CN111380457A - 料盘的定位方法及*** - Google Patents
料盘的定位方法及*** Download PDFInfo
- Publication number
- CN111380457A CN111380457A CN201811639884.XA CN201811639884A CN111380457A CN 111380457 A CN111380457 A CN 111380457A CN 201811639884 A CN201811639884 A CN 201811639884A CN 111380457 A CN111380457 A CN 111380457A
- Authority
- CN
- China
- Prior art keywords
- tray
- grids
- grid
- center point
- rectangular array
- 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
- 239000000463 material Substances 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 abstract description 15
- 230000000007 visual effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种料盘的定位方法及***,所述定位方法包括:S1、获取料盘图像;S2、获取所述料盘图像中的每个料盘格及每个所述料盘格的中心点坐标,并根据所述中心点坐标对每个所述料盘格进行定位;S3、根据被定位的每个所述料盘格抓取所述料盘格中的所述目标产品。本发明通过一次性定位料盘的所有产品,可引导机器人按照定位连续多次直接抓取目标产品,从而节省了定位时间,操作简单且有效地提高了生产效率。
Description
技术领域
本发明涉及自动化控制技术领域,特别涉及一种料盘的定位方法及***。
背景技术
随着中国制造业的自动化水平发展越来越高,现在许多工厂在很多制造环节都使用机器人来代替人力。在使用机器人配合实际生产的过程中,通常会使用视觉定位Mark点(位置识别点)来引导机器人去抓取料盘上的处于Mark点位置的目标产品。
但是,这种使用视觉定位引导机器人定位一次后,只能抓取一次目标产品,如若需要抓取料盘上的其他产品,则需要重新使用视觉定位引导机器人定位,因此,造成操作繁琐且生产效率低等缺点。
发明内容
本发明要解决的技术问题是为了克服现有技术中使用视觉定位引导机器人定位来抓取料盘上的目标产品,定位一次只能抓取一次目标产品,存在操作繁琐且生产效率低等缺陷,目的在于提供一种料盘的定位方法及***。
本发明是通过下述技术方案来解决上述技术问题:
本发明提供一种料盘的定位方法,所述定位方法包括:
S1、获取料盘图像;
S2、获取所述料盘图像中的每个料盘格及每个所述料盘格的中心点坐标,并根据所述中心点坐标对每个所述料盘格进行定位;
其中,所述中心点坐标用于表征位于料盘上每个所述料盘格中的目标产品的位置;
S3、根据被定位的每个所述料盘格抓取所述料盘格中的所述目标产品。
较佳地,所述获取所述料盘图像中的每个料盘格及每个所述料盘格的中心点坐标的步骤具体包括:
S21、获取所述料盘图像中的每个料盘格;
其中,所述料盘中的所述料盘格以矩形阵列的形状设置;
S22、在矩形阵列的横向方向上任意选取两个料盘格,根据两个所述料盘格的中心点坐标获取相邻两个料盘格间的横向中心距离;
在矩形阵列的纵向方向上任意选取两个料盘格,根据两个所述料盘格的中心点坐标获取相邻两个料盘格间的纵向中心距离;
S23、任意选取一料盘格的中心点坐标作为参考点,再根据所述参考点、所述横向中心距离和所述纵向中心距离获取除所述参考点之外的所有所述料盘格的中心点坐标。
较佳地,步骤S22具体包括:
选取矩形阵列中的任意一排的第一个料盘格和最后一料盘格,获取所述横向中心距离,具体计算公式如下:
RowDistance=(x2-x1)/(m-1)
其中,RowDistance表示相邻两个料盘格间的横向中心距离,任意一排的第一个料盘格的中心点坐标(x1,y1),任意一排的最后一料盘格的中心点坐标(x2,y2),矩形阵列为m*n,m表示矩阵阵列的行数,n表示矩阵阵列的列数;
选取矩形阵列中的任意一列的第一个料盘格和最后一料盘格,获取所述纵向中心距离,具体计算公式如下:
ColumnDistance=(y4-y3)/(n-1)
其中,ColumnDistance表示相邻两个料盘格间的纵向中心距离,任意一列的第一个料盘格的中心点坐标(x3,y3),任意一列的最后一料盘格的中心点坐标(x4,y4)。
