CN109483537B - 一种Delta机器人作业目标选择方法及*** - Google Patents
一种Delta机器人作业目标选择方法及*** Download PDFInfo
- Publication number
- CN109483537B CN109483537B CN201811361159.0A CN201811361159A CN109483537B CN 109483537 B CN109483537 B CN 109483537B CN 201811361159 A CN201811361159 A CN 201811361159A CN 109483537 B CN109483537 B CN 109483537B
- Authority
- CN
- China
- Prior art keywords
- delta robot
- tray
- processor module
- calculating
- coordinate
- 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.)
- Expired - Fee Related
Links
- 238000010187 selection method Methods 0.000 title claims abstract description 22
- 239000000463 material Substances 0.000 claims abstract description 281
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000012216 screening Methods 0.000 claims abstract description 11
- 230000000007 visual effect Effects 0.000 claims description 15
- 230000015572 biosynthetic process Effects 0.000 claims description 9
- 238000003786 synthesis reaction Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000000034 method Methods 0.000 abstract description 14
- 238000012856 packing Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000012217 deletion Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000013077 target material Substances 0.000 description 1
Images
Classifications
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本发明提供了一种Delta机器人作业目标选择方法及***,所述Delta机器人作业目标选择***包括Delta机器人、物料作业传送带、托盒作业传送带、物料视觉装置、托盒视觉装置和处理器模块。本发明提供的一种Delta机器人作业目标选择方法及***,以远端实时计算Delta机器人的工作区域影像并通过多个筛选条件选出Delta机器人工作区域内的取料作业目标和装盒作业目标,以自动化的实现Delta机器人取料装盒作业目标选择,具有计算速度快,智能化程度高等特点。
Description
技术领域
本发明涉及到Delta机器人领域,具体涉及到一种Delta机器人作业目标选择方法及***。
背景技术
Delta机器人在实际应用中,常用于夹取作业。在装盒夹取作业中,Delta机器人需要从物料作业传送带上夹取物料,然后装进托盒作业传送带上的托盒中。为了保证Delta机器人的运动速度、提高装盒效率,如何快速准确及有效的确认目标物料以及目标托盒,需要一种Delta机器人作业目标选择方法及***来实现。
发明内容
本发明提供了一种Delta机器人作业目标选择方法及***,具有计算速度快,智能化程度高等特点。
相应的,本发明提供了一种Delta机器人作业目标选择方法,包括以下步骤:
基于物料视觉装置获取所述物料作业传送带图像;
基于托盒视觉装置获取所述托盒作业传送带图像;
计算得出Delta机器人工作末端的工作区域的一次图像;
基于处理器模块计算在所述一次图像中的物料夹取目标的物料夹取坐标E;
基于处理器模块驱动Delta机器人工作末端运行至物料夹取坐标E执行物料夹取目标的物料夹取作业;
计算得出获取Delta机器人工作末端的工作区域的二次图像;
基于处理器模块计算在所述二次图像中的托盒装盒目标的托盒装盒坐标F;
基于处理器模块驱动Delta机器人工作末端运行至托盒装盒坐标F执行托盒装盒目标的托盒装盒作业。
所述基于物料视觉装置获取所述物料作业传送带图像包括以下步骤:
基于时间排序,通过图像合成的方式,获取物料作业传送带图像。
所述基于托盒视觉装置获取所述托盒作业传送带图像包括以下步骤:
基于时间排序,通过图像合成的方式,获取托盒作业传送带图像。
所述基于处理器模块计算在所述一次图像中的物料夹取目标的物料夹取坐标E包括以下步骤:
基于处理器模块,以所述工作区域的中心为原点构建直角坐标系,生成工作区域轮廓圆周方程r2=x2+y2,r为工作区域半径,(x,y)为工作区域轮廓坐标;
基于处理器模块,计算所述工作区域的所有物料的物料特征点坐标;
基于处理器模块,以所述物料作业传送带的运动方向为距离计算方向,计算所述物料作业传送带上的多个物料距所述工作区域边缘的物料剩余距离;
基于所述Delta机器人工作末端的初始实时坐标,计算Delta机器人工作末端至各个物料间的物料移动距离;
基于所述Delta机器人工作末端的初始实时坐标、所述物料移动距离和物料剩余距离,筛选出可夹取物料集合;
基于处理器模块,在所述可夹取物料集合中,以物料剩余距离最小者作为物料夹取目标;
基于处理器模块,计算物料夹取目标的物料夹取坐标E。
所述基于所述Delta机器人工作末端的初始实时坐标、所述物料移动距离和物料剩余距离,筛选出可夹取物料集合包括以下步骤:
计算ti时间内Delta机器人工作末端的可运行距离,计算公式为st=v0ti,st为Delta机器人工作末端ti时间的运行距离,v0为Delta机器人工作末端的运行速度,ti为物料i离开所述工作区域所需时间;
计算max(C1Ai,C1Di),即C1Ai和C1Di中线段长度较大者的长度;
比较max(C1Ai,C1Di)和st的大小,判断物料i是否可夹取;
当st≥max(C1Ai,C1Di)时,物料i可夹取;当st<max(C1Ai,C1Di)时,物料i不可夹取;
基于处理器模块遍历计算所有的物料,将可夹取的物料归类至可夹取物料集合中。
基于处理器模块,计算物料夹取目标的物料夹取坐标E包括以下步骤:
设边C1E的长度为v0t、边AiE的长度为v1t,并代入至余弦公式C1E2=AiE2+C1Ai 2-2·AiE·C1Ai·cos∠C1AiDi,求解得出t;
基于处理器模块,计算出所述夹取点E坐标为E(xi-v1t,yi)。
所述基于处理器模块,在所述可夹取物料集合中,以物料剩余距离最小者作为物料夹取目标还包括以下步骤:
当具有多个物料的物料剩余距离同时为最小值时,基于处理器模块,从所述多个物料中随机选择其中一个物料作为物料夹取目标。
所述基于处理器模块计算在所述二次图像中的托盒装盒目标的托盒装盒坐标F包括以下步骤:
基于处理器模块,计算所述二次图像中所述工作区域的所有托盒的托盒特征点坐标;
基于处理器模块,以所述托盒作业传送带的运动方向为距离计算方向,计算所述托盒作业上的多个托盒距所述工作区域边缘的托盒剩余距离;
基于处理器模块,以所述夹取点E坐标为Delta机器人工作末端实时坐标,计算Delta机器人工作末端至各个物料间的物料移动距离;
基于所述夹取点E坐标、所述托盒移动距离和所述托盒剩余距离,筛选出可装盒托盒集合;
基于处理器模块,在所述可装盒托盒集合中,以托盒剩余距离最小者作为托盒装盒目标;
基于处理器模块,计算托盒装盒目标的托盒装盒坐标F。
相应的,本发明还提供了一种Delta机器人作业目标选择***,用于执行权利要求1至8其中一项所述的Delta机器人作业目标选择方法。
所述Delta机器人作业目标选择***包括Delta机器人、物料作业传送带、托盒作业传送带、物料视觉装置、托盒视觉装置和处理器模块;
所述物料作业传送带和托盒作业传送带并排布置,运动方向相同;
所述Delta机器人设置在所述物料作业传送带和托盒作业传送带上方,所述Delta机器人工作末端的工作区域同时覆盖部分所述物料作业传送带和部分所述托盒作业传送带;
所述视觉装置用于获取所述物料作业传送带、托盒作业传送带上的图像,且所述Delta机器人工作末端的工作区域处于所述视觉装置的图像获取区域内;
所述处理器模块分别与所述物料视觉装置、托盒视觉装置、所述Delta机器人连接,接收所述物料视觉装置和托盒视觉装置的图像进行合成,计算物料特征点和托盒特征点,并控制所述Delta机器人的工作末端运行。
本发明实施例提供了一种Delta机器人作业目标选择方法及***,以远端实时计算Delta机器人的工作区域影像并通过多个筛选条件选出Delta机器人工作区域内的取料作业目标和装盒作业目标,以自动化的实现Delta机器人取料装盒作业目标选择,具有计算速度快,智能化程度高等特点。
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,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1示出了本发明实施例的Delta机器人作业目标选择方法流程图;
图2示出了本发明实施例的Delta机器人作业目标选择***结构示意图;
图3示出了本发明实施例的Delta机器人作业区域视觉图像示意图;
图4示出了本发明实施例的Delta机器人作业点选择原理示意图;
图5示出了本发明实施例的步骤S104的实施原理示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
图1示出了本发明实施例的Delta机器人作业目标选择方法,本发明实施例的Delta机器人作业目标选择方法包括以下步骤:
S101:基于物料视觉装置400获取所述物料作业传送带图像,基于托盒视觉装置500获取所述托盒作业传送带图像;
具体的,如果通过视觉装置直接获取Delta机器人工作末端的工作区域图像,由于Delta机器人工作末端的阻挡,在具体实施中很难完全获取所需的工作区域图像,因此,可通过远端合成和即时计算的方式,基于软件计算的方式获取物料作业传送带图像和托盒作业传送带图像。
针对物料作业传送带,在物料作业传送带始端设置宽度为l的物料视觉装置400,物料视觉装置400以频率获取位于其下方的物料作业传送带单位图像。通过图像合成的方式,以时间排序,获取物料作业传送带图像。具体的,为了避免相对时间的计算麻烦以及与托盒作业传送带图像相匹配,可使用标准北京时间作为时间计量标准。当物料作业传送带正常运行时,任一时刻的物料作业传送带上的表面图像都是可知的。
图3示出了本发明实施例的物料作业传送带图像合成原理示意图。需要说明的是,为了防止图像数量过多导致容量累积,应及时对已处理的影响进行删除。具体的,物料作业传送带上任一点,从物料作业传送带始端至末端的运行时间因此,每次物料视觉装置400获取的物料作业传送带单位图像,再经过时间进行删除。
同理的,针对托盒作业传送带,在托盒作业传送带始端设置宽度为l的托盒视觉装置500,托盒视觉装置500以频率获取位于其下方的托盒作业传送带单位图像。通过图像合成的方式,以时间排序,获取托盒作业传送带图像。具体的,为了避免相对时间的计算麻烦以及与物料作业传送带图像相匹配,可使用标准北京时间作为时间计量标准。当托盒作业传送带正常运行时,任一时刻的托盒作业传送带上的表面图像都是可知的。
S102:获取Delta机器人工作末端的工作区域的一次图像;
图4示出了本发明实施例一次图像与二次图像的合成图,由于一次图像只应用到物料作业传送带,二次图像只应用到托盒作业传送带,图4将一次图像中的物料作业传送带图像和二次图像中的托盒作业传送带图像整合一体,以节省篇幅。
为了实现物料的装盒作业,Delta机器人的工作区域302应覆盖物料作业传送带的局部区域以及托盒作业传送带的局部区域。
S103:基于处理器模块,以工作区域中心为原点构建直角坐标系,生成工作区域轮廓圆周方程r2=x2+y2;
当以工作区域302中心为原点构建直角坐标系时,以运动方向的相反方向为x轴正向建立坐标系,工作区域轮廓圆周方程(第一圆周方程)为r2=x2+y2,其中,r为Delta机器人的工作区域半径,x,y分别为工作区域轮廓的横坐标和纵向坐标。
S104:基于处理器模块,计算所述工作区域的所有物料的物料特征点坐标;
在物料夹取的作业过程中,针对不同的物料,Delta机器人的工作末端在作业时始终与所需夹取的物料上一个相对固定的坐标点相对,该相对固定的坐标点为该物料的物料特征点,当Delta机器人工作末端移动至该物料特征点时,即可对该物料特征点所对应的物料进行物料夹取作业。
具体的,以本发明实施例的附图图2为例进行说明。一般的,为了获取物料的清晰轮廓信息,物料作业传送带的颜色与物料颜色应该是具有较大的差异性的,如物料的颜色与物料作业传送带的颜色搭配可为黑色和白色、绿色与白色、蓝色与白色;一般来说,浅色的物料与黑色的物料作业传送带搭配,深色的物料与白色的物料作业传送带进行搭配。
具体的,针对物料轮廓的获取方法现有技术已有较多的披露,本发明实施例不另外进行说明,物料轮廓根据所需的精度与坐标密度,最终生成的为一系列的坐标点,在本发明实施例中,由于物料为的截面形状为圆形的,因此,只需将物料轮廓的一系列的坐标点进行相加后求平均数,即可得出物料的物料特征点坐标,本发明实施例的物料特征点坐标用Ai(xi,yi)表示。
需要说明的是,物料轮廓最终生成的坐标点在轮廓上的分布是均匀的。针对不同形状的物料,可根据不同的方法对物料特征点进行计算,本发明实施例不逐一进行介绍。
S105:基于处理器模块,以所述物料作业传送带的运动方向为距离计算方向,计算所述物料作业传送带上的多个物料距所述工作区域边缘的物料剩余距离;
按照物料Ai的运动方向,根据方程和求出物料ai至工作区域边缘的距离。具体的,将物料Ai的纵向坐标yi代入至方程中,求出纵坐标为yi时的工作区域横坐标,然后通过作差后求绝对值得出物料距所述工作区域边缘的物料剩余距离。
S106:基于所述Delta机器人工作末端的初始实时坐标,计算Delta机器人工作末端至各个物料间的物料移动距离;
Delta机器人工作末端的运动受处理器模块控制,其初始实时坐标是实时可知的,本发明实施例将Delta机器人工作末端的初始实时坐标设为C1(xo1,yo2)。根据两个坐标点之间的距离公式计算Delta机器人工作末端至各个物料间的物料移动距离,物料移动距离di计算公式为计算可得,物料A1、A2、A3、A4的物料移动距离为d1、d2、d3、d4,其余物料的物料移动距离按本发明实施例所介绍的方法进行计算。
S107:基于所述Delta机器人工作末端的初始实时坐标、所述物料移动距离和物料剩余距离,筛选出可夹取物料集合;
由于Delta机器人工作末端从初始位置移动至物料特征点需要一定的时间,与此同时,物料会随着物料作业传送带运动而同步运动,因此,需要通过计算来判断物料在Delta机器人工作末端从初始位置移动至物料特征点的过程中,是否随物料作业传送带运动离开Delta机器人工作末端的工作区域。
由于Delta机器人工作末端的运动以及物料的运动是实时变化的,如果需要动态计算Delta机器人工作末端与物料的坐标进行匹配,则计算量非常庞大,因此,在该步骤中,本发明提供了一种可夹取物料的判定方法。
图5示出了步骤S104的实施原理示意图。具体的,由以上步骤介绍可得,Delta机器人工作末端的初始实时坐标设为C1(xo1,yo2),物料的特征点坐标为Ai(xi,yi),按照运动方向物料的特征点坐标与工作区域轮廓相对应的坐标为
附图图3上分别标出了任意位置的初始实时坐标C1、特征点坐标Ai以及工作区域轮廓对应坐标Di。
参照附图图5所示出的细实线,在Delta机器人工作末端和物料的实时运行过程中,无论Delta机器人工作末端和物料的速度设置是怎样的,假设Delta机器人工作末端能够夹取到物料,则Delta机器人工作末端的运行轨迹始终位于附图图3粗实线所示的由三点连线围成的区域之间。结合三角形的性质可知,Delta机器人工作末端的运行距离的最大值总是产生在以C1为端点的两条边上,即C1Ai或C1Di上。因此,理论上,如果Delta机器人工作末端能够在物料Ai运行离开工作区域前,运动至C1Ai和C1Di中距离较大者的相对于C1的另一个端点上,则Delta机器人工作末端总是可以在线段DiAi上的某一个位置对物料进行夹取。
然后,计算ti时间内Delta机器人工作末端的可运行距离,计算公式为st=v0ti,st为Delta机器人工作末端ti时间的运行距离,v0为Delta机器人工作末端的运行速度,ti为物料i离开工作区域所需时间。
然后根据坐标公式,首先计算C1Ai和C1Di的线段长度,选择其中的较大者,即max(C1Ai,C1Di)。
然后,通过判断max(C1Ai,C1Di)和st的大小,判断物料i是否可夹取。当st≥max(C1Ai,C1Di)时,物料i可夹取;当st<max(C1Ai,C1Di)时,物料i不可夹取。
最后,通过遍历计算所有的物料,将可夹取的物料归类至可夹取物料集合中。
S108:基于处理器模块,在所述可夹取物料集合中,以物料剩余距离最小者作为物料夹取目标;
为了确认夹取目标,本发明实施例中,以物料剩余距离最小者作为物料夹取目标的选取标准。以该标准确定夹取目标的好处在于,当物料作业传送带的运行速度合适时,可夹取目标总是位于工作区域靠近附图方向左侧的某个固定范围内,有利于减少Delta机器人工作末端的运行距离,增加装盒效率。
需要说明的是,如果具有多个具有物料剩余距离最小值的物料,相对于装盒作业而言,选取其中的任意一个物料进行装盒对于整体流水线的作业而言功效是等价的,可采用随机选择的方式,选择其中一个物料作为夹取目标,避免进行额外的计算,节省处理器模块的运算资源。
S109:基于处理器模块,计算物料夹取目标的物料夹取坐标E;
经过物料夹取目标的确认后,需要通过处理器模块,确认Delta机器人工作末端夹取物料夹取目标的夹取点E。
以附图图3为例,通过初始实时坐标C1、特征点坐标Ai以及工作区域轮廓对应坐标Di可获取∠C1AiDi的余弦值cos∠C1AiDi,再结合边C1E、边AiE和三角形的余弦公式,可得出最终夹取物料夹取目标的夹取点E。
具体的,边C1E的长度为v0t,边AiE的长度为v1t,余弦公式为C1E2=AiE2+C1Ai 2-2·AiE·C1Ai·cos∠C1AiDi;分别将边C1E和边AiE代入余弦公式,得v0t2=v1t2+C1Ai 2-2·v1t·C1Ai·cos∠C1AiDi,其中,除时间t外,其余均为已知数,通过处理器模块求解得出t。
结合时间t和Ai坐标,计算出夹取点E坐标为E(xi-v1t,yi)。
S110:基于处理器模块驱动Delta机器人工作末端运行至夹取点E(xi-v1t,yi)进行物料夹取作业。
需要说明的是,一般的,物料夹取作业动作较快,本发明实施例没有对物料夹取作业的执行动作进行限定,在本发明实施例中,物料夹取作业过程中的物料位置变化可忽略不计。
S111:获取Delta机器人工作末端的工作区域的二次图像;
与物料的目标选择方法同理,需要对托盒作业传送带上的托盒进行目标托盒选取。由于步骤S102~步骤S110的执行需要一定的时间,由于处理器计算模块较快,具体的时间主要花费在步骤S110的Delta机器人工作末端物理运动动作上,经过步骤S109后,托盒作业传送带上的托盒位置已发生变化,因此,需要重新以当前时间获取Delta机器人工作末端的工作区域的二次图像,可参考附图图4示出了托盒传送带图像,以下步骤主要应用二次图像中的托盒传送带区域。
S112:基于处理器模块,计算所述工作区域的所有托盒的托盒特征点坐标;
与步骤S104方法相同,最终得出的托盒特征点坐标为Bj(xj,yj)。
S113:基于处理器模块,以所述托盒作业传送带的运动方向为距离计算方向,计算所述托盒作业上的多个托盒距所述工作区域边缘的托盒剩余距离;
S114:基于所述夹取点E坐标,计算Delta机器人工作末端至各个物料间的物料移动距离;
与步骤S106相比,由于Delta机器人工作末端刚执行完物料夹取作业,此时Delta机器人工作末端的坐标即为夹取点E坐标。
S115:基于所述所述夹取点E坐标、所述托盒移动距离和所述托盒剩余距离,筛选出可装盒托盒集合;
与步骤S107计算原理相同,Delta机器人工作末端坐标以所述夹取点E的坐标进行替代。
S116:基于处理器模块,在所述可装盒托盒集合中,以托盒剩余距离最小者作为托盒装盒目标;
与步骤S108执行原理相同,在所述可装盒托盒集合中,以托盒剩余距离最小者作为托盒装盒目标;如果存在多个托盒的托盒剩余距离同时为最小值,则以随机抽取的方式,选择其中一个托盒作为托盒装盒目标;
S117:基于处理器模块,计算托盒装盒目标的托盒装盒坐标F;
与步骤S109执行原理相同,通过余弦公式首先求出Delta机器人工作末端的运行时间,以托盒装盒目标的托盒特征点为基础,计算托盒装盒坐标F;
S118:基于处理器模块驱动Delta机器人工作末端运行至夹取点F进行物料装盒作业。
与步骤S109执行原理相同。
相应的,本发明实施例还提供了一种Delta机器人作业目标选择***,用于实现本发明实施例所提供的Delta机器人作业目标选择方法,包括Delta机器人、物料作业传送带、托盒作业传送带、物料视觉装置400、托盒视觉装置500和处理器模块;
所述物料作业传送带和托盒作业传送带并排布置,长度相等,运动方向相同;
所述物料视觉装置400、托盒视觉装置500分别设置在物料作业传送带和托盒作业传送带始端;
所述Delta机器人设置在所述物料作业传送带和托盒作业传送带上方,所述Delta机器人工作末端的工作区域同时覆盖部分所述物料作业传送带和部分所述托盒作业传送带;
所述处理器模块分别与视觉装置和所述Delta机器人,接收视觉装置的图像并加以处理,控制所述Delta机器人的工作末端运行。
本发明实施例提供了一种Delta机器人作业目标选择方法及***,以远端实时计算Delta机器人的工作区域影像并通过多个筛选条件选出Delta机器人工作区域内的取料作业目标和装盒作业目标,以自动化的实现Delta机器人取料装盒作业目标选择,具有计算速度快,智能化程度高等特点。
以上对本发明实施例所提供的一种Delta机器人作业目标选择方法及***进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种Delta机器人作业目标选择方法,其特征在于,包括以下步骤:
基于物料视觉装置获取所述物料作业传送带图像;
基于托盒视觉装置获取所述托盒作业传送带图像;
计算得出Delta机器人工作末端的工作区域的一次图像;
基于处理器模块计算在所述一次图像中的物料夹取目标的物料夹取坐标E;
基于处理器模块驱动Delta机器人工作末端运行至物料夹取坐标E执行物料夹取目标的物料夹取作业;
计算得出获取Delta机器人工作末端的工作区域的二次图像;
基于处理器模块计算在所述二次图像中的托盒装盒目标的托盒装盒坐标F;
基于处理器模块驱动Delta机器人工作末端运行至托盒装盒坐标F执行托盒装盒目标的托盒装盒作业;
其中,所述基于处理器模块计算在所述一次图像中的物料夹取目标的物料夹取坐标E包括以下步骤:
基于处理器模块,以所述工作区域的中心为原点构建直角坐标系,生成工作区域轮廓圆周方程r2=x2+y2,r为工作区域半径,(x,y)为工作区域轮廓坐标;
基于处理器模块,计算所述工作区域的所有物料的物料特征点坐标;
基于处理器模块,以所述物料作业传送带的运动方向为距离计算方向,计算所述物料作业传送带上的多个物料距所述工作区域边缘的物料剩余距离;
基于所述Delta机器人工作末端的初始实时坐标,计算Delta机器人工作末端至各个物料间的物料移动距离;
基于所述Delta机器人工作末端的初始实时坐标、所述物料移动距离和物料剩余距离,筛选出可夹取物料集合;
基于处理器模块,在所述可夹取物料集合中,以物料剩余距离最小者作为物料夹取目标;
基于处理器模块,计算物料夹取目标的物料夹取坐标E;
所述基于所述Delta机器人工作末端的初始实时坐标、所述物料移动距离和物料剩余距离,筛选出可夹取物料集合包括以下步骤:
计算ti时间内Delta机器人工作末端的可运行距离,计算公式为st=v0ti,st为Delta机器人工作末端ti时间的运行距离,v0为Delta机器人工作末端的运行速度,ti为物料i离开所述工作区域所需时间;
计算max(C1Ai,C1Di),即C1Ai和C1Di中线段长度较大者的长度;
比较max(C1Ai,C1Di)和st的大小,判断物料i是否可夹取;
当st≥max(C1Ai,C1Di)时,物料i可夹取;当st<max(C1Ai,C1Di)时,物料i不可夹取;
基于处理器模块遍历计算所有的物料,将可夹取的物料归类至可夹取物料集合中。
5.如权利要求1所述的Delta机器人作业目标选择方法,其特征在于,所述基于处理器模块,在所述可夹取物料集合中,以物料剩余距离最小者作为物料夹取目标还包括以下步骤:
当具有多个物料的物料剩余距离同时为最小值时,基于处理器模块,从所述多个物料中随机选择其中一个物料作为物料夹取目标。
6.如权利要求1所述的Delta机器人作业目标选择方法,其特征在于,所述基于处理器模块计算在所述二次图像中的托盒装盒目标的托盒装盒坐标F包括以下步骤:
基于处理器模块,计算所述二次图像中所述工作区域的所有托盒的托盒特征点坐标;
基于处理器模块,以所述托盒作业传送带的运动方向为距离计算方向,计算所述托盒作业上的多个托盒距所述工作区域边缘的托盒剩余距离;
基于处理器模块,以所述物料夹取坐标E为Delta机器人工作末端实时坐标,计算Delta机器人工作末端至各个托盒的托盒移动距离;
基于所述物料夹取坐标E、所述托盒移动距离和所述托盒剩余距离,筛选出可装盒托盒集合;
基于处理器模块,在所述可装盒托盒集合中,以托盒剩余距离最小者作为托盒装盒目标;
基于处理器模块,计算托盒装盒目标的托盒装盒坐标F。
7.一种Delta机器人作业目标选择***,其特征在于,用于执行权利要求1至6其中一项所述的Delta机器人作业目标选择方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811361159.0A CN109483537B (zh) | 2018-11-15 | 2018-11-15 | 一种Delta机器人作业目标选择方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811361159.0A CN109483537B (zh) | 2018-11-15 | 2018-11-15 | 一种Delta机器人作业目标选择方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109483537A CN109483537A (zh) | 2019-03-19 |
CN109483537B true CN109483537B (zh) | 2021-06-01 |
Family
ID=65694987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811361159.0A Expired - Fee Related CN109483537B (zh) | 2018-11-15 | 2018-11-15 | 一种Delta机器人作业目标选择方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109483537B (zh) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE0301910L (sv) * | 2003-06-26 | 2004-12-27 | Abb Ab | Datorstyrd arbetsplats med robotar |
MX353717B (es) * | 2011-11-04 | 2018-01-24 | Univ Johns Hopkins | Robot de micromanipulación firme. |
CN103895042A (zh) * | 2014-02-28 | 2014-07-02 | 华南理工大学 | 一种基于视觉引导的工业机器人工件定位抓取方法及*** |
CN104062902B (zh) * | 2014-05-15 | 2017-01-04 | 江南大学 | Delta机器人时间最优轨迹规划方法 |
CN104589357B (zh) * | 2014-12-01 | 2016-08-17 | 佛山市万世德机器人技术有限公司 | 基于视觉跟踪的delta机器人控制***和方法 |
CN106737664B (zh) * | 2016-11-25 | 2020-02-14 | 中国科学院自动化研究所 | 分拣多类工件的Delta机器人控制方法及*** |
CN106846294B (zh) * | 2016-12-16 | 2020-11-27 | 深圳市海科瑞科技有限公司 | 视觉检测方法、装置及设备 |
CN108674922B (zh) * | 2018-05-16 | 2020-06-12 | 广州视源电子科技股份有限公司 | 一种用于机器人的传送带同步跟踪方法、装置及*** |
-
2018
- 2018-11-15 CN CN201811361159.0A patent/CN109483537B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN109483537A (zh) | 2019-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109178960B (zh) | 一种适用于不同规格纸箱包裹的智能码垛***及方法 | |
US10005107B2 (en) | Workpiece sorting system and method | |
US10239210B2 (en) | Vision-assisted system and method for picking of rubber bales in a bin | |
US10410172B2 (en) | Object detection apparatus, depalletization automating apparatus, and object detection method | |
CN107150032B (zh) | 一种基于多图像获取设备的工件识别与分拣装置和方法 | |
US9957120B2 (en) | Stowage pattern calculation device and stowage device for stowing plurality types of objects | |
JP6721998B2 (ja) | 物体状態特定方法、物体状態特定装置、および、搬送車 | |
US20150292142A1 (en) | Method for capturing an item of laundry | |
JP2017513727A (ja) | 目標物の自動把持方法および設備 | |
CN110395515B (zh) | 一种货物识别抓取方法、设备以及存储介质 | |
CN113284178B (zh) | 物体码垛方法、装置、计算设备及计算机存储介质 | |
CN110404803B (zh) | 一种基于视觉的并联机器人分拣***及分拣方法 | |
CN111618855B (zh) | 一种自动挂牌***及方法 | |
CN115330819A (zh) | 一种软包分割定位方法、工控机和机器人抓取*** | |
CN105797963B (zh) | 一种交叉带分拣机供件居中的控制方法 | |
JP2010122777A (ja) | ワーク識別方法およびワーク識別装置 | |
CN113307042B (zh) | 基于传送带的物体拆垛方法、装置、计算设备及存储介质 | |
CN109483537B (zh) | 一种Delta机器人作业目标选择方法及*** | |
CN109202913B (zh) | 一种Delta机器人取料装盒作业目标选择方法及*** | |
CN113800270A (zh) | 一种用于物流拆垛的机器人控制方法及*** | |
JP7177639B2 (ja) | 帯状物の3次元計測方法および帯状物の3次元計測装置 | |
CN109551458B (zh) | 机器人*** | |
CN109127462B (zh) | 一种基于视觉引导的香肠智能分拣方法 | |
JP2021085751A (ja) | 作業位置決定方法、ロボット制御方法、作業位置決定装置、およびロボット制御システム | |
TW202027934A (zh) | 排除隨機堆疊之複數個工件之干涉的系統 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210601 |
|
CF01 | Termination of patent right due to non-payment of annual fee |