CN111145247A - 基于视觉的位置度检测方法及机器人、计算机存储介质 - Google Patents
基于视觉的位置度检测方法及机器人、计算机存储介质 Download PDFInfo
- Publication number
- CN111145247A CN111145247A CN201911311789.1A CN201911311789A CN111145247A CN 111145247 A CN111145247 A CN 111145247A CN 201911311789 A CN201911311789 A CN 201911311789A CN 111145247 A CN111145247 A CN 111145247A
- Authority
- CN
- China
- Prior art keywords
- center
- feature
- detected
- visual
- deviation
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于视觉的位置度检测方法及机器人、计算机存储介质,该位置度检测方法包括:获取基准特征拍照位置下的图像和待测特征拍照位置下的图像;获取基准特征拍照位置下的图像的基准视觉中心在视觉坐标系中的坐标和基准特征中心相对基准视觉中心的基准偏差,并获取待测特征拍照位置下的图像的待测视觉中心在视觉坐标系中的坐标和待测特征中心相对待测视觉中心的待测偏差;计算基准特征中心在视觉坐标系中的坐标和待测特征中心在视觉坐标系中的坐标以获得待测特征中心相对基准特征中心的位置度。通过采集图像计算待测特征中心的位置度,对检测环境的要求较低,不仅可以将检测装置并入自动化生产线,实现自动化检测,且避免磨损待测产品。
Description
技术领域
本发明涉及机器视觉检测技术领域,尤其涉及一种基于视觉的位置度检测方法及机器人、计算机存储介质。
背景技术
位置度是限制被测要素的实际位置对理想位置变动量的指标。位置度检测是装配零件中经常进行的一种常规检测,位置度决定着零件的装配精度以及产品合格率。例如对定位销以及其它紧固装置的装配,其位置度都有较高的要求,因而需要对被测要素的位置度进行精确的检测。
现有的位置度检测一般是在线下对零件的位置度进行检测,常用的检测方法有位置度检具和三坐标测量仪。利用位置度检具进行检测,一方面需要人工进行检测,无法实现自动化;另一方面,由于需要根据检测对象和检测精度要求制作对应的位置度检具,导致成本较高,而且在用检具进行检测时是进行接触式测量,存在磨损的现象。利用三坐标测量仪进行检测,虽然检测精度较高,但是三坐标测量仪对环境的要求高,需要在恒温恒湿的环境中进行检测,无法并入自动化生产线进行自动检测。而且三坐标测量仪成本较高,对人员操作要求高。
发明内容
本发明提供了一种基于视觉的位置度检测方法及机器人、计算机存储介质,以解决现有技术中位置度检测无法实现自动化且成本较高的技术问题。
为解决上述技术问题,本发明采用的一个技术方案是:提供一种基于视觉的位置度检测方法,包括:获取基准特征拍照位置下的图像和待测特征拍照位置下的图像;获取所述基准特征拍照位置下的图像的基准视觉中心在视觉坐标系中的坐标和基准特征中心相对所述基准视觉中心的基准偏差,并获取所述待测特征拍照位置下的图像的待测视觉中心在所述视觉坐标系中的坐标和待测特征中心相对所述待测视觉中心的待测偏差;计算所述基准特征中心在所述视觉坐标系中的坐标和所述待测特征中心在所述视觉坐标系中的坐标以获得所述待测特征中心相对所述基准特征中心的位置度。
为解决上述技术问题,本发明采用的另一个技术方案是:提供一种计算机存储介质,用于存储计算机程序,所述计算机程序在被处理器执行时,用于实现如前文所述的位置度检测方法。
为解决上述技术问题,本发明采用的又一个技术方案是:提供一种机器人,包括装夹***、图像采集***以及主控***,所述装夹***用于装夹定位待测产品,所述图像采集***用于进行拍照,所述主控***用于执行如前文所述位置度检测方法。
本发明的有益效果是:区别于现有技术的情况,本发明提供的一种基于视觉的位置度检测方法,通过获取获取基准特征拍照位置下的图像和待测特征拍照位置下的图像,并基于该图像分析计算获得待测特征中心相对基准特征中心的位置度。一方面,对检测环境的要求较低,可以并入自动化生产线,对位置度进行实时和自动化的检测;另一方面,也可以避免对待测产品造成磨损。