较佳地,步骤S23具体包括:
选取矩形阵列中的第一行第一列的料盘格的中心点坐标作为参考点,根据所述参考点、所述横向中心距离和所述纵向中心距离获取除所述参考点之外的所有所述料盘格的中心点坐标,具体计算公式如下:
M=[X+RowDistance*(i-1),Y+ColumnDistance*(j-1)]
其中,矩形阵列中的第一行第一列的料盘格的中心点坐标为(X,Y),M表示所有料盘格的中心点坐标,i=1,2,…,n,j=1,2,…,m。
本发明还提供一种料盘的定位***,所述定位***包括图像获取模块、坐标获取模块、定位模块和抓取模块;
所述图像获取模块用于获取料盘图像;
所述坐标获取模块用于获取所述料盘图像中的每个料盘格及每个所述料盘格的中心点坐标,并调用所述定位模块;
所述定位模块用于根据所述中心点坐标对每个所述料盘格进行定位;
其中,所述中心点坐标用于表征位于料盘上每个所述料盘格中的目标产品的位置;
所述抓取模块用于根据被定位的每个所述料盘格抓取所述料盘格中的所述目标产品。
较佳地,所述坐标获取模块包括料盘格获取单元、横向中心距离获取单元、纵向中心距离获取单元和中心点坐标获取单元;
所述料盘格获取单元用于获取所述料盘图像中的每个料盘格;
其中,所述料盘中的所述料盘格以矩形阵列的形状设置;
所述横向中心距离获取单元用于在矩形阵列的横向方向上任意选取两个料盘格,根据两个所述料盘格的中心点坐标获取相邻两个料盘格间的横向中心距离;
所述纵向中心距离获取单元用于在矩形阵列的纵向方向上任意选取两个料盘格,根据两个所述料盘格的中心点坐标获取相邻两个料盘格间的纵向中心距离;
所述中心点坐标获取单元用于任意选取一料盘格的中心点坐标作为参考点,再根据所述参考点、所述横向中心距离和所述纵向中心距离获取除所述参考点之外的所有所述料盘格的中心点坐标。
较佳地,所述横向中心距离获取单元用于选取矩形阵列中的任意一排的第一个料盘格和最后一料盘格,获取所述横向中心距离,具体计算公式如下:
RowDistance=(x2-x1)/(m-1)
其中,RowDistance表示相邻两个料盘格间的横向中心距离,任意一排的第一个料盘格的中心点坐标(x1,y1),任意一排的最后一料盘格的中心点坐标(x2,y2),矩形阵列为m*n,m表示矩阵阵列的行数,n表示矩阵阵列的列数;
所述纵向中心距离获取单元用于选取矩形阵列中的任意一列的第一个料盘格和最后一料盘格,获取所述纵向中心距离,具体计算公式如下:
ColumnDistance=(y4-y3)/(n-1)
其中,ColumnDistance表示相邻两个料盘格间的纵向中心距离,任意一列的第一个料盘格的中心点坐标(x3,y3),任意一列的最后一料盘格的中心点坐标(x4,y4)。
较佳地,所述中心点坐标获取单元用于选取矩形阵列中的第一行第一列的料盘格的中心点坐标作为参考点,根据所述参考点、所述横向中心距离和所述纵向中心距离获取除所述参考点之外的所有所述料盘格的中心点坐标,具体计算公式如下:
M=[X+RowDistance*(i-1),Y+ColumnDistance*(j-1)]
其中,矩形阵列中的第一行第一列的料盘格的中心点坐标为(X,Y),M表示所有料盘格的中心点坐标,i=1,2,…,n,j=1,2,…,m。
本发明的积极进步效果在于:
本发明通过一次性定位料盘的所有产品,可引导机器人按照定位连续多次直接抓取目标产品,从而节省了定位时间,操作简单且有效地提高了生产效率。
附图说明
图1为本发明实施例1的料盘的定位方法的流程图;
图2为本发明实施例1中的料盘的结构示意图;
图3为本发明实施例2的料盘的定位方法的流程图;
图4为本发明实施例3的料盘的定位方法的流程图;
图5为发明实施例4的料盘的定位***的模块示意图;
图6为发明实施例5的料盘的定位***的模块示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
如图1所示,本实施例的料盘的定位方法包括:
S101、获取料盘图像;
在实际生产过程中,可以通过在机器人上配置顶部相机来拍摄采集整个料盘对应的料盘图像。
S102、获取料盘图像中的每个料盘格及每个料盘格的中心点坐标,并根据中心点坐标对每个料盘格进行定位;
其中,中心点坐标用于表征位于料盘上每个料盘格中的目标产品的位置;
S103、根据被定位的每个料盘格抓取料盘格中的目标产品。
具体地,如图2所示,为3行3列的矩形阵列的形状设置的料盘。假设每次拍摄料盘的时间为100ms,定位料盘格中的目标产品的时间为200ms。若采用现有技术中的视觉定位引导机器人拍摄一次定位一次后,只抓取一次目标产品的方式,对应的视觉处理时间为=(100+200)*9=2700ms;而采用本实施例的料盘的定位方法,可以实现对整个料盘上的所有料盘格一次拍照并一次定位每个料盘格上的所有目标产品,即对应的视觉处理时间为=100+200=300ms,因此,相比现有技术中,本实施例可以节省了2400ms,从而有效地节省了处理时间,提高了工作效率。
