) * | 2019-03-31 | 2019-07-19 | 唐山百川智能机器股份有限公司 | 基于人工智能的动车杆件组装方法 |
| WO2021185994A1 (en) * | 2020-03-18 | 2021-09-23 | Bobst Mex Sa | Grasping system and method for inserting separation sheets in a receptacle |
| CN112476434A (zh) * | 2020-11-24 | 2021-03-12 | 新拓三维技术(深圳)有限公司 | 一种基于协作机器人的视觉3d取放方法及系统 |
| CN113146610A (zh) * | 2020-12-08 | 2021-07-23 | 安徽工业大学 | 基于零空间避障的机械臂末端轨迹跟踪算法 |
| CN112828890A (zh) * | 2021-01-04 | 2021-05-25 | 武汉晴川学院 | 机械臂轨迹规划方法、装置、电子设备及存储介质 |
| CN113296516A (zh) * | 2021-05-24 | 2021-08-24 | 淮阴工学院 | 一种自动托举汽车的机器人控制方法 |
| CN115446392A (zh) * | 2022-10-13 | 2022-12-09 | 芜湖行健智能机器人有限公司 | 一种无序板件智能化倒角系统及方法 |
| CN116469087A (zh) * | 2023-04-17 | 2023-07-21 | 中建幕墙有限公司 | 一种幕墙型材转运定位方法和系统 |
| CN116512258A (zh) * | 2023-05-05 | 2023-08-01 | 深圳市定向三维科技有限公司 | 一种基于六轴机械臂焊接轨迹规划的算法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117260003B (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112476434B (zh) | 一种基于协作机器人的视觉3d取放方法及系统 | |
| US5471541A (en) | System for determining the pose of an object which utilizes range profiles and synethic profiles derived from a model | |
| CN108917593B (zh) | 一种基于待测工件基元组态的智能测量系统及方法 | |
| EP2045772A2 (en) | Apparatus for picking up objects | |
| CN110227876A (zh) | 基于3d点云数据的机器人焊接路径自主规划方法 | |
| RU2407633C2 (ru) | Способ и устройство для определения местоположения и извлечения предметов из транспортирующего устройства | |
| CN112497219B (zh) | 一种基于目标检测和机器视觉的柱状工件分类定位方法 | |
| CN105729468A (zh) | 一种基于多深度摄像机增强的机器人工作台 | |
| CN113610921A (zh) | 混合工件抓取方法、设备及计算机可读存储介质 | |
| CN101370624A (zh) | 自动化攫握零件的方法和系统 | |
| CN115609591B (zh) | 一种基于2D Marker的视觉定位方法和系统、复合机器人 | |
| CN114905507A (zh) | 一种基于环境视觉分析的焊接机器人精度控制方法 | |
| CN115131268A (zh) | 一种基于图像特征提取与三维模型匹配的自动化焊接系统 | |
| CN113610833A (zh) | 物料抓取方法、装置、电子设备和存储介质 | |
| EP0204516A2 (en) | Vision system for distinguishing touching parts | |
| CN117260003B (zh) | 一种汽车座椅骨架自动摆件打钢刻码方法及系统 | |
| Frank et al. | Stereo-vision for autonomous industrial inspection robots | |
| CN115446392B (zh) | 一种无序板件智能化倒角系统及方法 | |
| CN114166846B (zh) | 一种钢铁行业冷轧卷断面条码及缺陷检测装置 | |
| CN115213122A (zh) | 基于3d深度网络的无序分拣方法 | |
| CN114851206A (zh) | 基于视觉引导机械臂抓取炉具的方法 | |
| CN114692662A (zh) | 基于旋转框目标和6d位姿检测的流水线扫码复核方法 | |
| JPS6344103A (ja) | 位置姿勢認識装置 | |
| Batchelor et al. | Commercial vision systems | |
| Liu et al. | Research on Accurate Grasping Method of Steel Shaft Parts Based on Depth Camera |
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 |