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,还可以根据提供的附图获得其它的附图。
图1是本发明一实施例中的机器人的结构示意图;
图2是本发明一实施例中的位置度检测方法的流程示意图;
图3是图2中的模型示意图;
图4是图2中的步骤S102的部分流程示意图;
图5是图4中的步骤S202的流程示意图;
图6是本发明另一实施例中的位置度检测方法的流程示意图;
图7是图6中的模型示意图;
图8是图6中的步骤S403的流程示意图;
图9是图8中的步骤S501的流程示意图;
图10是本申请提供的计算机存储介质一实施例的结构示意图。
具体实施方式
下面将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做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。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明提供了一种机器人100,该机器人100包括:装夹***10、图像采集***20和主控***30。如图1所示,在本实施例中,装夹***10用于装夹定位待测产品,图像采集***20用于进行拍照,主控***30用于执行位置度检测方法以获得待测产品上的待测特征中心相对基准特征中心的位置度。
本发明利用图像采集***20采集待测产品的图像,并利用主控***30对待测产品的图像进行分析计算,从而检测待测产品上的元件的位置度。一方面,可以将装夹***10、图像采集***20和主控***30安装在自动化生产线上,实现对元件的位置度的实时检测;另一方面可以避免机器人100与产品接触,对产品造成磨损。
本发明进一步提出一种基于视觉的位置度检测方法,可用于上述主控***30。其中,如图2和图3所示,图2是本发明一实施例中的位置度检测方法的流程示意图,图3是图2中的模型示意图。本实施例的位置度检测方法具体包括:
步骤S101:获取基准特征拍照位置下的图像和待测特征拍照位置下的图像。
具体地,主控***30控制图像采集***20分别在基准特征拍照位置和待测特征拍照位置处进行拍照,以获取基准特征拍照位置下的图像和待测特征拍照位置下的图像。
其中,基准特征拍照位置可以有一个或者两个,待测特征拍照位置可以为一个、两个或者多个等,本发明实施例不做具体限定。如图3所示,以一个基准特征拍照位置和一个待测特征拍照位置为例进行详细说明。其中,基准特征拍照位置记为M,待测特征拍照位置记为N。
步骤S102:获取基准特征拍照位置下的图像的基准视觉中心在视觉坐标系中的坐标和基准特征中心相对基准视觉中心的基准偏差,并获取待测特征拍照位置下的图像的待测视觉中心在视觉坐标系中的坐标和待测特征中心相对待测视觉中心的待测偏差。
具体地,在本实施例中,主控***30分别计算基准特征拍照位置M下的图像的基准视觉中心A在视觉坐标系中的坐标(x0,y0)和基准特征中心B相对基准视觉中心A的基准偏差,并计算待测特征拍照位置N下的图像的待测视觉中心C在视觉坐标系中的坐标(x1,y1)和待测特征中心D相对待测视觉中心C的待测偏差。
其中,基准偏差即为基准特征中心在视觉坐标系中相对基准视觉中心的偏差,待测偏差即为待测特征中心在视觉坐标系中相对待测视觉中心的偏差。
进一步地,如图4所示,图4是图2中的步骤S102的部分流程示意图。在步骤S102中,获取基准特征中心B相对基准视觉中心的基准偏差的步骤包括:
步骤S201:获取基准特征拍照位置M下的图像的基准特征中心B相对基准视觉中心A的基准特征偏差。
由于,利用图像采集***20所获取的图像通常存在以下三个方面的误差:(1)重复定位精度差;(2)视觉标定误差;(3)视觉检测误差。基于以上三个方面的误差,使得主控***30基于基准特征拍照位置M下的图像,分析计算得出的基准视觉中心A和基准特征中心B在视觉坐标系中的坐标与其在视觉坐标系中的实际坐标之间存在误差。其中,基准特征偏差指得是:主控***30分析基准特征拍照位置M下的图像,所获得的基准特征中心B在视觉坐标系中的理论坐标与基准视觉中心A在视觉坐标系中的理论坐标之间的偏差。
获得基准特征中心B相对基准视觉中心A的基准特征偏差之后,继续执行步骤S202:对基准特征偏差进行标定,从而得到基准偏差。
为了减小图像采集***20的采集误差所导致的机器人100的识别误差,因此需要对主控***30获取的基准特征偏差进行标定,得到基准特征中心B在视觉坐标系中的实际坐标与基准视觉中心A在视觉坐标系中的实际坐标之间的基准偏差。本实施例通过对基准特征偏差进行标定,可以减小以上三方面的误差对位置度检测结果造成的影响,进一步提高机器人100的检测精度。