本实施例通过一次性定位料盘的所有产品,可引导机器人按照定位连续多次直接抓取目标产品,从而节省了定位时间,操作简单且有效地提高了生产效率。
实施例2
如图3所示,本实施例在实施例1的基础上作进一步改进,具体地:
步骤S102具体包括:
S1021、获取料盘图像中的每个料盘格;
其中,料盘中的料盘格以矩形阵列的形状设置;
同时,矩形阵列中的相邻两个料盘格间的横向中心距离均相等,矩形阵列中的相邻两个料盘格间的纵向中心距离均相等。
S1022、在矩形阵列的横向方向上任意选取两个料盘格,根据两个料盘格的中心点坐标获取相邻两个料盘格间的横向中心距离;
在矩形阵列的纵向方向上任意选取两个料盘格,根据两个料盘格的中心点坐标获取相邻两个料盘格间的纵向中心距离;
S1023、任意选取一料盘格的中心点坐标作为参考点,再根据参考点、横向中心距离和纵向中心距离获取除参考点之外的所有料盘格的中心点坐标。
S1024、根据中心点坐标对每个料盘格进行定位。
本实施例通过以矩形阵列的形状设置的每个料盘格,分别计算相邻两个料盘格间的横向中心距离和纵向中心距离,并通过任意选取一料盘格的中心点坐标作为参考点,获取每个料盘格的中心点坐标,并根据每个料盘格的中心点坐标对每个料盘格进行定位,从而实现一次性定位料盘的所有产品,可引导机器人按照定位连续多次直接抓取目标产品,从而节省了定位时间,操作简单且有效地提高了生产效率。
实施例3
如图4所示,本实施例在实施例2的基础上作进一步改进,具体地:
步骤S1022具体包括:
S10221、选取矩形阵列中的任意一排的第一个料盘格和最后一料盘格,获取相邻两个料盘格间的横向中心距离,具体计算公式如下:
RowDistance=(x2-x1)/(m-1)
其中,RowDistance表示相邻两个料盘格间的横向中心距离,任意一排的第一个料盘格的中心点坐标(x1,y1),任意一排的最后一料盘格的中心点坐标(x2,y2),矩形阵列为m*n,m表示矩阵阵列的行数,n表示矩阵阵列的列数;
选取矩形阵列中的任意一列的第一个料盘格和最后一料盘格,获取相邻两个料盘格间的纵向中心距离,具体计算公式如下:
ColumnDistance=(y4-y3)/(n-1)
其中,ColumnDistance表示相邻两个料盘格间的纵向中心距离,任意一列的第一个料盘格的中心点坐标(x3,y3),任意一列的最后一料盘格的中心点坐标(x4,y4)。
步骤S1023具体包括:
S10231、选取矩形阵列中的第一行第一列的料盘格的中心点坐标作为参考点,根据参考点、横向中心距离和纵向中心距离获取除参考点之外的所有料盘格的中心点坐标,具体计算公式如下:
M=[X+RowDistance*(i-1),Y+ColumnDistance*(j-1)]
其中,矩形阵列中的第一行第一列的料盘格的中心点坐标为(X,Y),M表示所有料盘格的中心点坐标,i=1,2,…,n,j=1,2,…,m。
本实施例中,对于矩形阵列的形状设置的每个料盘格,通过选取矩形阵列中的任意一排的第一个料盘格和最后一料盘格,计算相邻两个料盘格间的横向中心距离;选取矩形阵列中的任意一列的第一个料盘格和最后一料盘格计算相邻两个料盘格间的纵向中心距离,并选取矩形阵列中的第一行第一列的料盘格的中心点坐标作为参考点,来获取每个料盘格的中心点坐标,并根据每个料盘格的中心点坐标对每个料盘格进行定位,从而实现一次性定位料盘的所有产品,可引导机器人按照定位连续多次直接抓取目标产品,从而节省了定位时间,操作简单且有效地提高了生产效率。
实施例4
如图5所示,本实施例的料盘的定位***包括图像获取模块1、坐标获取模块2、定位模块3和抓取模块4。
图像获取模块1用于获取料盘图像;
在实际生产过程中,可以通过在机器人上配置顶部相机来拍摄采集整个料盘对应的料盘图像。
坐标获取模块2用于获取料盘图像中的每个料盘格及每个料盘格的中心点坐标,并调用定位模块;
定位模块3用于根据中心点坐标对每个料盘格进行定位;
其中,中心点坐标用于表征位于料盘上每个料盘格中的目标产品的位置;
抓取模块4用于根据被定位的每个料盘格抓取料盘格中的目标产品。
具体地,如图2所示,为3行3列的矩形阵列的形状设置的料盘。假设每次拍摄料盘的时间为100ms,定位料盘格中的目标产品的时间为200ms。若采用现有技术中的视觉定位引导机器人拍摄一次定位一次后,只抓取一次目标产品的方式,对应的视觉处理时间为=(100+200)*9=2700ms;而采用本实施例的料盘的定位方法,可以实现对整个料盘上的所有料盘格一次拍照并一次定位每个料盘格上的所有目标产品,即对应的视觉处理时间为=100+200=300ms,因此,相比现有技术中,本实施例可以节省了2400ms,从而有效地节省了处理时间,提高了工作效率。
本实施例通过一次性定位料盘的所有产品,可引导机器人按照定位连续多次直接抓取目标产品,从而节省了定位时间,操作简单且有效地提高了生产效率。
实施例5
如图6所示,本实施例在实施例4的基础上作进一步改进,具体地:
坐标获取模块2包括料盘格获取单元21、横向中心距离获取单元22、纵向中心距离获取单元23和中心点坐标获取单元24。
料盘格获取单元21用于获取料盘图像中的每个料盘格;
其中,料盘中的料盘格以矩形阵列的形状设置;
同时,矩形阵列中的相邻两个料盘格间的横向中心距离均相等,矩形阵列中的相邻两个料盘格间的纵向中心距离均相等。
横向中心距离获取单元22用于在矩形阵列的横向方向上任意选取两个料盘格,根据两个料盘格的中心点坐标获取相邻两个料盘格间的横向中心距离;
纵向中心距离获取单元23用于在矩形阵列的纵向方向上任意选取两个料盘格,根据两个料盘格的中心点坐标获取相邻两个料盘格间的纵向中心距离;
中心点坐标获取单元24用于任意选取一料盘格的中心点坐标作为参考点,再根据参考点、横向中心距离和纵向中心距离获取除参考点之外的所有料盘格的中心点坐标。
本实施例通过以矩形阵列的形状设置的每个料盘格,分别计算相邻两个料盘格间的横向中心距离和纵向中心距离,并通过任意选取一料盘格的中心点坐标作为参考点,获取每个料盘格的中心点坐标,并根据每个料盘格的中心点坐标对每个料盘格进行定位,从而实现一次性定位料盘的所有产品,可引导机器人按照定位连续多次直接抓取目标产品,从而节省了定位时间,操作简单且有效地提高了生产效率。
实施例6
如图6所示,本实施例在实施例5的基础上作进一步改进,具体地:
横向中心距离获取单元22用于选取矩形阵列中的任意一排的第一个料盘格和最后一料盘格,获取相邻两个料盘格间的横向中心距离,具体计算公式如下:
RowDistance=(x2-x1)/(m-1)
其中,RowDistance表示相邻两个料盘格间的横向中心距离,任意一排的第一个料盘格的中心点坐标(x1,y1),任意一排的最后一料盘格的中心点坐标(x2,y2),矩形阵列为m*n,m表示矩阵阵列的行数,n表示矩阵阵列的列数;
纵向中心距离获取单元23用于选取矩形阵列中的任意一列的第一个料盘格和最后一料盘格,获取相邻两个料盘格间的纵向中心距离,具体计算公式如下:
ColumnDistance=(y4-y3)/(n-1)
其中,ColumnDistance表示相邻两个料盘格间的纵向中心距离,任意一列的第一个料盘格的中心点坐标(x3,y3),任意一列的最后一料盘格的中心点坐标(x4,y4)。
中心点坐标获取单元24用于选取矩形阵列中的第一行第一列的料盘格的中心点坐标作为参考点,根据参考点、横向中心距离和纵向中心距离获取除参考点之外的所有料盘格的中心点坐标,具体计算公式如下:
M=[X+RowDistance*(i-1),Y+ColumnDistance*(j-1)]
其中,矩形阵列中的第一行第一列的料盘格的中心点坐标为(X,Y),M表示所有料盘格的中心点坐标,i=1,2,…,n,j=1,2,…,m。
本实施例中,对于矩形阵列的形状设置的每个料盘格,通过选取矩形阵列中的任意一排的第一个料盘格和最后一料盘格,计算相邻两个料盘格间的横向中心距离;选取矩形阵列中的任意一列的第一个料盘格和最后一料盘格计算相邻两个料盘格间的纵向中心距离,并选取矩形阵列中的第一行第一列的料盘格的中心点坐标作为参考点,获取每个料盘格的中心点坐标,并根据每个料盘格的中心点坐标对每个料盘格进行定位,从而实现一次性定位料盘的所有产品,可引导机器人按照定位连续多次直接抓取目标产品,从而节省了定位时间,操作简单且有效地提高了生产效率。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式作出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (8)
1.一种料盘的定位方法,其特征在于,所述定位方法包括:
S1、获取料盘图像;
S2、获取所述料盘图像中的每个料盘格及每个所述料盘格的中心点坐标,并根据所述中心点坐标对每个所述料盘格进行定位;
其中,所述中心点坐标用于表征位于料盘上每个所述料盘格中的目标产品的位置;
S3、根据被定位的每个所述料盘格抓取所述料盘格中的所述目标产品。
2.如权利要求1所述的料盘的定位方法,其特征在于,所述获取所述料盘图像中的每个料盘格及每个所述料盘格的中心点坐标的步骤具体包括:
S21、获取所述料盘图像中的每个料盘格;
其中,所述料盘中的所述料盘格以矩形阵列的形状设置;
S22、在矩形阵列的横向方向上任意选取两个料盘格,根据两个所述料盘格的中心点坐标获取相邻两个料盘格间的横向中心距离;
在矩形阵列的纵向方向上任意选取两个料盘格,根据两个所述料盘格的中心点坐标获取相邻两个料盘格间的纵向中心距离;
S23、任意选取一料盘格的中心点坐标作为参考点,再根据所述参考点、所述横向中心距离和所述纵向中心距离获取除所述参考点之外的所有所述料盘格的中心点坐标。
3.如权利要求2所述的料盘的定位方法,其特征在于,步骤S22具体包括:
选取矩形阵列中的任意一排的第一个料盘格和最后一料盘格,获取所述横向中心距离,具体计算公式如下:
RowDistance=(x2-x1)/(m-1)
其中,RowDistance表示相邻两个料盘格间的横向中心距离,任意一排的第一个料盘格的中心点坐标(x1,y1),任意一排的最后一料盘格的中心点坐标(x2,y2),矩形阵列为m*n,m表示矩阵阵列的行数,n表示矩阵阵列的列数;
选取矩形阵列中的任意一列的第一个料盘格和最后一料盘格,获取所述纵向中心距离,具体计算公式如下:
ColumnDistance=(y4-y3)/(n-1)
其中,ColumnDistance表示相邻两个料盘格间的纵向中心距离,任意一列的第一个料盘格的中心点坐标(x3,y3),任意一列的最后一料盘格的中心点坐标(x4,y4)。
4.如权利要求3所述的料盘的定位方法,其特征在于,步骤S23具体包括:
选取矩形阵列中的第一行第一列的料盘格的中心点坐标作为参考点,根据所述参考点、所述横向中心距离和所述纵向中心距离获取除所述参考点之外的所有所述料盘格的中心点坐标,具体计算公式如下:
M=[X+RowDistance*(i-1),Y+ColumnDistance*(j-1)]
其中,矩形阵列中的第一行第一列的料盘格的中心点坐标为(X,Y),M表示所有料盘格的中心点坐标,i=1,2,…,n,j=1,2,…,m。
5.一种料盘的定位***,其特征在于,所述定位***包括图像获取模块、坐标获取模块、定位模块和抓取模块;
所述图像获取模块用于获取料盘图像;
所述坐标获取模块用于获取所述料盘图像中的每个料盘格及每个所述料盘格的中心点坐标,并调用所述定位模块;
所述定位模块用于根据所述中心点坐标对每个所述料盘格进行定位;
其中,所述中心点坐标用于表征位于料盘上每个所述料盘格中的目标产品的位置;
所述抓取模块用于根据被定位的每个所述料盘格抓取所述料盘格中的所述目标产品。
6.如权利要求5所述的料盘的定位***,其特征在于,所述坐标获取模块包括料盘格获取单元、横向中心距离获取单元、纵向中心距离获取单元和中心点坐标获取单元;
所述料盘格获取单元用于获取所述料盘图像中的每个料盘格;
其中,所述料盘中的所述料盘格以矩形阵列的形状设置;
所述横向中心距离获取单元用于在矩形阵列的横向方向上任意选取两个料盘格,根据两个所述料盘格的中心点坐标获取相邻两个料盘格间的横向中心距离;
所述纵向中心距离获取单元用于在矩形阵列的纵向方向上任意选取两个料盘格,根据两个所述料盘格的中心点坐标获取相邻两个料盘格间的纵向中心距离;
所述中心点坐标获取单元用于任意选取一料盘格的中心点坐标作为参考点,再根据所述参考点、所述横向中心距离和所述纵向中心距离获取除所述参考点之外的所有所述料盘格的中心点坐标。
7.如权利要求6所述的料盘的定位***,其特征在于,所述横向中心距离获取单元用于选取矩形阵列中的任意一排的第一个料盘格和最后一料盘格,获取相邻两个料盘格间的所述横向中心距离,具体计算公式如下:
RowDistance=(x2-x1)/(m-1)
其中,RowDistance表示相邻两个料盘格间的横向中心距离,任意一排的第一个料盘格的中心点坐标(x1,y1),任意一排的最后一料盘格的中心点坐标(x2,y2),矩形阵列为m*n,m表示矩阵阵列的行数,n表示矩阵阵列的列数;
所述纵向中心距离获取单元用于选取矩形阵列中的任意一列的第一个料盘格和最后一料盘格,获取相邻两个料盘格间的所述纵向中心距离,具体计算公式如下:
ColumnDistance=(y4-y3)/(n-1)
其中,ColumnDistance表示相邻两个料盘格间的纵向中心距离,任意一列的第一个料盘格的中心点坐标(x3,y3),任意一列的最后一料盘格的中心点坐标(x4,y4)。
8.如权利要求7所述的料盘的定位***,其特征在于,所述中心点坐标获取单元用于选取矩形阵列中的第一行第一列的料盘格的中心点坐标作为参考点,根据所述参考点、所述横向中心距离和所述纵向中心距离获取除所述参考点之外的所有所述料盘格的中心点坐标,具体计算公式如下:
M=[X+RowDistance*(i-1),Y+ColumnDistance*(j-1)]
其中,矩形阵列中的第一行第一列的料盘格的中心点坐标为(X,Y),M表示所有料盘格的中心点坐标,i=1,2,…,n,j=1,2,…,m。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811639884.XA CN111380457B (zh) | 2018-12-29 | 2018-12-29 | 料盘的定位方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811639884.XA CN111380457B (zh) | 2018-12-29 | 2018-12-29 | 料盘的定位方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111380457A true CN111380457A (zh) | 2020-07-07 |
CN111380457B CN111380457B (zh) | 2024-02-06 |
Family
ID=71216027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811639884.XA Active CN111380457B (zh) | 2018-12-29 | 2018-12-29 | 料盘的定位方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111380457B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111906783A (zh) * | 2020-07-17 | 2020-11-10 | 深圳市华成工业控制股份有限公司 | 一种精确确定四边形料盘置物方法、装置和机器人 |
CN112541947A (zh) * | 2020-12-08 | 2021-03-23 | 苏州赛腾精密电子股份有限公司 | 一种基于机器视觉的装配方法、设备及存储介质 |
CN112612244A (zh) * | 2021-01-03 | 2021-04-06 | 淮南师范学院 | 一种基于PLC控制的Tray盘空穴三点定位方法 |
CN114919971A (zh) * | 2022-06-10 | 2022-08-19 | 临海市新睿电子科技有限公司 | 一种桁架机器人料盘定位*** |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06137840A (ja) * | 1992-10-22 | 1994-05-20 | Toyota Central Res & Dev Lab Inc | 視覚センサの自動キャリブレーション装置 |
JPH1027839A (ja) * | 1996-07-09 | 1998-01-27 | Dainippon Screen Mfg Co Ltd | ウェハの回転方向検出方法 |
JP2000299783A (ja) * | 1999-02-08 | 2000-10-24 | Sharp Corp | 画像処理方法及びその装置 |
JP2002231616A (ja) * | 2001-02-05 | 2002-08-16 | Nikon Corp | 位置計測装置及び方法、露光装置及び方法、並びにデバイス製造方法 |
WO2010075312A2 (en) * | 2008-12-26 | 2010-07-01 | Five Apes, Inc. | Method and apparatus for creating a pattern recognizer |
CN104517089A (zh) * | 2013-09-29 | 2015-04-15 | 北大方正集团有限公司 | 一种二维码解码***及其方法 |
CN104732538A (zh) * | 2015-03-26 | 2015-06-24 | 广州市天誉创高电子科技有限公司 | 摄像头定位跟踪方法及相关*** |
CN104867160A (zh) * | 2015-06-17 | 2015-08-26 | 合肥工业大学 | 一种用于摄像机内外参数标定的方向性标定靶标 |
WO2017046272A1 (en) * | 2015-09-17 | 2017-03-23 | Thomson Licensing | Method for encoding a light field content |
CN106814087A (zh) * | 2016-12-26 | 2017-06-09 | 华中科技大学 | 一种柔性显示屏多工位单视觉aoi检测平台及其检测方法 |
CN107720292A (zh) * | 2017-09-30 | 2018-02-23 | 环旭电子股份有限公司 | 一种上下料***和上下料方法 |
CN108198218A (zh) * | 2018-01-16 | 2018-06-22 | 深圳市亿图视觉自动化技术有限公司 | 柔性电路板定位方法、装置及计算机可读存储介质 |
CN108890636A (zh) * | 2018-07-06 | 2018-11-27 | 陕西大中科技发展有限公司 | 一种工业机器人的抓取定位方法 |
CN109087276A (zh) * | 2018-05-17 | 2018-12-25 | 苏州斯玛维科技有限公司 | 基于smt料盘的x射线图像的元器件自动计数和定位方法 |
-
2018
- 2018-12-29 CN CN201811639884.XA patent/CN111380457B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06137840A (ja) * | 1992-10-22 | 1994-05-20 | Toyota Central Res & Dev Lab Inc | 視覚センサの自動キャリブレーション装置 |
JPH1027839A (ja) * | 1996-07-09 | 1998-01-27 | Dainippon Screen Mfg Co Ltd | ウェハの回転方向検出方法 |
JP2000299783A (ja) * | 1999-02-08 | 2000-10-24 | Sharp Corp | 画像処理方法及びその装置 |
JP2002231616A (ja) * | 2001-02-05 | 2002-08-16 | Nikon Corp | 位置計測装置及び方法、露光装置及び方法、並びにデバイス製造方法 |
WO2010075312A2 (en) * | 2008-12-26 | 2010-07-01 | Five Apes, Inc. | Method and apparatus for creating a pattern recognizer |
CN104517089A (zh) * | 2013-09-29 | 2015-04-15 | 北大方正集团有限公司 | 一种二维码解码***及其方法 |
CN104732538A (zh) * | 2015-03-26 | 2015-06-24 | 广州市天誉创高电子科技有限公司 | 摄像头定位跟踪方法及相关*** |
CN104867160A (zh) * | 2015-06-17 | 2015-08-26 | 合肥工业大学 | 一种用于摄像机内外参数标定的方向性标定靶标 |
WO2017046272A1 (en) * | 2015-09-17 | 2017-03-23 | Thomson Licensing | Method for encoding a light field content |
CN106814087A (zh) * | 2016-12-26 | 2017-06-09 | 华中科技大学 | 一种柔性显示屏多工位单视觉aoi检测平台及其检测方法 |
CN107720292A (zh) * | 2017-09-30 | 2018-02-23 | 环旭电子股份有限公司 | 一种上下料***和上下料方法 |
CN108198218A (zh) * | 2018-01-16 | 2018-06-22 | 深圳市亿图视觉自动化技术有限公司 | 柔性电路板定位方法、装置及计算机可读存储介质 |
CN109087276A (zh) * | 2018-05-17 | 2018-12-25 | 苏州斯玛维科技有限公司 | 基于smt料盘的x射线图像的元器件自动计数和定位方法 |
CN108890636A (zh) * | 2018-07-06 | 2018-11-27 | 陕西大中科技发展有限公司 | 一种工业机器人的抓取定位方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111906783A (zh) * | 2020-07-17 | 2020-11-10 | 深圳市华成工业控制股份有限公司 | 一种精确确定四边形料盘置物方法、装置和机器人 |
CN112541947A (zh) * | 2020-12-08 | 2021-03-23 | 苏州赛腾精密电子股份有限公司 | 一种基于机器视觉的装配方法、设备及存储介质 |
CN112541947B (zh) * | 2020-12-08 | 2024-02-20 | 苏州赛腾精密电子股份有限公司 | 一种基于机器视觉的装配方法、设备及存储介质 |
CN112612244A (zh) * | 2021-01-03 | 2021-04-06 | 淮南师范学院 | 一种基于PLC控制的Tray盘空穴三点定位方法 |
CN114919971A (zh) * | 2022-06-10 | 2022-08-19 | 临海市新睿电子科技有限公司 | 一种桁架机器人料盘定位*** |
CN114919971B (zh) * | 2022-06-10 | 2024-05-28 | 临海市新睿电子科技股份有限公司 | 一种桁架机器人料盘定位*** |
Also Published As
Publication number | Publication date |
---|---|
CN111380457B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111380457A (zh) | 料盘的定位方法及*** | |
US9643796B2 (en) | Device and method of arraying articles by using robot, and article transfer system | |
US9475189B2 (en) | Multi-robot crop harvesting machine | |
CN104476552A (zh) | 一种基于机器视觉的机器人型材搬运装置及其方法 | |
CN206689058U (zh) | 柔性自动上下料*** | |
CN108748149B (zh) | 一种复杂环境下基于深度学习的无标定机械臂抓取方法 | |
DE102016000995A1 (de) | Förderrobotersystem mit dreidimensionalem Sensor | |
CN105066831A (zh) | 一种单一或多机器人***协同工作坐标系的标定方法 | |
CN108126914B (zh) | 一种基于深度学习的料框内散乱多物体机器人分拣方法 | |
CN106446888B (zh) | 摄像模组多标识符识别方法及设备 | |
CN105436979B (zh) | 一种等间距分料中转台 | |
Comba et al. | Robot ensembles for grafting herbaceous crops | |
CN106903506A (zh) | 装配***及装配方法 | |
CN105844670B (zh) | 水平机器人移动相机多点移动标定方法 | |
CN110142765A (zh) | 一种加工橡胶塞的方法、装置及*** | |
CN110889552A (zh) | 一种基于最优参数遗传算法的苹果自动装箱路径优化方法 | |
CN114029951A (zh) | 基于深度相机的机器人自主识别智能抓取方法 | |
CN110750925A (zh) | 柔性机械手力变形模型建模方法及装置 | |
CN114074331A (zh) | 一种基于视觉的无序抓取方法及机器人 | |
CN215471136U (zh) | 一种无定位机器人视觉抓取工作站 | |
Kalitsios et al. | Vision-enhanced system for human-robot disassembly factory cells: introducing a new screw dataset | |
CN113510711B (zh) | 一种基于人工智能的工业机器人动作执行监测调控方法及云监测调控平台 | |
CN205419055U (zh) | 空调两器数字总线工厂的成型钣金件自动取码单元 | |
CN211679415U (zh) | 双机器人钣金折弯装置 | |
CN110000779B (zh) | 基于二维码的容错自校正工业机器人手臂控制方法 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211222 Address after: 201799 No. 888, Shengli Road, Qingpu Industrial Park, Shanghai (No. 10055, Songze Avenue) Applicant after: SHANGHAI SUNRISE SIMCOM ELECTRONIC TECHNOLOGY Co.,Ltd. Address before: 201799 floor 1, building 2, No. 888, Shengli Road, Qingpu District, Shanghai Applicant before: Shanghai PAMI Intelligent Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |