CN108226164A - 一种基于视觉检测的机器人打磨方法及*** - Google Patents

一种基于视觉检测的机器人打磨方法及*** Download PDF

Info

Publication number
CN108226164A
CN108226164A CN201711470467.2A CN201711470467A CN108226164A CN 108226164 A CN108226164 A CN 108226164A CN 201711470467 A CN201711470467 A CN 201711470467A CN 108226164 A CN108226164 A CN 108226164A
Authority
CN
China
Prior art keywords
workpiece
defect
robot
image
polishing
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
Application number
CN201711470467.2A
Other languages
English (en)
Other versions
CN108226164B (zh
Inventor
潘才锦
方思雯
陈和平
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.)
Shenzhen Intelligent Robot Research Institute
Original Assignee
Shenzhen Intelligent Robot Research Institute
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 Shenzhen Intelligent Robot Research Institute filed Critical Shenzhen Intelligent Robot Research Institute
Priority to CN201711470467.2A priority Critical patent/CN108226164B/zh
Publication of CN108226164A publication Critical patent/CN108226164A/zh
Application granted granted Critical
Publication of CN108226164B publication Critical patent/CN108226164B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B1/00—Processes of grinding or polishing; Use of auxiliary equipment in connection with such processes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B21/00—Machines or devices using grinding or polishing belts; Accessories therefor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B21/00—Machines or devices using grinding or polishing belts; Accessories therefor
    • B24B21/18—Accessories
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
    • B24B49/12—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation involving optical means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B51/00—Arrangements for automatic control of a series of individual steps in grinding a workpiece
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8861—Determining coordinates of flaws
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8874—Taking dimensions of defect into account
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)
  • Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)

Abstract

本发明公开了一种基于视觉检测的机器人打磨方法及***，***包括机器人、屏蔽罩、打磨砂带机、计算机、用于夹持工件的末端夹具和用于采集图像的相机，所述相机安装在屏蔽罩内，所述机器人与末端夹具连接，所述计算机分别与机器人、相机以及打磨砂带机连接，所述计算机包括：工件移动模块、缺陷检测模块和缺陷处理模块，本发明通过集成工件缺陷检测与工件打磨，大大提高了生产效率，本发明作为一种性能优良的基于视觉检测的机器人打磨方法及***可广泛应用于工件加工技术领域中。

Description

一种基于视觉检测的机器人打磨方法及***
技术领域
本发明涉及工件加工技术领域，尤其涉及一种基于视觉检测的机器人打磨方法及***。
背景技术
在制造业中，打磨抛光是一道关键的工序，打磨的质量往往决定了产品的档次。传统的打磨方法有人工打磨、专用机床打磨和数控机床打磨三种工作模式。其中，人工打磨是最主要的工作模式，但是存在很多的弊端，比如工人在进行打磨时，受粉尘以及噪声的影响，容易出现尘肺病等职业病，工人的身体健康受到威胁，并且人工打磨效率低下，产品生产耗时长，手工作业瑕疵多，检测步骤繁琐；专用机床通用性不好，只适合批量生产；数控机床的加工成本较高。
发明内容
为了解决上述的技术问题，本发明的目的在于提供一种基于视觉检测的机器人打磨方法，本发明的另一目的在于提供一种基于视觉检测的机器人打磨***。
本发明所采取的技术方案是：
一种基于视觉检测的机器人打磨方法，包括以下步骤：
S1、控制机器人将工件移动到打磨区进行打磨；
S2、控制机器人将工件移动到视觉检测区域；
S3、控制相机对工件的待检测部位依次进行图像采集，获取工件所有待检测部位的图像并进行图像处理后，判断工件是否存在缺陷，若不存在缺陷，则将工件放到合格品区，反之，执行步骤S4；
S4、获取缺陷的位置坐标并生成缺陷所对应的分级处理指令，进而控制机器人根据缺陷位置坐标和分级处理指令对工件进行分级打磨处理；
S5、对分级打磨处理后的工件进行图像采集，进而根据采集的图像判断工件是否还存在缺陷，最后控制机器人将打磨合格的工件放到合格品区。
进一步，还包括以下步骤：
S0、将机器人的工具坐标与打磨砂带机和相机的坐标建立对应关系。
进一步，所述步骤S3中获取工件所有待检测部位的图像并进行图像处理后，判断工件是否存在缺陷的步骤，具体包括：
S31、获取工件所有待检测部位的图像；
S32、对待检测部位的图像进行遍历扫描；
S33、对图像进行二值化处理，并标定图像中每个像素点的坐标值；
S34、根据该坐标值对图像进行边缘检测和轮廓提取；
S35、将提取出的轮廓与预设的缺陷轮廓数据库进行比对，若获得对应的缺陷，则判断工件存在缺陷，否则判断工件不存在缺陷。
进一步，所述步骤S4包括步骤：
S41、获取缺陷的位置坐标；
S42、计算缺陷的表面积；
S43、根据缺陷的表面积生成缺陷所对应的分级处理指令；
S44、控制机器人根据缺陷位置坐标和分级处理指令对工件进行分级打磨处理。
进一步，所述步骤S43中缺陷所对应的分级处理指令是通过以下方式生成的：
响应于缺陷的表面积为0-1.0mm2的情况，生成一级处理指令；
响应于缺陷的表面积为1.1mm2-2.0mm2的情况，生成二级处理指令；
响应于缺陷的表面积为2.1mm2-3.0mm2的情况，生成三级处理指令；
响应于缺陷的表面积大于3mm2的情况，生成四级处理指令。
进一步，所述分级处理指令被配置为：
所述一级处理指令为：将机器人工具中心点偏移0.5mm，将工件移动到打磨砂带机位置，对缺陷进行打磨；
所述二级处理指令为：将机器人工具中心点偏移1.0mm，将工件移动到打磨砂带机位置，对缺陷进行打磨；
所述三级处理指令为：将机器人工具中心点偏移1.5mm，将工件移动到打磨砂带机位置，对缺陷进行打磨；
所述四级处理指令为：将工件放到不合格品区。
进一步，所述步骤S5具体为：控制机器人将工件移动到视觉检测区域后，控制相机对工件的待检测部位依次进行图像采集，获取工件所有待检测部位的图像并进行图像处理后，判断工件是否存在缺陷，如果判断出存在缺陷并且缺陷的表面积大于或等于0.5mm2，则工件打磨不合格，控制机器人将打磨不合格的工件放到不合格品区，反之，工件打磨合格，控制机器人将打磨合格的工件放到合格品区。
一种基于视觉检测的机器人打磨***，包括机器人、屏蔽罩、打磨砂带机、计算机、用于夹持工件的末端夹具和用于采集图像的相机，所述相机安装在屏蔽罩内，所述机器人与末端夹具连接，所述计算机分别与机器人、相机以及打磨砂带机连接，所述计算机包括：
打磨控制模块，用于控制机器人将工件移动到打磨区进行打磨；
工件移动模块，用于控制机器人将工件移动到视觉检测区域；
缺陷检测模块，用于控制相机对工件的待检测部位依次进行图像采集，获取工件所有待检测部位的图像并进行图像处理后，判断工件是否存在缺陷，若不存在缺陷，则将工件放到合格品区，反之，执行缺陷处理模块；
缺陷处理模块，用于获取缺陷的位置坐标并生成缺陷所对应的分级处理指令，进而控制机器人根据缺陷位置坐标和分级处理指令对工件进行分级打磨处理；
二次检测处理模块，用于对分级打磨处理后的工件进行图像采集，进而根据采集的图像判断工件是否还存在缺陷，最后控制机器人将打磨合格的工件放到合格品区。
进一步，所述缺陷检测模块包括：
取图单元，用于获取工件所有待检测部位的图像；
扫描单元，用于对待检测部位的图像进行遍历扫描；
标定单元，用于对图像进行二值化处理，并标定图像中每个像素点的坐标值；
提取单元，用于根据该坐标值对图像进行边缘检测和轮廓提取；
判断单元，用于将提取出的轮廓与预设的缺陷轮廓数据库进行比对，若获得对应的缺陷，则判断工件存在缺陷，否则判断工件不存在缺陷。
进一步，所述缺陷处理模块包括：
获取单元，用于获取缺陷的位置坐标；
计算单元，用于计算缺陷的表面积；
生成单元，用于根据缺陷的表面积生成缺陷所对应的分级处理指令；
处理单元，用于控制机器人根据缺陷位置坐标和分级处理指令对工件进行分级打磨处理。
本发明的有益效果是：一种基于视觉检测的机器人打磨方法，通过集成工件缺陷检测与工件打磨，大大提高了生产效率，通过控制相机对工件的待检测部位依次进行图像采集，获取工件所有待检测部位的图像并进行图像处理后，判断工件是否存在缺陷，能检测到工件细微的缺陷，通过控制机器人根据接收到的缺陷位置坐标和分级处理指令对工件的缺陷进行处理，保证了打磨的精度。
本发明的另一有益效果是：一种基于视觉检测的机器人打磨***，包括机器人、屏蔽罩、打磨砂带机、计算机、用于夹持工件的末端夹具和用于采集图像的相机，所述相机安装在屏蔽罩内，所述机器人与末端夹具连接，所述计算机分别与机器人、相机以及打磨砂带机连接，所述计算机包括：工件移动模块、缺陷检测模块和缺陷处理模块，通过集成工件缺陷检测与工件打磨，大大提高了生产效率，通过缺陷检测模块和缺陷处理模块，检测和控制机器人打磨缺陷，可以保证打磨精度，通过二次检测处理模块进一步保证了工件的合格率。
附图说明
图1是本发明一种基于视觉检测的机器人打磨方法具体实施例的流程示意图；
图2是本发明一种基于视觉检测的机器人打磨方法具体实施例的步骤S3的步骤流程图；
图3是本发明一种基于视觉检测的机器人打磨方法具体实施例的步骤S4的步骤流程图；
图4是本发明一种基于视觉检测的机器人打磨***具体实施例的结构示意图；
图5是本发明一种基于视觉检测的机器人打磨***具体实施例的模块框图；
图6是本发明一种基于视觉检测的机器人打磨***具体实施例的缺陷检测模块的结构示意图；
图7是本发明一种基于视觉检测的机器人打磨***具体实施例的缺陷处理模块的结构示意图。
具体实施方式
参照图1，一种基于视觉检测的机器人打磨方法，包括以下步骤：
S1、控制机器人将工件移动到打磨区进行打磨；
S2、控制机器人将工件移动到视觉检测区域；
S3、控制相机对工件的待检测部位依次进行图像采集，获取工件所有待检测部位的图像并进行图像处理后，判断工件是否存在缺陷，若不存在缺陷，则将工件放到合格品区，反之，执行步骤S4；
S4、获取缺陷的位置坐标并生成缺陷所对应的分级处理指令，进而控制机器人根据缺陷位置坐标和分级处理指令对工件进行分级打磨处理；
S5、对分级打磨处理后的工件进行图像采集，进而根据采集的图像判断工件是否还存在缺陷，最后控制机器人将打磨合格的工件放到合格品区。
进一步作为优选的实施方式，还包括以下步骤：
S0、将机器人的工具坐标与打磨砂带机和相机的坐标建立对应关系。
参照图2，进一步作为优选的实施方式，所述步骤S3中获取工件所有待检测部位的图像并进行图像处理后，判断工件是否存在缺陷的步骤，具体包括：
S31、获取工件所有待检测部位的图像；
S32、对待检测部位的图像进行遍历扫描；
S33、对图像进行二值化处理，并标定图像中每个像素点的坐标值；
S34、根据该坐标值对图像进行边缘检测和轮廓提取；
S35、将提取出的轮廓与预设的缺陷轮廓数据库进行比对，若获得对应的缺陷，则判断工件存在缺陷，否则判断工件不存在缺陷。
参照图3，进一步作为优选的实施方式，所述步骤S4包括步骤：
S41、获取缺陷的位置坐标；
S42、计算缺陷的表面积；
S43、根据缺陷的表面积生成缺陷所对应的分级处理指令；
S44、控制机器人根据缺陷位置坐标和分级处理指令工件进行处理。
进一步作为优选的实施方式，所述步骤S43中缺陷所对应的分级处理指令是通过以下方式生成的：
响应于缺陷的表面积为0-1.0mm2的情况，生成一级处理指令；
响应于缺陷的表面积为1.1mm2-2.0mm2的情况，生成二级处理指令；
响应于缺陷的表面积为2.1mm2-3.0mm2的情况，生成三级处理指令；
响应于缺陷的表面积大于3mm2的情况，生成四级处理指令。
进一步作为优选的实施方式，所述分级处理指令被配置为：
所述一级处理指令为：将机器人工具中心点偏移0.5mm，将工件移动到打磨砂带机位置，对缺陷进行打磨；
所述二级处理指令为：将机器人工具中心点偏移1.0mm，将工件移动到打磨砂带机位置，对缺陷进行打磨；
所述三级处理指令为：将机器人工具中心点偏移1.5mm，将工件移动到打磨砂带机位置，对缺陷进行打磨；
所述四级处理指令为：将工件放到不合格品区。
进一步作为优选的实施方式，所述步骤S5具体为：控制机器人将工件移动到视觉检测区域后，控制相机对工件的待检测部位依次进行图像采集，获取工件所有待检测部位的图像并进行图像处理后，判断工件是否存在缺陷，如果判断出存在缺陷并且缺陷的表面积大于或等于0.5mm2，则工件打磨不合格，控制机器人将打磨不合格的工件放到不合格品区，反之，工件打磨合格，控制机器人将打磨合格的工件放到合格品区。
参照图4和图5，一种基于视觉检测的机器人打磨***，包括机器人、屏蔽罩、打磨砂带机、计算机、用于夹持工件的末端夹具和用于采集图像的相机，所述相机安装在屏蔽罩内，所述机器人与末端夹具连接，所述计算机分别与机器人、相机以及打磨砂带机连接，所述计算机包括：
打磨控制模块，用于控制机器人将工件移动到打磨区进行打磨；
工件移动模块，用于控制机器人将工件移动到视觉检测区域；
缺陷检测模块，用于控制相机对工件的待检测部位依次进行图像采集，获取工件所有待检测部位的图像并进行图像处理后，判断工件是否存在缺陷，若不存在缺陷，则将工件放到合格品区，反之，执行缺陷处理模块；
缺陷处理模块，用于获取缺陷的位置坐标并生成缺陷所对应的分级处理指令，进而控制机器人根据缺陷位置坐标和分级处理指令对工件进行分级打磨处理；
二次检测处理模块，用于对分级打磨处理后的工件进行图像采集，进而根据采集的图像判断工件是否还存在缺陷，最后控制机器人将打磨合格的工件放到合格品区。
参照图6，进一步作为优选的实施方式，所述缺陷检测模块包括：
取图单元，用于获取工件所有待检测部位的图像；
扫描单元，用于对待检测部位的图像进行遍历扫描；
标定单元，用于对图像进行二值化处理，并标定图像中每个像素点的坐标值；
提取单元，用于根据该坐标值对图像进行边缘检测和轮廓提取；
判断单元，用于将提取出的轮廓与预设的缺陷轮廓数据库进行比对，若获得对应的缺陷，则判断工件存在缺陷，否则判断工件不存在缺陷。
参照图7，进一步作为优选的实施方式，所述缺陷处理模块包括：
获取单元，用于获取缺陷的位置坐标；
计算单元，用于计算缺陷的表面积；
生成单元，用于根据缺陷的表面积生成缺陷所对应的分级处理指令；
处理单元，用于控制机器人根据缺陷位置坐标和分级处理指令对工件进行分级打磨处理。
下面结合具体实施例对本发明作进一步说明，以打磨水龙头表面为例。
参照图1，一种基于视觉检测的机器人打磨方法，包括以下步骤：
S0、将机器人的工具坐标与打磨砂带机和相机的坐标建立对应关系。
S1、控制机器人将工件移动到打磨区进行打磨；
S2、控制机器人将水龙头移动到视觉检测区域，即在光源下方并且在相机视野中；
在本实施例中，置于以相机为原点，以三维坐标XYZ为基准，坐标为(200，0，0)的位置。
S3、控制相机对水龙头的待检测部位依次进行图像采集，获取水龙头所有待检测部位的图像并进行图像处理后，判断水龙头是否存在缺陷，若不存在缺陷，则执行步骤S5，反之，执行步骤S4；
在本实施例中，水龙头有26个待检测部位，控制相机采集26个待检测部位的图像并依次发送到计算机。
参照图2，步骤S3中获取水龙头所有待检测部位的图像并进行图像处理后，判断水龙头是否存在缺陷的步骤，具体包括步骤S31～S35：
S31、获取水龙头所有待检测部位的图像；
S32、对待检测部位的图像进行遍历扫描；
S33、对图像进行二值化处理，并标定图像中每个像素点的坐标值；
S34、根据该坐标值对图像进行边缘检测和轮廓提取；
S35、将提取出的轮廓与预设的缺陷轮廓数据库进行比对，若获得对应的缺陷，则判断水龙头存在缺陷，否则判断水龙头不存在缺陷。
本实施例中，利用src.rows函数和src.cols函数对图像进行遍历扫描，获取整个图像的长和宽，利用阈值函数threshold对图像进行二值化处理，利用Canny算子对图像进行边缘检测，利用Findcontours函数对图像进行轮廓提取。
其中，缺陷轮廓数据库记载的是各种缺陷及与之相关联的轮廓数据，各种缺陷的轮廓数据是通过以下方式提取的：获取各种缺陷的图像；对缺陷的图像进行遍历扫描；对图像进行二值化处理，并标定图像中每个像素点的坐标值；根据该坐标值对图像进行边缘检测和轮廓提取；提取出缺陷的轮廓数据。缺陷的轮廓数据提取步骤与前述步骤S31～S34相同。
S4、获取缺陷的位置坐标并生成缺陷所对应的分级处理指令，进而控制机器人根据缺陷位置坐标和分级处理指令对水龙头进行处理；
具体的，参照图3，步骤S4包括步骤S41～S43：
S41、获取缺陷的位置坐标；
S42、计算缺陷的表面积；
本实施例中通过contourArea函数计算缺陷的表面积，另外，还可以通过使用cvPerspectiveTransform函数及vReprojectImageTo3D函数，计算缺陷的深度后，根据深度的不同范围，来生成对应的分级处理指令。
S43、根据缺陷的表面积生成缺陷所对应的分级处理指令；
其中，响应于缺陷的表面积为0-1.0mm2的情况，生成一级处理指令，即控制机器人将机器人工具中心点TCP偏移0.5mm，将水龙头移动到打磨砂带机位置，对缺陷进行打磨；响应于缺陷的表面积为1.1mm2-2.0mm2的情况，生成二级处理指令，即控制机器人将机器人工具中心点TCP偏移1.0mm，将水龙头移动到打磨砂带机位置，对缺陷进行打磨；响应于缺陷的表面积为2.1mm2-3.0mm2的情况，生成三级处理指令，即控制机器人将机器人工具中心点TCP偏移1.5mm，将水龙头移动到打磨砂带机位置，对缺陷进行打磨；响应于缺陷的表面积大于3mm2的情况，生成四级处理指令，即控制机器人将水龙头放到不合格品区。
S44、控制机器人根据缺陷位置坐标和分级处理指令对水龙头进行处理。
S5、控制机器人将水龙头移动到视觉检测区域，控制相机对水龙头的26个待检测部位依次进行图像采集，获取水龙头所有待检测部位的图像并进行图像处理后，判断水龙头是否存在缺陷，如果判断出存在缺陷并且缺陷的表面积大于或等于0.5mm2，则水龙头打磨不合格，控制机器人将打磨不合格的水龙头放到不合格品区，反之，水龙头打磨合格，控制机器人将打磨合格的水龙头放到合格品区。
其中，通过执行前述步骤S31～S35来获取水龙头所有待检测部位的图像并进行图像处理后，判断水龙头是否存在缺陷。
参照图4和图5，用于执行上述打磨方法的基于视觉检测的机器人打磨***，包括机器人1、屏蔽罩3、打磨砂带机4、计算机、用于夹持工件的末端夹具2和用于采集图像的相机，还包括用于为相机提供照明的光源，其中相机的镜头采用16mm百万像素工业镜头，光源采用白色的，宽度为100mm，长度为150mm的弧形光源，光源和相机均安装在屏蔽罩3内，所述机器人1与末端夹具2连接，所述计算机分别与机器人1、相机以及打磨砂带机4连接，计算机包括：
坐标匹配模块，用于将机器人的工具坐标与打磨砂带机和相机的坐标建立对应关系。
打磨控制模块，用于控制机器人将工件移动到打磨区进行打磨；
工件移动模块，用于控制机器人将工件移动到视觉检测区域；
缺陷检测模块，用于控制相机对工件的待检测部位依次进行图像采集，获取工件所有待检测部位的图像并进行图像处理后，判断工件是否存在缺陷，若不存在缺陷，则将工件放到合格品区，反之，执行缺陷处理模块；
缺陷处理模块，用于获取缺陷的位置坐标并生成缺陷所对应的分级处理指令，进而控制机器人根据缺陷位置坐标和分级处理指令对工件进行分级打磨处理；
二次检测处理模块，用于对分级打磨处理后的工件进行图像采集，进而根据采集的图像判断工件是否还存在缺陷，最后控制机器人将打磨合格的工件放到合格品区。
参照图6，缺陷检测模块包括：
取图单元，用于获取工件所有待检测部位的图像；
扫描单元，用于对待检测部位的图像进行遍历扫描；
标定单元，用于对图像进行二值化处理，并标定图像中每个像素点的坐标值；
提取单元，用于根据该坐标值对图像进行边缘检测和轮廓提取；
判断单元，用于将提取出的轮廓与预设的缺陷轮廓数据库进行比对，若获得对应的缺陷，则判断工件存在缺陷，否则判断工件不存在缺陷。
参照图7，缺陷处理模块包括：
获取单元，用于获取缺陷的位置坐标；
计算单元，用于计算缺陷的表面积；
生成单元，用于根据缺陷的表面积生成缺陷所对应的分级处理指令；
处理单元，用于控制机器人根据缺陷位置坐标和分级处理指令对工件进行分级打磨处理。
其中，响应于缺陷的表面积为0-1.0mm2的情况，生成一级处理指令，即控制机器人将机器人工具中心点TCP偏移0.5mm，将水龙头移动到打磨砂带机位置，对缺陷进行打磨；响应于缺陷的表面积为1.1mm2-2.0mm2的情况，生成二级处理指令，即控制机器人将机器人工具中心点TCP偏移1.0mm，将水龙头移动到打磨砂带机位置，对缺陷进行打磨；响应于缺陷的表面积为2.1mm2-3.0mm2的情况，生成三级处理指令，即控制机器人将机器人工具中心点TCP偏移1.5mm，将水龙头移动到打磨砂带机位置，对缺陷进行打磨；响应于缺陷的表面积大于3mm2的情况，生成四级处理指令，即控制机器人将水龙头放到不合格品区。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.一种基于视觉检测的机器人打磨方法，其特征在于，包括以下步骤：
S1、控制机器人将工件移动到打磨区进行打磨；
S2、控制机器人将工件移动到视觉检测区域；
S3、控制相机对工件的待检测部位依次进行图像采集，获取工件所有待检测部位的图像并进行图像处理后，判断工件是否存在缺陷，若不存在缺陷，则将工件放到合格品区，反之，执行步骤S4；
S4、获取缺陷的位置坐标并生成缺陷所对应的分级处理指令，进而控制机器人根据缺陷位置坐标和分级处理指令对工件进行分级打磨处理；
S5、对分级打磨处理后的工件进行图像采集，进而根据采集的图像判断工件是否还存在缺陷，最后控制机器人将打磨合格的工件放到合格品区。
2.根据权利要求1所述的一种基于视觉检测的机器人打磨方法，其特征在于，还包括以下步骤：
S0、将机器人的工具坐标与打磨砂带机和相机的坐标建立对应关系。
3.根据权利要求1所述的一种基于视觉检测的机器人打磨方法，其特征在于，所述步骤S3中获取工件所有待检测部位的图像并进行图像处理后，判断工件是否存在缺陷的步骤，具体包括：
S31、获取工件所有待检测部位的图像；
S32、对待检测部位的图像进行遍历扫描；
S33、对图像进行二值化处理，并标定图像中每个像素点的坐标值；
S34、根据该坐标值对图像进行边缘检测和轮廓提取；
S35、将提取出的轮廓与预设的缺陷轮廓数据库进行比对，若获得对应的缺陷，则判断工件存在缺陷，否则判断工件不存在缺陷。
4.根据权利要求3所述的一种基于视觉检测的机器人打磨方法，其特征在于，所述步骤S4包括步骤：
S41、获取缺陷的位置坐标；
S42、计算缺陷的表面积；
S43、根据缺陷的表面积生成缺陷所对应的分级处理指令；
S44、控制机器人根据缺陷位置坐标和分级处理指令对工件进行分级打磨处理。
5.根据权利要求4所述的一种基于视觉检测的机器人打磨方法，其特征在于，所述步骤S43中所述缺陷所对应的分级处理指令是通过以下方式生成的：
响应于缺陷的表面积为0-1.0的情况，生成一级处理指令；
响应于缺陷的表面积为1.1-2.0的情况，生成二级处理指令；
响应于缺陷的表面积为2.1-3.0的情况，生成三级处理指令；
响应于缺陷的表面积大于3的情况，生成四级处理指令。
6.根据权利要求5所述的一种基于视觉检测的机器人打磨方法，其特征在于，所述分级处理指令被配置为：
所述一级处理指令为：将机器人工具中心点偏移0.5mm，将工件移动到打磨砂带机位置，对缺陷进行打磨；
所述二级处理指令为：将机器人工具中心点偏移1.0mm，将工件移动到打磨砂带机位置，对缺陷进行打磨；
所述三级处理指令为：将机器人工具中心点偏移1.5mm，将工件移动到打磨砂带机位置，对缺陷进行打磨；
所述四级处理指令为：将工件放到不合格品区。
7.根据权利要求6所述的一种基于视觉检测的机器人打磨方法，其特征在于，所述步骤S5具体为：控制机器人将工件移动到视觉检测区域后，控制相机对工件的待检测部位依次进行图像采集，获取工件所有待检测部位的图像并进行图像处理后，判断工件是否存在缺陷，如果判断出存在缺陷并且缺陷的表面积大于或等于0.5，则工件打磨不合格，控制机器人将打磨不合格的工件放到不合格品区，反之，工件打磨合格，控制机器人将打磨合格的工件放到合格品区。
8.一种基于视觉检测的机器人打磨***，其特征在于，包括机器人、屏蔽罩、打磨砂带机、计算机、用于夹持工件的末端夹具和用于采集图像的相机，所述相机安装在屏蔽罩内，所述机器人与末端夹具连接，所述计算机分别与机器人、相机以及打磨砂带机连接，所述计算机包括：
打磨控制模块，用于控制机器人将工件移动到打磨区进行打磨；
工件移动模块，用于控制机器人将工件移动到视觉检测区域；
缺陷检测模块，用于控制相机对工件的待检测部位依次进行图像采集，获取工件所有待检测部位的图像并进行图像处理后，判断工件是否存在缺陷，若不存在缺陷，则将工件放到合格品区，反之，执行缺陷处理模块；
缺陷处理模块，用于获取缺陷的位置坐标并生成缺陷所对应的分级处理指令，进而控制机器人根据缺陷位置坐标和分级处理指令对工件进行分级打磨处理；
二次检测处理模块，用于对分级打磨处理后的工件进行图像采集，进而根据采集的图像判断工件是否还存在缺陷，最后控制机器人将打磨合格的工件放到合格品区。
9.根据权利要求8所述的一种基于视觉检测的机器人打磨***，其特征在于，所述缺陷检测模块包括：
取图单元，用于获取工件所有待检测部位的图像；
扫描单元，用于对待检测部位的图像进行遍历扫描；
标定单元，用于对图像进行二值化处理，并标定图像中每个像素点的坐标值；
提取单元，用于根据该坐标值对图像进行边缘检测和轮廓提取；
判断单元，用于将提取出的轮廓与预设的缺陷轮廓数据库进行比对，若获得对应的缺陷，则判断工件存在缺陷，否则判断工件不存在缺陷。
10.根据权利要求9所述的一种基于视觉检测的机器人打磨***，其特征在于，所述缺陷处理模块包括：
获取单元，用于获取缺陷的位置坐标；
计算单元，用于计算缺陷的表面积；
生成单元，用于根据缺陷的表面积生成缺陷所对应的分级处理指令；
处理单元，用于控制机器人根据缺陷位置坐标和分级处理指令对工件进行分级打磨处理。
CN201711470467.2A 2017-12-29 2017-12-29 一种基于视觉检测的机器人打磨方法及*** Active CN108226164B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711470467.2A CN108226164B (zh) 2017-12-29 2017-12-29 一种基于视觉检测的机器人打磨方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711470467.2A CN108226164B (zh) 2017-12-29 2017-12-29 一种基于视觉检测的机器人打磨方法及***

Publications (2)

Publication Number Publication Date
CN108226164A true CN108226164A (zh) 2018-06-29
CN108226164B CN108226164B (zh) 2021-05-07

Family

ID=62646832

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711470467.2A Active CN108226164B (zh) 2017-12-29 2017-12-29 一种基于视觉检测的机器人打磨方法及***

Country Status (1)

Country Link
CN (1) CN108226164B (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109030384A (zh) * 2018-07-04 2018-12-18 中国航空制造技术研究院 一种在线监测打磨质量的方法
CN109986447A (zh) * 2019-05-14 2019-07-09 中铁隧道局集团有限公司 管道外壁打磨机
CN110170922A (zh) * 2019-06-03 2019-08-27 北京石油化工学院 自动化打磨方法、装置和设备
CN110625491A (zh) * 2019-08-29 2019-12-31 中车青岛四方机车车辆股份有限公司 打磨设备以及打磨方法
CN110977767A (zh) * 2019-11-12 2020-04-10 长沙长泰机器人有限公司 一种铸件瑕疵分布检测方法以及铸件打磨方法
CN111195843A (zh) * 2018-11-19 2020-05-26 中冶宝钢技术服务有限公司 用于去除钢坯表面缺陷的装置及其方法
CN111203805A (zh) * 2020-01-08 2020-05-29 苏州德龙激光股份有限公司 全自动修复玻璃划痕的方法
CN111558854A (zh) * 2020-05-20 2020-08-21 山西太钢不锈钢股份有限公司 车用高等级不锈钢板的表面修磨方法
CN111922496A (zh) * 2020-08-11 2020-11-13 四川工程职业技术学院 基于等离子气刨的工件缺陷消除方法及***
CN113400102A (zh) * 2021-05-25 2021-09-17 广东长盈精密技术有限公司 一种损伤产品自动修复***及方法
CN113485245A (zh) * 2021-07-05 2021-10-08 西安交通大学 一种三轴数控加工g代码缺陷坐标的粗精分步筛选方法
CN114714161A (zh) * 2022-05-17 2022-07-08 昆山健博密封件科技有限公司 一种油封密封件的生产方法和装置
CN114789389A (zh) * 2022-04-27 2022-07-26 北京机科国创轻量化科学研究院有限公司 一种立环自动化打磨生产线
CN115106871A (zh) * 2022-08-29 2022-09-27 成都中科卓尔智能科技集团有限公司 一种半导体材料表面缺陷柔性高精度修复装置及工艺
CN116245877A (zh) * 2023-05-08 2023-06-09 济南达宝文汽车设备工程有限公司 一种基于机器视觉的料框检测方法及***
CN117197133A (zh) * 2023-11-06 2023-12-08 湖南睿图智能科技有限公司 一种复杂工业环境下视觉机器人的控制***及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102120307A (zh) * 2010-12-23 2011-07-13 中国科学院自动化研究所 一种基于视觉信息的工业机器人磨削***及方法
CN106041946A (zh) * 2016-05-23 2016-10-26 广东工业大学 基于图像处理的机械人打磨生产方法及应用其的生产***
CN106770331A (zh) * 2017-02-10 2017-05-31 南京航空航天大学 一种基于机器视觉的工件缺陷检测***
CN107052950A (zh) * 2017-05-25 2017-08-18 上海莫亭机器人科技有限公司 一种复杂曲面打磨抛光***及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102120307A (zh) * 2010-12-23 2011-07-13 中国科学院自动化研究所 一种基于视觉信息的工业机器人磨削***及方法
CN106041946A (zh) * 2016-05-23 2016-10-26 广东工业大学 基于图像处理的机械人打磨生产方法及应用其的生产***
CN106770331A (zh) * 2017-02-10 2017-05-31 南京航空航天大学 一种基于机器视觉的工件缺陷检测***
CN107052950A (zh) * 2017-05-25 2017-08-18 上海莫亭机器人科技有限公司 一种复杂曲面打磨抛光***及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BERND KUHLENKOETTER ET AL.: "A Robot System for High Quality Belt Grinding and Polishing Processes", 《CUTTING EDGE ROBOTICS》 *
YIXU SONG ET AL.: "A method for grinding removal control of a robot belt grinding system", 《JOURNAL OF INTELLIGENT MANUFACTURING》 *
杨庆华 等: "基于机器视觉的PCB裸板缺陷自动检测方法", 《中国机械工程》 *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109030384A (zh) * 2018-07-04 2018-12-18 中国航空制造技术研究院 一种在线监测打磨质量的方法
CN111195843A (zh) * 2018-11-19 2020-05-26 中冶宝钢技术服务有限公司 用于去除钢坯表面缺陷的装置及其方法
CN109986447A (zh) * 2019-05-14 2019-07-09 中铁隧道局集团有限公司 管道外壁打磨机
CN110170922B (zh) * 2019-06-03 2020-12-04 北京石油化工学院 自动化打磨方法、装置和设备
CN110170922A (zh) * 2019-06-03 2019-08-27 北京石油化工学院 自动化打磨方法、装置和设备
CN110625491A (zh) * 2019-08-29 2019-12-31 中车青岛四方机车车辆股份有限公司 打磨设备以及打磨方法
CN110977767B (zh) * 2019-11-12 2021-07-02 长沙长泰机器人有限公司 一种铸件瑕疵分布检测方法以及铸件打磨方法
CN110977767A (zh) * 2019-11-12 2020-04-10 长沙长泰机器人有限公司 一种铸件瑕疵分布检测方法以及铸件打磨方法
CN111203805A (zh) * 2020-01-08 2020-05-29 苏州德龙激光股份有限公司 全自动修复玻璃划痕的方法
CN111558854A (zh) * 2020-05-20 2020-08-21 山西太钢不锈钢股份有限公司 车用高等级不锈钢板的表面修磨方法
CN111922496A (zh) * 2020-08-11 2020-11-13 四川工程职业技术学院 基于等离子气刨的工件缺陷消除方法及***
CN113400102A (zh) * 2021-05-25 2021-09-17 广东长盈精密技术有限公司 一种损伤产品自动修复***及方法
CN113485245A (zh) * 2021-07-05 2021-10-08 西安交通大学 一种三轴数控加工g代码缺陷坐标的粗精分步筛选方法
CN114789389A (zh) * 2022-04-27 2022-07-26 北京机科国创轻量化科学研究院有限公司 一种立环自动化打磨生产线
CN114714161A (zh) * 2022-05-17 2022-07-08 昆山健博密封件科技有限公司 一种油封密封件的生产方法和装置
CN114714161B (zh) * 2022-05-17 2022-12-27 昆山健博密封件科技有限公司 一种油封密封件的生产方法和装置
CN115106871A (zh) * 2022-08-29 2022-09-27 成都中科卓尔智能科技集团有限公司 一种半导体材料表面缺陷柔性高精度修复装置及工艺
CN116245877A (zh) * 2023-05-08 2023-06-09 济南达宝文汽车设备工程有限公司 一种基于机器视觉的料框检测方法及***
CN116245877B (zh) * 2023-05-08 2023-11-03 济南达宝文汽车设备工程有限公司 一种基于机器视觉的料框检测方法及***
CN117197133A (zh) * 2023-11-06 2023-12-08 湖南睿图智能科技有限公司 一种复杂工业环境下视觉机器人的控制***及方法
CN117197133B (zh) * 2023-11-06 2024-01-30 湖南睿图智能科技有限公司 一种复杂工业环境下视觉机器人的控制***及方法

Also Published As

Publication number Publication date
CN108226164B (zh) 2021-05-07

Similar Documents

Publication Publication Date Title
CN108226164A (zh) 一种基于视觉检测的机器人打磨方法及***
CN109571152B (zh) 一种基于离线编程的工件自动打磨加工方法
CN106041946B (zh) 基于图像处理的机械人打磨生产方法及应用其的生产***
CN108144873B (zh) 一种视觉检测***及方法
CN111230593A (zh) 一种基于动态图像序列的铣刀磨损量视觉测量方法
CN207953500U (zh) 一种基于机器人的自适应表面打磨抛光***
CN109648202B (zh) 非平整面自主识别机器人增材制造成形精度控制方法
JPH03505998A (ja) 光学ロボット式キャノピー研摩装置
CN114571326B (zh) 基于计算机视觉的变形曲面磨削方法、装置及***
CN204053644U (zh) 一种复杂工件表面砂光抛光处理装置
CN105215792A (zh) 一种复杂工件表面砂光抛光处理装置及其处理工艺
CN108284360A (zh) 一种打磨工件打磨加工***
CN107598775A (zh) 一种通过激光进行检测并多轴机器人打磨的方法
CN112846987A (zh) 一种三维立体成像打磨方法及打磨装置
CN111687726A (zh) 一种压缩机叶片抛光设备
CN109035241A (zh) 一种鞋底加工方法及***
CN205703724U (zh) 一种分级加工式激光检测磨床
Xu et al. Methodology for the immediate detection and treatment of wheel wear in contour grinding
CN113379704A (zh) 构件焊缝表面缺陷识别定位及打磨方法、控制器及***
TW202026097A (zh) 研磨輔助方法
CN108655898B (zh) 一种水龙头打磨程序的自动校正与生成方法
US11904433B2 (en) Automatic gemstone polishing robot
CN208514344U (zh) 化学机械研磨的抛光垫图像检测***
CN105538097A (zh) 一种基于全自动机器人打磨生产线的家具表面打磨工艺
CN113762427A (zh) 一种工业自动化检测场景中的上料异常检测方法

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