可选地,在本实施例中,如图4所示,在步骤S202中通过上述方法获得基准偏差之后,还需要接着执行以下步骤:
步骤S203:获取待测特征拍照位置下的图像的待测特征中心相对待测视觉中心的待测特征偏差。
步骤S204:对待测特征偏差进行标定,从而得到待测偏差。
其中,本实施例中的步骤S203与步骤S201大致相同,步骤S204与步骤S202大致相同,不同之处在于,在步骤S201和步骤S202中是对基准特征拍照位置下的图像进行分析,而在步骤S203和步骤S204中是对待测特征拍照位置下的图像进行分析,其分析的方法大致相同,请参照上述实施例中的描述,此处不再赘述。
在另一实施例中,也可以先执行步骤S203和步骤S204以获得待测偏差,然后再执行步骤S201和步骤S202以获得基准偏差。或者,在又一实施例中,可以在执行步骤S201和步骤S202以获得基准偏差的同时,执行步骤S203和步骤S204以获得待测偏差,进而缩短主控***30计算的时间,本发明实施例不对基准偏差和待测偏差的获得顺序进行具体限定。
进一步地,请参阅图5,图5是图4中的步骤S202的流程示意图。在本实施例中,对基准特征偏差进行标定的步骤包括:
步骤S301:采集视觉标定板的图像。
其中,视觉标定板是指在机器视觉、图像测量、摄影测量、三维重建等应用中,为校正镜头畸变、确定物理尺寸和像素间的换算关系、以及确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系,而需要建立的相机成像的几何模型。
在本实施例中,主控***30首先将视觉标定板装夹定位在装夹***10上,然后,主控***30控制图像采集***20采集视觉标定板的图像。
步骤S302:分析图像,并获取标定模型,利用标定模型对基准特征偏差和待测特征偏差进行标定。
具体地,主控***30对图像采集***20所采集的视觉标定板的图像进行分析,以获取标定模型,然后,主控***30利用标定模型对步骤S201中所获得的基准特征偏差进行标定,以获得基准偏差。
进一步地,本实施例还可以利用上述步骤S301和步骤S302中的方法对待测特征偏差进行标定,此处不再赘述。
在本实施例中,如图3所示,在基准特征拍照位置M下,主控***30可以计算出基准特征中心B相对基准视觉中心A的基准特征偏差,并对以上基准特征偏差进行标定,从而可以得到基准特征中心B相对基准视觉中心A在视觉坐标系中的基准偏差在待测特征拍照位置N下,主控***30可以计算出待测特征中心D相对待测视觉中心C的待测特征偏差,并对以上待测特征偏差进行标定,从而可以得到待测特征中心D相对待测视觉中心C在视觉坐标系中的待测偏差
步骤S103:计算基准特征中心在视觉坐标系中的坐标和待测特征中心在视觉坐标系中的坐标以获得待测特征中心相对基准特征中心的位置度。
其中,主控***30通过基准视觉中心在视觉坐标系中的坐标和基准特征中心相对基准视觉中心的基准偏差,可以计算得到基准特征中心在视觉坐标系中的坐标。主控***30通过待测视觉中心在视觉坐标系中的坐标和待测特征中心相对待测视觉中心的待测偏差,可以计算得到待测特征中心在视觉坐标系中的坐标。
具体地,如图3所示,基准视觉中心A在视觉坐标系中的坐标为(x0,y0),基准特征中心B在视觉坐标系中相对基准视觉中心A的基准偏差为根据平面向量运算法则可知,基准特征中心B在视觉坐标系中的坐标为(x0+xAB,y0+yAB)。待测视觉中心C在视觉坐标系中的坐标为(x1,y1),待测特征中心D在视觉坐标系中相对基准视觉中心C的基准偏差为根据平面向量运算法则可知,待测特征中心D在视觉坐标系中的坐标为(x1+xCD,y1+yCD)。
由于在本实施例中基准特征拍照位置的数量为一个,故而,待测特征中心相对基准特征中心的位置度等于基准特征中心在视觉坐标系中的坐标与待测特征中心在视觉坐标系中的坐标之间的距离。
具体地,在本实施例中,待测特征中心D相对基准特征中心B的位置度即为视觉坐标系中的基准特征中心B和待测特征中心D之间的距离。
如图3所示,在本实施例中,基准特征中心B在视觉坐标系中的坐标为(x0+xAB,y0+yAB),待测特征中心D在视觉坐标系中的坐标为(x1+xCD,y1+yCD)。主控***30根据两点之间的距离公式可以得到,待测特征中心D相对基准特征中心B之间的位置度为
进一步地,在获取基准特征拍照位置下的图像和待测特征拍照位置下的图像之前,位置度检测方法包括:通过示教标记基准特征拍照位置和待测特征拍照位置。
具体地,在使用机器人100进行位置度检测之前还需要对主控***进行示教,以使主控***30获取基准特征拍照位置M和待测特征拍照位置N。
在本实施例中,在使用机器人100进行位置度检测之前,需要对主控***30进行示教以获得一个基准特征拍照位置M和一个待测特征拍照位置N。在使用机器人100进行位置度检测时,主控***30控制图像采集***20在该一个基准特征拍照位置M和一个待测特征拍照位置N处进行拍照。
当然,在其它实施例中,当检测的待测特征有多个时,需要对多个待测特征的拍照位置N进行示教,以使主控***30获取多个待测特征拍照位置N。并在后续位置度检测时,控制图像采集***20在多个待测特征拍照位置N进行拍照。待测特征的拍照数量和拍照位置根据需要检测的待测特征在装夹***10上的位置以及待测特征的数量来确定,此处,本发明对于待测特征的拍照位置和数量不做具体限定。
其中,对机器人100的示教可以采用目前常用的方式,本发明实施例不做具体限定。
请继续参阅图6和图7,图6是本发明另一实施例中的位置度检测方法的流程示意图,图7是图6中的模型示意图。在本实施例中,基于视觉的位置度检测方法包括:
步骤S401:获取基准特征拍照位置下的图像和待测特征拍照位置下的图像。
其中,本实施例中的步骤S401与上述实施例中的步骤S101大致相同,不同之处在于,在本实施例中,基准特征拍照位置的数量为两个,即,主控***30控制图像采集***20分别在两个基准特征拍照位置处进行拍照。其中,基准特征拍照位置记为R和S,待测特征拍照位置记为T。
步骤S402:获取基准特征拍照位置下的图像的基准视觉中心在视觉坐标系中的坐标和基准特征中心相对基准视觉中心的基准偏差,并获取待测特征拍照位置下的图像的待测视觉中心在视觉坐标系中的坐标和待测特征中心相对待测视觉中心的待测偏差。
本实施例中,主控***330分别计算基准特征拍照位置R和S下图像的基准视觉中心R0和S0在视觉坐标系中的坐标(xR,yR)和(xS,yS),、基准特征中心R1相对基准视觉中心R0的基准偏差,以及基准特征中心S1相对基准视觉中心S0的基准偏差。并计算待测特征拍照位置T下的图像的待测视觉中心T0在视觉坐标系中的坐标(xT,yT),待测特征中心相对待测视觉中心T0的待测偏差。
其中,本实施例中的步骤S402中的各基准偏差和待测偏差的计算方法与上述实施例中的步骤S102中的各基准偏差和待测偏差的计算方法大致相同,请参照上述实施例中的描述,此处不再赘述。
具体地,在本实施例中,如图7所示,在基准特征拍照位置R和S下,主控***230可以计算出基准特征中心相对基准视觉中心的基准特征偏差I和基准特征中心相对基准视觉中心的基准特征偏差II,并对以上基准特征偏差I和II进行标定,从而可以得到基准特征中心R1相对基准视觉中心R0在视觉坐标系中的基准偏差和基准特征中心S1相对基准视觉中心S0在视觉坐标系中的基准偏差在待测特征拍照位置T下,主控***230可以计算出待测特征中心T1相对待测视觉中心T0的待测特征偏差,并对以上待测特征偏差进行标定,从而可以得到待测特征中心T1相对待测视觉中心T0在视觉坐标系中的待测偏差
其中,主控***30通过基准视觉中心在视觉坐标系中的坐标和基准特征中心相对基准视觉中心的基准偏差,可以计算得到基准特征中心在视觉坐标系中的坐标。主控***30通过待测视觉中心在视觉坐标系中的坐标和待测特征中心相对待测视觉中心的待测偏差,可以计算得到待测特征中心在视觉坐标系中的坐标。
具体地,如图7所示,基准视觉中心R0和S0在视觉坐标系中的坐标为(xR,yR)和(xS,yS),基准特征中心R1和S1在视觉坐标系中相对基准视觉中心R0和S0的基准偏差为和根据平面向量运算法则可知,基准特征中心R1和S1在视觉坐标系中的坐标为和
由于基准特征拍照位置的数量为两个,如图8所示,图8是图6中的步骤S403的流程示意图。在本实施例中,获得待测特征中心相对基准特征中心的位置度的步骤包括:
步骤S501:以两个基准特征中心建立基准坐标系,并计算基准坐标系与视觉坐标系的转化关系。
具体地,主控***30以两个基准特征中心R1和S1建立基准坐标系,并利用两个基准特征中心R1和S1在基准坐标系和视觉坐标系中的坐标之间的关系,从而得到基准坐标系与视觉坐标的转化关系。
进一步地,如图9所示,图9是图8中的步骤S501的流程示意图。在本实施例中,以两个基准特征中心建立基准坐标系的步骤包括:
步骤S601:以其中一个基准特征中心作为原点。
其中,在本实施例中,主控***30以基准特征中心R1作为原点。
步骤S602:以两个基准特征的连线作为X轴。
其中,在本实施例中,主控***30以R1和S1的连线作为X轴。
步骤S603:以与X轴垂直的方向作为Y轴,建立基准坐标系。
其中,在本实施例中,主控***30以与X轴垂直的方向作为Y轴,建立基准坐标系。
在另一实施例中,主控***30还可以以基准特征中心S1作为原点,以S1和R1的连线作为X轴,以与X轴垂直的方向作为Y轴,建立基准坐标系,本发明实施例不做具体限定。
步骤S502:计算待测特征中心在基准坐标系中的坐标。
步骤S503:待测特征中心相对基准特征中心的位置度等于待测特征中心相对基准坐标系的坐标原点的距离。
具体地,在本实施例中,待测特征中心相对基准特征中心的位置度即为基准坐标系中的待测特征中心T1与坐标原点之间的距离。
请参阅图10,图10是本申请提供的计算机存储介质一实施例的结构示意图。计算机存储介质40用于存储计算机程序41,计算机程序41在被处理器执行时,用于实现上述实施例中的位置度检测方法。
计算机存储介质40可以是服务端、U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
综上,本发明利用图像采集***采集基准特征拍照位置和待测特征拍照位置下的图像,并利用主控***对以上图像进行分析,从而可以计算出待测特征中心相对基准特征中心的位置度。利用视觉进行检测,对于检测的环境要求较低,从而可以将检测装置并入自动化生产线,实现对产品位置度的实时检测。而且避免了和产品的接触,减少了对产品的磨损。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于视觉的位置度检测方法,其特征在于,包括:
获取基准特征拍照位置下的图像和待测特征拍照位置下的图像;
获取所述基准特征拍照位置下的图像的基准视觉中心在视觉坐标系中的坐标和基准特征中心相对所述基准视觉中心的基准偏差,并获取所述待测特征拍照位置下的图像的待测视觉中心在所述视觉坐标系中的坐标和待测特征中心相对所述待测视觉中心的待测偏差;
计算所述基准特征中心在所述视觉坐标系中的坐标和所述待测特征中心在所述视觉坐标系中的坐标以获得所述待测特征中心相对所述基准特征中心的位置度。
2.根据权利要求1所述的位置度检测方法,其特征在于,所述获取基准特征中心相对所述基准视觉中心的基准偏差的步骤包括:
获取所述基准特征拍照位置下的图像的基准特征中心相对所述基准视觉中心的基准特征偏差;
对所述基准特征偏差进行标定,从而得到所述基准偏差。
3.根据权利要求2所述的位置度检测方法,其特征在于,所述获取待测特征中心相对所述待测视觉中心的待测偏差的步骤包括:
获取所述待测特征拍照位置下的图像的待测特征中心相对所述待测视觉中心的待测特征偏差;
对所述待测特征偏差进行标定,从而得到所述待测偏差。
4.根据权利要求3所述的位置度检测方法,其特征在于,对所述基准特征偏差和所述待测特征偏差进行标定的步骤包括:
采集视觉标定板的图像;
分析所述图像,并获取标定模型,利用所述标定模型对所述基准特征偏差和所述待测特征偏差进行标定。
5.根据权利要求1所述的位置度检测方法,其特征在于,所述基准特征拍照位置的数量为一个,所述待测特征中心相对所述基准特征中心的位置度等于所述基准特征中心在所述视觉坐标系中的坐标与所述待测特征中心在所述视觉坐标系中的坐标之间的距离。
6.根据权利要求1所述的位置度检测方法,其特征在于,所述基准特征拍照位置的数量为两个,所述获得所述待测特征中心相对所述基准特征中心的位置度的步骤包括:
以两个所述基准特征中心建立基准坐标系,并计算所述基准坐标系与所述视觉坐标系的转化关系;
计算所述待测特征中心在所述基准坐标系中的坐标;
所述待测特征中心相对所述基准特征中心的位置度等于所述待测特征中心相对所述基准坐标系的坐标原点的距离。
7.根据权利要求6所述的位置度检测方法,其特征在于,所述以两个所述基准特征中心建立基准坐标系的步骤包括:
以其中一个所述基准特征中心作为原点;
以两个所述基准特征的连线作为X轴;
以与所述X轴垂直的方向作为Y轴,建立所述基准坐标系。
8.根据权利要求1所述的位置度检测方法,其特征在于,在获取基准特征拍照位置下的图像和待测特征拍照位置下的图像之前,所述位置度检测方法包括:通过示教标记所述基准特征拍照位置和所述待测特征拍照位置。
9.一种计算机存储介质,用于存储计算机程序,其特征在于,所述计算机程序在被处理器执行时,用于实现权利要求1-8中任一项所述的位置度检测方法。
10.一种机器人,其特征在于,包括装夹***、图像采集***以及主控***,所述装夹***用于装夹定位待测产品,所述图像采集***用于进行拍照,所述主控***用于执行如权利要求1-8任一项所述位置度检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911311789.1A CN111145247B (zh) | 2019-12-18 | 2019-12-18 | 基于视觉的位置度检测方法及机器人、计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911311789.1A CN111145247B (zh) | 2019-12-18 | 2019-12-18 | 基于视觉的位置度检测方法及机器人、计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111145247A true CN111145247A (zh) | 2020-05-12 |
CN111145247B CN111145247B (zh) | 2023-07-07 |
Family
ID=70518749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911311789.1A Active CN111145247B (zh) | 2019-12-18 | 2019-12-18 | 基于视觉的位置度检测方法及机器人、计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111145247B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111805158A (zh) * | 2020-05-25 | 2020-10-23 | 福建星云电子股份有限公司 | 一种机器人的夹具位移自检测方法及*** |
CN116840243A (zh) * | 2023-09-01 | 2023-10-03 | 湖南睿图智能科技有限公司 | 一种机器视觉对象识别的修正方法及*** |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5125035A (en) * | 1989-12-18 | 1992-06-23 | Chromalloy Gas Turbine Corporation | Five axis generated hole inspection system |
JPH06785A (ja) * | 1992-06-23 | 1994-01-11 | Citizen Watch Co Ltd | 視覚センサ座標系の補正方法 |
US7194387B1 (en) * | 2005-09-30 | 2007-03-20 | Intel Corporation | Apparatus and method for determining the minimum zone for an array of features with a true position tolerance |
CN102183205A (zh) * | 2011-01-19 | 2011-09-14 | 北京航空航天大学 | 一种大型零部件最佳装配位姿匹配的方法 |
CN102589429A (zh) * | 2012-01-20 | 2012-07-18 | 天津大学 | 发动机缸体六面孔组位置度误差在线检测方法 |
WO2018214147A1 (zh) * | 2017-05-26 | 2018-11-29 | 深圳配天智能技术研究院有限公司 | 一种机器人标定方法、***、机器人及存储介质 |
CN109900207A (zh) * | 2019-03-12 | 2019-06-18 | 精诚工科汽车***有限公司 | 机器人视觉工具的工具中心点标定方法及*** |
CN110017769A (zh) * | 2019-03-12 | 2019-07-16 | 精诚工科汽车***有限公司 | 基于工业机器人的零件检测方法及*** |
CN110068271A (zh) * | 2019-04-19 | 2019-07-30 | 怡得乐电子(杭州)有限公司 | 亚像素精度的大尺寸产品的pin针位置度检测方法 |
CN110207565A (zh) * | 2019-05-31 | 2019-09-06 | 南京理工大学 | 一种高速经编机曲轴装配位置度测量工装及测量方法 |
CN110281238A (zh) * | 2019-06-17 | 2019-09-27 | 深圳视觉龙智能传感器有限公司 | 流水线多机械手标定方法、装置、计算机设备及存储介质 |
CN110455225A (zh) * | 2019-08-22 | 2019-11-15 | 吉林大学 | 基于结构光视觉的矩形花键轴同轴度及键位置度测量方法 |
-
2019
- 2019-12-18 CN CN201911311789.1A patent/CN111145247B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5125035A (en) * | 1989-12-18 | 1992-06-23 | Chromalloy Gas Turbine Corporation | Five axis generated hole inspection system |
JPH06785A (ja) * | 1992-06-23 | 1994-01-11 | Citizen Watch Co Ltd | 視覚センサ座標系の補正方法 |
US7194387B1 (en) * | 2005-09-30 | 2007-03-20 | Intel Corporation | Apparatus and method for determining the minimum zone for an array of features with a true position tolerance |
CN102183205A (zh) * | 2011-01-19 | 2011-09-14 | 北京航空航天大学 | 一种大型零部件最佳装配位姿匹配的方法 |
CN102589429A (zh) * | 2012-01-20 | 2012-07-18 | 天津大学 | 发动机缸体六面孔组位置度误差在线检测方法 |
CN109952176A (zh) * | 2017-05-26 | 2019-06-28 | 深圳配天智能技术研究院有限公司 | 一种机器人标定方法、***、机器人及存储介质 |
WO2018214147A1 (zh) * | 2017-05-26 | 2018-11-29 | 深圳配天智能技术研究院有限公司 | 一种机器人标定方法、***、机器人及存储介质 |
CN109900207A (zh) * | 2019-03-12 | 2019-06-18 | 精诚工科汽车***有限公司 | 机器人视觉工具的工具中心点标定方法及*** |
CN110017769A (zh) * | 2019-03-12 | 2019-07-16 | 精诚工科汽车***有限公司 | 基于工业机器人的零件检测方法及*** |
CN110068271A (zh) * | 2019-04-19 | 2019-07-30 | 怡得乐电子(杭州)有限公司 | 亚像素精度的大尺寸产品的pin针位置度检测方法 |
CN110207565A (zh) * | 2019-05-31 | 2019-09-06 | 南京理工大学 | 一种高速经编机曲轴装配位置度测量工装及测量方法 |
CN110281238A (zh) * | 2019-06-17 | 2019-09-27 | 深圳视觉龙智能传感器有限公司 | 流水线多机械手标定方法、装置、计算机设备及存储介质 |
CN110455225A (zh) * | 2019-08-22 | 2019-11-15 | 吉林大学 | 基于结构光视觉的矩形花键轴同轴度及键位置度测量方法 |
Non-Patent Citations (4)
Title |
---|
R.VISVANATHAN等: "Mobile robot localization system using multiple ceiling mounted cameras", 《2015 IEEE SENSORS》 * |
YUN-HUI LIU等: "Dynamic tracking of manipulators using visual feedback from an uncalibrated fixed camera", 《PROCEEDINGS 2006 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION》 * |
李兵等: "基于多传感器测量的孔组位置度快速检测方法", 《计算机集成制造***》 * |
陈朝: "孔组位置度视觉测量技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111805158A (zh) * | 2020-05-25 | 2020-10-23 | 福建星云电子股份有限公司 | 一种机器人的夹具位移自检测方法及*** |
CN116840243A (zh) * | 2023-09-01 | 2023-10-03 | 湖南睿图智能科技有限公司 | 一种机器视觉对象识别的修正方法及*** |
CN116840243B (zh) * | 2023-09-01 | 2023-11-28 | 湖南睿图智能科技有限公司 | 一种机器视觉对象识别的修正方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN111145247B (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110689579B (zh) | 基于合作目标的快速单目视觉位姿测量方法及测量*** | |
JP6280525B2 (ja) | カメラのミスキャリブレーションの実行時決定のためのシステムと方法 | |
CN102376089B (zh) | 一种标靶校正方法及*** | |
US9111177B2 (en) | Position/orientation measurement apparatus, processing method therefor, and non-transitory computer-readable storage medium | |
CN105783711B (zh) | 三维扫描仪校正***及其校正方法 | |
CN106709955B (zh) | 基于双目立体视觉的空间坐标系标定***和方法 | |
CN105066962B (zh) | 一种多分辨率大视场角高精度摄影测量装置 | |
CN103383238A (zh) | 图像测量设备、图像测量方法和图像测量程序 | |
US20160065932A1 (en) | Device and system for three-dimensional scanning, and method thereof | |
CN114714356A (zh) | 基于双目视觉的工业机器人手眼标定误差精确检测方法 | |
CN112991453A (zh) | 双目相机标定参数的校验方法、装置及电子设备 | |
CN111145247B (zh) | 基于视觉的位置度检测方法及机器人、计算机存储介质 | |
CN106705860B (zh) | 一种激光测距方法 | |
CN115187612A (zh) | 一种基于机器视觉的平面面积测量方法、装置及*** | |
CN115540775A (zh) | 一种ccd单相机的3d视频引伸计 | |
CN113822920A (zh) | 结构光相机获取深度信息的方法、电子设备及存储介质 | |
CN113658270A (zh) | 基于工件孔心的多目视觉标定的方法、装置、介质及*** | |
Ricolfe-Viala et al. | Optimal conditions for camera calibration using a planar template | |
CN112116665A (zh) | 一种结构光传感器标定方法 | |
TW201317587A (zh) | 尺寸檢測裝置及方法 | |
CN114018212B (zh) | 面向球型摄像机单目测距的俯仰角校正方法及*** | |
JP7414850B2 (ja) | ロボットシステム | |
CN110866951B (zh) | 一种单目摄像机光轴倾斜的校正方法 | |
CN113670280A (zh) | 一种垂直度测量装置和测量方法 | |
CN113983951A (zh) | 三维目标的测量方法、装置、影像仪及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |