CN213890029U - 一种基于深度学习的ai视觉控制自动切换机器人系统 - Google Patents
一种基于深度学习的ai视觉控制自动切换机器人系统 Download PDFInfo
- Publication number
- CN213890029U CN213890029U CN202022773652.2U CN202022773652U CN213890029U CN 213890029 U CN213890029 U CN 213890029U CN 202022773652 U CN202022773652 U CN 202022773652U CN 213890029 U CN213890029 U CN 213890029U
- Authority
- CN
- China
- Prior art keywords
- module
- visual
- control
- vision
- automatic
- 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
Landscapes
- Manipulator (AREA)
Abstract
本实用新型公开了一种基于深度学习的AI视觉控制自动切换机器人系统,包括:自动上下料机械手模块、深度学习算法模块、AI视觉引导控制系统、AI云处理平台模块、工装夹具控制模块、视觉与通信交互模块等,本实用新型在自动上下料、自动切换装置的机器人上应用3D传感器采集视觉信息,并结合基于深度卷积神经网络的AI人工智能技术实现视觉检测、识别、定位以及视觉引导控制切换轨迹规划,同时以电动缸替代气缸,具有有效提高不同种类汽车模具、零部件等选型切换灵活性、效率、智能化的特点。
Description
技术领域
本实用新型属于机器人视觉识别及控制技术领域,具体地,涉及一种基于深度学习的AI视觉控制自动切换机器人系统。
背景技术
随着机器视觉以及机器人技术的快速发展,机器人代替人力已应用于汽车行业多品种柔性模具、零部件选型切换等场合。可是,常规切换系统仍存在目标检测、识别、夹具定位不准确,采用气缸噪音大、速度慢等问题,其根本原因在于未能准确、可靠地检测、识别和定位夹具的相对位置以及优化切换轨迹。为满足汽车生产过程的模具、零部件自动选型切换要求,研究快速检测、正确识别目标、夹具准确定位的机器人视觉识别及控制技术具有重要意义。
机器视觉涉及的目标检测技术有2D相机和3D相机两种方法,2D相机能够发现物体位置,但缺乏3D信息;利用3D传感器技术的3D相机能够获得一个更加更加丰富的三维立体信息;机器视觉涉及的目标识别技术有两种,一种是通过图像模板匹配技术,选取图像模板与待搜索的图像中的子图的相似度匹配完成目标识别,但针对自动切换系统对目标识别速度、精度高要求的效果较差;另一种是深度学习的技术,但目前的卷积神经网络无法同时兼顾识别速度高和识别精度高的要求;相机、被检测目标、光源三者之间的位置关系是机器视觉系统成像定位的重要因素,在上述不同工件切换过程中的还不能精确测量定位,也存在影响到机器人轨迹规划的问题。
因此,亟需一种基于深度学习的AI视觉控制自动切换机器人系统,能够对3D视觉系统结构设计,检测、识别和定位控制,电缸闭环控制系统进行结构优化,以推动汽车行业机器人技术的发展及应用。
实用新型内容
为克服上述现有技术的不足,本实用新型提供了一种基于深度学习的AI视觉控制自动切换机器人系统,相比于现有技术,通过基于深度学习、设计独特的3D视觉系统检测、识别和定位以及轨迹优化,通过电缸闭环控制系统可以实现对不同种类的汽车模具、零部件更加迅速、准确的自动切换的效果。
为了实现上述目的,本实用新型采用的技术方案是:
一种基于深度学习的AI视觉控制自动切换机器人系统,包括:
整合AI视觉技术的实体机器人系统的机器人本体模块;
能够完成不同种类汽车模具、零部件自动上下料的自动上下料机械手模块;
处理目标检测、识别、定位以及引导控制的新型深度卷积神经网络学习算法的深度学习算法模块;
包含AI Engine智能引擎负责对目标数据进行检测、识别以及定位分析的AI云处理平台模块;
用于提供优化的控制策略以获得切换轨迹的AI视觉引导控制系统;
能够执行不同种类汽车模具或零部件的定位的工装夹具模块;
实现视觉系统与控制系统通讯的视觉与通信交互模块;
根据轨迹优化路径进行迅速、准确的自动切换的电缸闭环控制系统;
所述深度学习算法模块由3D视觉工件检测系统、3D视觉工件识别系统、3D夹具视觉定位系统组成,所述深度学习算法模块与AI云处理平台模块相结合,所述AI云处理平台模块与机器人本体模块相结合,并将分析结果输送到机器人本体模块,所述电缸闭环控制系统、工装夹具控制模块、自动上下料机械手模块、视觉与通信交互模块均与机器人本体模块交互连接,所述AI视觉引导控制系统分别与工装夹具控制模块和视觉与通信交互模块交互连接。
优选地,所述机器人本体模块可以用于不同种类汽车模具、零部件自动选型切换。
本实用新型的有益效果为:
机器人系统前端的3D视觉检测系统能够迅速、正确检测到工件,AI云处理平台模块的的新型卷积神经网络学习算法能够准确识别工件并将结果发送给机器人本体定位夹具位置,电缸闭环控制系统根据轨迹优化路径进行迅速、准确的自动切换,使得机器人能够实现快速检测、正确识别目标、夹具准确定位的效果。
附图说明
图1为本实用新型的结构框图。
具体实施方式
以下结合附图对本设计方案进行详细说明。
如图1所示,一种基于深度学习的AI视觉控制自动切换机器人系统,包括:
整合AI视觉技术的实体机器人系统的机器人本体模块;
能够完成不同种类汽车模具、零部件自动上下料的自动上下料机械手模块;
处理目标检测、识别、定位以及引导控制的新型深度卷积神经网络学习算法的深度学习算法模块;
包含AI Engine智能引擎负责对目标数据进行检测、识别以及定位分析的AI云处理平台模块;
用于提供优化的控制策略以获得切换轨迹的AI视觉引导控制系统;
能够执行不同种类汽车模具或零部件的定位的工装夹具模块;
实现视觉系统与控制系统通讯的视觉与通信交互模块;
根据轨迹优化路径进行迅速、准确的自动切换的电缸闭环控制系统;
其中深度学习算法模块由3D视觉工件检测系统、3D视觉工件识别系统、3D夹具视觉定位系统组成,深度学习算法模块与AI云处理平台模块相结合,AI云处理平台模块与机器人本体模块相结合,并将分析结果输送到机器人本体模块,电缸闭环控制系统、工装夹具控制模块、自动上下料机械手模块、视觉与通信交互模块均与机器人本体模块交互连接,AI视觉引导控制系统分别与工装夹具控制模块和视觉与通信交互模块交互连接。
其中,机器人本体模块可以用于不同种类汽车模具、零部件自动选型切换。
其中,3D视觉工件检测系统采用3D照相机,进行手眼标定,确定相机、工件、光源位置关系,形成立体视觉。
其中,3D视觉工件识别系统,通过设计新型卷积神经网络深度学习算法能够快速检测、正确识别和准确定位工件。
其中,3D夹具视觉定位系统,将零部件位置识别与机械定位进行关联分析,通过控制规律参数和综合定位误差分布规律,建立相关数学模型,为机器人轨迹规划智能控制提供支持。
其中,工装夹具控制模块提供夹紧控制支持。
实施例
本实用新型通过由3D视觉工件检测系统、3D视觉工件识别系统、3D夹具视觉定位系统组成的深度学习算法模块,对工件位置进行快速及检测并识别定位,通过AI云处理平台模块对结果进行分析处理,并将结果传输到机器人本体模块,机器人本体模块根据提供的结果与命令,控制电缸闭环控制系统、工装夹具控制模块、自动上下料机械手模块、视觉与通信交互模块的运行,其中视觉与通信交互模块实现视觉系统与控制系统通讯,电缸闭环控制系统,采用WINHOO闭环伺服控制,控制精度可达到0.01mm,精密控制推力,增加压力传感器,控制精度可达1%,与PLC等控制系统连接,实现高精密运动控制,电缸闭环控制系统具有有效提高不同种类汽车模具、零部件等选型切换灵活性、效率高、智能化的特点,视觉与通信交互模块与机器人本体模块交互,并传递信息至AI视觉引导控制系统,AI视觉引导控制系统对传递到工装夹具控制模块的信息进行修正优化,使得工装夹具能够准确的定位并夹紧工件。
Claims (2)
1.一种基于深度学习的AI视觉控制自动切换机器人系统,其特征在于包括:
整合AI视觉技术的实体机器人系统的机器人本体模块;
能够完成不同种类汽车模具、零部件自动上下料的自动上下料机械手模块;
处理目标检测、识别、定位以及引导控制的新型深度卷积神经网络学习算法的深度学习算法模块;
包含AI Engine智能引擎负责对目标数据进行检测、识别以及定位分析的AI云处理平台模块;
用于提供优化的控制策略以获得切换轨迹的AI视觉引导控制系统;
能够执行不同种类汽车模具或零部件的定位的工装夹具模块;
实现视觉系统与控制系统通讯的视觉与通信交互模块;
根据轨迹优化路径进行迅速、准确的自动切换的电缸闭环控制系统;
所述深度学习算法模块由3D视觉工件检测系统、3D视觉工件识别系统、3D夹具视觉定位系统组成,所述深度学习算法模块与AI云处理平台模块相结合,所述AI云处理平台模块与机器人本体模块相结合,并将分析结果输送到机器人本体模块,所述电缸闭环控制系统、工装夹具控制模块、自动上下料机械手模块、视觉与通信交互模块均与机器人本体模块交互连接,所述AI视觉引导控制系统分别与工装夹具控制模块和视觉与通信交互模块交互连接。
2.根据权利要求1所述的一种基于深度学习的AI视觉控制自动切换机器人系统,其特征在于,所述机器人本体模块可以用于不同种类汽车模具、零部件自动选型切换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202022773652.2U CN213890029U (zh) | 2020-11-26 | 2020-11-26 | 一种基于深度学习的ai视觉控制自动切换机器人系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202022773652.2U CN213890029U (zh) | 2020-11-26 | 2020-11-26 | 一种基于深度学习的ai视觉控制自动切换机器人系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN213890029U true CN213890029U (zh) | 2021-08-06 |
Family
ID=77122837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202022773652.2U Active CN213890029U (zh) | 2020-11-26 | 2020-11-26 | 一种基于深度学习的ai视觉控制自动切换机器人系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN213890029U (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113878314A (zh) * | 2021-11-03 | 2022-01-04 | 安徽明豪汽车科技有限公司 | 一种基于智能定位的加强板副车架总成焊接的自动化生产工艺 |
-
2020
- 2020-11-26 CN CN202022773652.2U patent/CN213890029U/zh active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113878314A (zh) * | 2021-11-03 | 2022-01-04 | 安徽明豪汽车科技有限公司 | 一种基于智能定位的加强板副车架总成焊接的自动化生产工艺 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108182689B (zh) | 应用于机器人搬运打磨领域的板状工件三维识别定位方法 | |
CN110509300B (zh) | 基于三维视觉引导的钢箍加工上料控制系统及控制方法 | |
CN111531407B (zh) | 一种基于图像处理的工件姿态快速测量方法 | |
CN111014879B (zh) | 一种基于激光焊缝跟踪的机器人波纹板自动焊接方法 | |
CN113146172B (zh) | 一种基于多视觉的检测与装配系统及方法 | |
CN110881748A (zh) | 一种基于3d扫描的机器人鞋底自动涂胶系统及方法 | |
CN106737688B (zh) | 一种基于多传感器的集箱管座机器人自动装配系统和方法 | |
CN109848989B (zh) | 一种基于红宝石探针的机器人执行末端自动标定及检测方法 | |
CN109590952B (zh) | 成套工艺装配板的智能检测方法和检测工作台 | |
CN213890029U (zh) | 一种基于深度学习的ai视觉控制自动切换机器人系统 | |
CN112648934A (zh) | 一种自动化弯管几何形态检测方法 | |
CN112247525A (zh) | 一种基于视觉定位智能组装系统 | |
Ma et al. | An efficient and robust complex weld seam feature point extraction method for seam tracking and posture adjustment | |
CN117047237B (zh) | 一种异形件智能柔性焊接系统与方法 | |
Zhou et al. | Deep learning on 3d object detection for automatic plug-in charging using a mobile manipulator | |
CN113664826A (zh) | 一种未知环境中的机器人抓取方法及系统 | |
CN112577423A (zh) | 包含在运动中进行机器视觉位置定位的方法及其应用 | |
CN111906767A (zh) | 基于双目结构光的视觉纠偏机械臂及纠偏方法 | |
CN112834505B (zh) | 管道工件涂膏的焊缝三维视觉检测定位装置及其检测定位方法 | |
CN115112018A (zh) | 一种基于立体视觉的三坐标机智能复合联检系统及方法 | |
CN115723133A (zh) | 一种基于虚实结合的机器人空间焊缝自动定位与纠偏系统 | |
CN113109762B (zh) | 一种用于auv对接回收的光视觉引导方法 | |
CN105345813B (zh) | 一种基于广义坐标的机械手高精度定位方法 | |
CN115041887A (zh) | 一种机器人焊接工件的轮廓测量与识别系统 | |
CN217818608U (zh) | 一种基于立体视觉的三坐标机柔性复合联检系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |