CN111452038A - 一种高精度工件组件及高精度工件组件的装配方法 - Google Patents

一种高精度工件组件及高精度工件组件的装配方法 Download PDF

Info

Publication number
CN111452038A
CN111452038A CN202010139320.0A CN202010139320A CN111452038A CN 111452038 A CN111452038 A CN 111452038A CN 202010139320 A CN202010139320 A CN 202010139320A CN 111452038 A CN111452038 A CN 111452038A
Authority
CN
China
Prior art keywords
workpiece
image
robot
computer
assembly
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
CN202010139320.0A
Other languages
English (en)
Other versions
CN111452038B (zh
Inventor
欧阳奇
曹晨光
侯佳木
王媛媛
杜凌霄
李继祥
金留欢
柳刚
刘旭阳
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.)
Sichuan Alcohol Research Institute
Original Assignee
Sichuan Alcohol 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 Sichuan Alcohol Research Institute filed Critical Sichuan Alcohol Research Institute
Priority to CN202010139320.0A priority Critical patent/CN111452038B/zh
Publication of CN111452038A publication Critical patent/CN111452038A/zh
Application granted granted Critical
Publication of CN111452038B publication Critical patent/CN111452038B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B25J13/087—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices for sensing other physical parameters, e.g. electrical or chemical properties
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J15/00—Gripping heads and other end effectors
    • B25J15/08—Gripping heads and other end effectors having finger members
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Automation & Control Theory (AREA)
  • Manipulator (AREA)

Abstract

本发明公开一种高精度工件组件及高精度工件组件的装配方法，机器人带动图像采集器分别采集工件组件的图像，计算机图像采集器采集的图像对工件组件进行精准定位，机器人根据工件位置信息实现对工件组件抓取和装配；在工件组件装配中，计算机根据六维传感器检测的数据，通过PID控制器精准、平稳的控制机器人反复调节工件组件之间的相对位置，直至工件组件完成装配；机器人完成工件组件的装配操作均由计算机自动控制，使装配更智能化；通过PID控制器控制机器人，可以使工件组件装配过程更稳定、更精准，并且PID控制原理简单明了，计算机运算速度快，能根据历史的对接数据调整PID控制器的参数，优化工件组件的装配过程，降低生产成本，提高生产效率。

Description

一种高精度工件组件及高精度工件组件的装配方法
技术领域
本发明涉及高精度工件组件装配技术领域，具体地说，是一种高精度工件组件及高精度工件组件的装配方法。
背景技术
在现代化工业生产中，大多数工件组件的装配过程均有机械臂完成，其中，在涉及到高精度工件组件装配时，视觉定位方法精度低的缺点经常出现对工件组件定位不准确导致机器人不能准确夹取工件组件，因而不能无法完成后续工件组件的装配，从而降低装配***稳定性，降低成品率，影响生产效率；并且计算机在进行高精度工件组件装配时，计算机还出现多次校准装配位置，但是依然无法完成工件组件装配，甚至还会导致计算机崩溃而引发装配进程卡滞，延长装配周期。
根据现有技术的缺陷，需要一种能对高精度工件组件精准定位，还能快捷、准确、稳定的完成工件组件的装配的方法。
发明内容
为了解决上述问题，本发明提出一种高精度工件组件及高精度工件组件的装配方法，所述工件组件的装配方法能对工件组件精准定位，还能快捷、准确、稳定的完成工件组件的装配。
为达到上述目的，本发明采用的具体技术方案如下：一种高精度工件组件的装配方法，其关键在于，包括工件组件，所述工件组件包括工件M和工件N，所述工件M和工件N按照以下步骤进行装配：
预处理：将工件M放置在待抓取工装上，工件N放置在对接工装上；图像采集器和六维传感器安装在机器人上，并分别设定图像采集器对工件M和工件N的固定拍照点；在计算机中设定机器人夹爪对工件M的对准位置和抓取位置，设定工件M与工件N的预对接位置和对接位置；设置机器人的初始点；分别设定工件M与工件N的图像ROI区域；设定单位向量(xe,ye)。
S1：初始化，机器人移动至初始点，机器人与计算机建立通讯。
S2：机器人带动图像采集器移动至工件M的固定拍照点，采集的工件M的图像，并将该工件M的图像传输至计算机，计算机分析工件M的图像，并确定工件M的中心点PM的特征基图像坐标和旋转角θM，所述旋转角θM为所述工件M的中心点PM指向工件M的图像ROI区域中心点
Figure BDA0002398497500000021
构成向量与所述单位向量(xe,ye)之间的夹角。
S3：机器人根据上一步计算出的工件M的中心点PM的特征基图像坐标和旋转角θM，自身调整夹爪并移动到工件M的对准位置后开始下降，直至到达抓取位置，机器人控制夹爪抓住工件M。
S4：机器人带动图像采集器移动至工件N的固定拍照点，采集的工件N的图像，并将该工件N的图像传输至计算机，计算机分析工件N的图像，并确定工件N的中心点PN的特征基图像坐标和旋转角θN，所述旋转角θN为所述工件N的中心点PN指向工件N的图像ROI区域中心点
Figure BDA0002398497500000022
构成向量与所述单位向量(xe,ye)之间的夹角。
S5：机器人根据上一步计算出的工件N的中心点PN的特征基图像坐标和旋转角θN，机器人将工件M移动至预对接位置，该预对接位置设置在所述工件N的正上方。
S6：机器人控制工件M与工件N进行对接，六维传感器检测工件M与工件N对接时的检测数据，计算机根据检测数据控制机器人反复调整工件M的位置，直至检测数据小于安装阈值后，控制工件M与工件N完成对接，其中，安装阈值至少包括力矩阈值和力阈值。
S7：机器人控制夹爪松开工件M，并返回初始点，待下一次装配。
采用上述设计，计算机通过图像采集器采集工件M和工件N的图像，并根据机器人与图像采集器之间空间坐标的转换关系，分别确定工件M和工件N中用于对准的中心点特征基图像坐标和图像ROI区域中心基坐标，从而确定两工件的旋转角；在工件上设定图像ROI区域，即可对用于标定工件位置便于工件抓取或工件对接，还设定工件核心部件为图像ROI区域，从而检测工件的生产质量；机器人根据两个工件各自的中心点特征基图像坐标和旋转角，实现工件的抓取，计算机通过六维传感器的检测数据，机器人反复调节工件M的位置，直至工件M与工件N实现对接；使用该方法装配工件组件，实现自动化流程，并且工件M与工件N在设定对接位置调整，在满足对接阈值后再完成对接，减少工件组件对接部分的摩擦损伤，防止工件组件直接完全对接导致工件组件损伤报废，降低产品损耗率，从而降低生产成本。
进一步描述，所述工件M的中心点PM、工件M的图像ROI区域中心点
Figure BDA0002398497500000031
工件N的中心点PN、工件N的图像ROI区域中心点
Figure BDA0002398497500000032
机器人初始点、图像采集器的位置通过建立空间坐标系进行标定。
其中，所述图像采集器中在任意位置采集的图片中均设置有图像坐标系，对应图片中的所有特征均对应设置有一个特征图像坐标，所述机器人中设置在基坐标系内，所述特征图像坐标经坐标系转换矩阵Aij转换后得到基坐标系中的特征基图像坐标。
采用上述方案，让计算机对工件M、工件N、机器人和图像采集器的位置进行标定，方便定位；其中工件M和工件N中心点和图像ROI区域中心点的位置标定用于对工件的抓取和对接。
再进一步描述，步骤S2和S4中确定工件的中心点的特征基图像坐标、图像ROI区域中心点的特征基图像坐标均为求取图像中对应轮廓中的质心坐标，具体为：
S-A1：计算机将图像采集器采集图像进行镜头畸变校正，得到镜头畸变校正后的图像，具体为：
Figure BDA0002398497500000041
其中，畸变校正前像素点的原始坐标为
Figure BDA0002398497500000042
畸变校正后的像素点的坐标为(u，v)，(k1，k2，k3，p1，p2)是畸变系数，计算机通过棋盘格获取W1组相对应的像素点，利用最小二乘法就求出所有的畸变系数，得到镜头畸变校正后的图像。
S-A2：计算机将镜头畸变校正后的图像从RGB颜色空间转化到HSV颜色空间，并将转换后的图像进行多重阈值分割和逻辑与运算，得到工件粗略轮廓。
S-A3：计算机对工件粗略轮廓进行光滑处理，将转换成HSV图像转换为二值图，再将二值图依次进行图像腐蚀和图像膨胀的图像形态学处理：
图像腐蚀：
Figure BDA0002398497500000043
图像膨胀：
Figure BDA0002398497500000044
其中，
Figure BDA0002398497500000045
是处理过后的图像，f(x,y)是原始图像，
Figure BDA0002398497500000046
是结构元素，使图像中工件轮廓更为光滑。
S-A4：计算机利用Canny算法提取出步骤S-A3中得到的图像中的所有轮廓，然后根据面积阈值得到图像中的精准轮廓。
S-A5：计算机利用灰度重心法得到图像中的精准轮廓的中心点在ROI区域f的质心坐标
Figure BDA0002398497500000051
Figure BDA0002398497500000052
Figure BDA0002398497500000053
其中，质心坐标
Figure BDA0002398497500000054
为图像坐标系中的特征图像坐标。
采用上述方案，计算机从工件图像中获取到工件中心点和图像ROI区域中心点的特征图像坐标，对工件进行定位。
再进一步描述，步骤S-A2中计算机将镜头畸变校正后的图像从RGB颜色空间转化到HSV颜色空间具体步骤为：
S-B1，计算转换系数：
Figure BDA0002398497500000055
Cmax＝max(RP,GP,BP)
Figure BDA0002398497500000056
Δ＝Cmax-Cmin
其中，(RP,GP,BP)为P点在RGB颜色空间内像素值。
S-B2，H计算：
Figure BDA0002398497500000061
S-B3，S计算：
Figure BDA0002398497500000062
S-B4，V计算：
VP＝Cmax
从而，计算机就能获取P点在HSV颜色空间中的数值(HP,SP,VP)。
S-B5，计算机根据需要提取轮廓的颜色，在HSV颜色空间中设定颜色的范围。
从而得到转换成HSV的图像，再多重阈值分割，进行逻辑与运算，得到含有工件粗略轮廓的图像。
采用上述方案，计算机镜头畸变校正后的图像从RGB颜色空间转化到HSV颜色空间，能让图像中工件轮廓表达色彩，色调，以及鲜艳程度更表达直观，让计算机获取工件轮廓更简单；其中，可以根据需要得到轮廓的颜色，设定HSV颜色空间的颜色的范围，就可以按需求提取到图像中需要轮廓。
再进一步描述，所述坐标系转换矩阵Aij为Eye In Hand手眼标定中的坐标系转换系数，该坐标系转换系数采用DLT方法求取，具体为：
S-C1：计算机采集图像中的至少三个点的特征图像坐标，并根据图像采集器工作原理建立图像坐标系与基坐标系的关系：
Figure BDA0002398497500000071
其中，(u，v)是特征图像坐标，(Xr，Yr，Zr，1)是机器人基坐标，f是焦距，dx和dy分别表示每个像素在X轴和Y轴的物理尺寸，(u0，v0)是主点坐标。
S-C2：由于机器人带动图像采集器在同一高度对工件拍照，图像中特征图像坐标Z值均为一个常数，将上述公式进行化简得到：
Figure BDA0002398497500000072
其中，
Figure BDA0002398497500000073
为坐标系转换矩阵Aij。
S-C3：计算机将采集的特征图像坐标带入S-C21中：
将步骤S-C1中采集的特征图像坐标中X轴的坐标值带入S-C21中：
Figure BDA0002398497500000074
得到坐标系转换矩阵Aij中第一行系数；同理，将采集的图像坐标中Y轴的坐标带入S-C21中，得到完整的系数矩阵Aij；图像坐标系的特征图像坐标左乘坐标系转换矩阵Aij转换为基坐标系的特征基图像坐标。
采用上述方案，计算机通过DLT方法求取将机器人所在的基坐标系与图像采集器中图像坐标系之间的坐标系转换矩阵，实现基坐标系与图像采集器坐标转换，从而，图像采集器采集图像中的特征图线坐标可以直接转换为基坐标系中的特征基图像坐标进行定位。
再进一步描述，所述工件上工件中心点PX到图像ROI区域中心点
Figure BDA0002398497500000081
组成的有向线段
Figure BDA0002398497500000082
所述旋转角θX为所述有向线段
Figure BDA0002398497500000083
与单位向量(xe,ye)之间的夹角，所述旋转角具体为：
Figure BDA0002398497500000084
其中，机器人根据旋转角θX调整工件对接位置；或是夹取位置；或是对准位置；或是预对接位置。
采用上述方案，计算机分别得到工件M和工件N的旋转角，计算机通过两个旋转角的数值，控制机器人调节工件M的位置，让两个旋转角一致，即工件M与工件N对准。
再进一步描述，步骤S6中机器人控制工件M与工件N进行对接，六维传感器检测工件M与工件N对接部分的检测数据，计算机根据检测数据控制机器人反复调整工件M的位置，直至检测数据小于安装阈值后，控制工件M与工件N完成对接的具体步骤为：
S-D1：机器人将工件M从预对接位置向下移动，直至到达对接位置，计算机读六维传感器的检测数据。
S-D2：计算机判断六维传感器的检测数据是否均小于安装阈值；若是，进入步骤S-D5；若否，进入步骤S-D3。
S-D3：计算机分析六维传感器的检测数据，PID控制器接收六维传感器的检测数据给出当前调整值，机器人将工件M向上移动W2，机器人根据当前调整值调整工件M的位置，机器人向下移动工件M，再到达对接位置，计算机读取六维传感器的检测数据。
S-D4：计算机判断六维传感器的检测数据是否均小于安装阈值；若是，进入步骤S-D5；若否，返回步骤S-D3。
S-D5：机器人将工件M下移W3，完成工件M与工件N的对接。
采用上述方案，机器人通过PID控制器反复调节工件M的位置，最终让工件M与工件N精准对接；通过PID控制器的稳定性和高性价比，让工件组件装配***更稳定，还降低成本。
再进一步描述，所述根据调整策略通过PID控制器调整工件M的具体步骤为：
S-D41：计算机根据PID控制的控制原理：
Δu(k)＝KP[e(k)-e(k-1)]+KIe(k)+KD[e(k)-2e(k-1)+e(k-2)]
其中，Δu(k)为当前调整量，e(k)表示当前误差，e(k-1)表示上一次误差，e(k-2)表示上上次误差，KP比例系数，KI积分系数，KD是微分系数。
S-D42：计算机为了缩短整定周期，去掉微分环节，上述公式简化为：
Δu(k)＝KP[e(k)-e(k-1)]+KIe(k)；
S-D43：其中：
e(k)＝D(k)-D
其中，D(k)为六维力传感器的当前度数，D为理想值。
S-D44：计算机为了避免噪声响应，计算机将连续获取W4个六维传感器的检测数据取平均值后作为D(k)，具体为：
Figure BDA0002398497500000091
S-D45：设定D＝0，则上述公式简化为：
Δu(k)＝KP[D(k)-D(k-1)]+KID(k)
其中，机器人根据当前调整量Δu(k)反复调整工件M的位置，直至六维传感器的检测数据小于安装阈值。
采用上述方案，机器人通过PID控制，在控制过程中适用性好；PID控制原理简单明了，各个控制参数相对独立，计算机运算速度快，还能动态纠正偏差，反映迅速，提高了工件组件对接的效率；PID控制器能根据工件组件历史的对接数据，对PID控制器中的参数进行修正，优化工件组件的整个对接过程。
一种高精度工件组件，其关键在于，包括所述工件M和工件N，所述工件M为圆柱体，该工件M的一底面为被夹取面，所述工件M的另一底面为对接面，所述工件M的被夹取面沿径向延伸出至少三个限位法兰，该限位法兰沿所述工件M轴向开有限位通孔，所述工件M的对接面沿径向延伸出至少三个对接法兰，该对接法兰沿所述工件M轴向开有对接通孔，所述圆柱体的对接面上开有至少一个对接盲孔。
所述工件N为圆柱体，并所述工件N的一底面为被对接面，该被对接面与所述对接面大小形状相适应，所述工件N的被对接面沿径向延伸出至少三个被对接法兰，该被对接法兰沿所述工件N轴向开有被对接通孔，该被对接通孔孔径与所述对接通孔孔径相适应，所述被对接面还设置有与所述工件N同轴的对接圆柱，该对接圆柱与所述工件N一体成形，所述对接圆柱的底面半径与所述对接盲孔的孔径，所述对接圆柱的上底面开有安装盲孔。
所述工件M经对接盲孔与对接圆柱配合与所述工件N对接，并且所述对接通孔的设置位置与所述被对接通孔的设置位置一一对应。
本发明的有益效果：机器人带动图像采集器分别采集工件组件的图像，计算机图像采集器采集的图像对工件组件进行精准定位，机器人根据工件位置信息实现对工件组件抓取和装配；在工件组件装配中，计算机根据六维传感器的检测数据，通过PID控制器精准、平稳的控制机器人反复调节工件组件之间的相对位置，直至工件组件完成装配；机器人完成工件组件的装配操作均由计算机自动控制，使装配更智能化；通过PID控制器控制机器人，可以使工件组件装配过程更稳定、更精准，并且PID控制原理简单明了，计算机运算速度快，能根据历史的对接数据调整PID控制器的参数，优化工件组件的装配过程，降低生产成本，提高生产效率。
附图说明
图1是本发明中高精度工件组件的装配方法的流程图；
图2是本发明中机器人控制工件M与工件N完成对接的流程图；
图3是本发明中高精度工件组件的示意图；
图4是本发明中高精度工件组件未对接的剖视图；
图5是本发明中高精度工件组件完成对接的剖视图。
具体实施方式
下面结合附图对本发明的具体实施方式以及工作原理作进一步详细说明。
本实施例中，W1＝15，W2＝10mm，W3＝4mm，W4＝100。
从图1可以看出，一种高精度工件组件的装配方法，包括工件组件，工件组件包括工件M和工件N，工件M和工件N按照以下步骤进行装配：
预处理：将工件M放置在待抓取工装上，工件N放置在对接工装上；图像采集器和六维传感器安装在机器人上，并分别设定图像采集器对工件M和工件N的固定拍照点；在计算机中设定机器人夹爪对工件M的对准位置和抓取位置，设定工件M与工件N的预对接位置和对接位置；设置机器人的初始点；分别设定工件M与工件N的图像ROI区域；设定单位向量(xe,ye)。
S1：初始化，机器人移动至初始点，本实施例中，机器人与计算机建立Socket通讯。
S2：机器人带动图像采集器移动至工件M的固定拍照点，采集的工件M的图像，并将该工件M的图像传输至计算机，计算机分析工件M的图像，并确定工件M的中心点PM的特征基图像坐标和旋转角θM，所述旋转角θM为所述工件M的中心点PM指向工件M的图像ROI区域中心点
Figure BDA0002398497500000121
构成向量与所述单位向量(xe,ye)之间的夹角。
S3：机器人根据上一步计算出的工件M的中心点PM的特征基图像坐标和旋转角θM，自身调整夹爪并移动到工件M的对准位置后开始下降，直至到达抓取位置，机器人控制夹爪抓住工件M。
S4：机器人带动图像采集器移动至工件N的固定拍照点，采集的工件N的图像，并将该工件N的图像传输至计算机，计算机分析工件N的图像，并确定工件N的中心点PN的特征基图像坐标和旋转角θN，所述旋转角θN为所述工件N的中心点PN指向工件N的图像ROI区域中心点
Figure BDA0002398497500000122
构成向量与所述单位向量(xe,ye)之间的夹角。
S5：机器人根据上一步计算出的工件N的中心点PN的特征基图像坐标和旋转角θB，机器人将工件M移动至预对接位置，该预对接位置设置在工件N的正上方。
S6：机器人控制工件M与工件N进行对接，六维传感器检测工件M与工件N对接时的检测数据，计算机根据检测数据控制机器人反复调整工件M的位置，直至检测数据小于安装阈值后，控制工件M与工件N完成对接，其中，安装阈值至少包括力矩阈值和力阈值，本实施例中，力矩阈值为10NM，力阈值为30N。
S7：机器人控制夹爪松开工件M，并返回初始点，待下一次装配。
结合图1可以看出，工件M的中心点PM、工件M的图像ROI区域中心点
Figure BDA0002398497500000131
工件N的中心点PN、工件N的图像ROI区域中心点
Figure BDA0002398497500000132
机器人初始点、图像采集器的位置通过建立空间坐标系进行标定。
其中，图像采集器中在任意位置采集的图片中均设置有图像坐标系，对应图片中的所有特征均对应设置有一个特征图像坐标，机器人中设置在基坐标系内，特征图像坐标经坐标系转换矩阵Aij转换后得到基坐标系中的特征基图像坐标。
结合图1可以看出，步骤S2和S4中确定工件的中心点的特征基图像坐标、图像ROI区域中心点的特征基图像坐标均为求取图像中对应轮廓中的质心坐标，具体为：
S-A1：计算机将图像采集器采集图像进行镜头畸变校正，得到镜头畸变校正后的图像，具体为：
Figure BDA0002398497500000133
其中，畸变校正前像素点的原始坐标为
Figure BDA0002398497500000134
畸变校正后的像素点的坐标为(u，v)，(k1，k2，k3，p1，p2)是畸变系数，本实施例中，计算机通过棋盘格获取15组相对应的像素点，利用最小二乘法就求出所有的畸变系数，得到镜头畸变校正后的图像。
S-A2：计算机将镜头畸变校正后的图像从RGB颜色空间转化到HSV颜色空间，并将转换后的图像进行多重阈值分割和逻辑与运算，得到工件粗略轮廓。
S-A3：计算机对工件粗略轮廓进行光滑处理，将转换成HSV图像转换为二值图，再将二值图依次进行图像腐蚀和图像膨胀的图像形态学处理：
图像腐蚀：
Figure BDA0002398497500000141
图像膨胀：
Figure BDA0002398497500000142
其中，
Figure BDA0002398497500000143
是处理过后的图像，f(x,y)是原始图像，
Figure BDA0002398497500000144
是结构元素，使图像中工件轮廓更为光滑。
S-A4：计算机利用Canny算法提取出步骤S-A3中得到的图像中的所有轮廓，然后根据面积阈值得到图像中的精准轮廓。
S-A5：计算机利用灰度重心法得到图像中的精准轮廓的中心点在ROI区域f的质心坐标
Figure BDA0002398497500000145
Figure BDA0002398497500000146
Figure BDA0002398497500000147
其中，质心坐标
Figure BDA0002398497500000148
为图像坐标系中的特征图像坐标。
结合图1可以看出，步骤S-A2中计算机将镜头畸变校正后的图像从RGB颜色空间转化到HSV颜色空间具体步骤为：
S-B1，计算转换系数：
Figure BDA0002398497500000149
Figure BDA00023984975000001410
Figure BDA00023984975000001411
Δ＝Cmax-Cmin
其中，(RP,GP,BP)为P点在RGB颜色空间内像素值；
S-B2，H计算：
Figure BDA0002398497500000151
S-B3，S计算：
Figure BDA0002398497500000152
S-B4，V计算：
VP＝Cmax
从而，计算机就能获取P点在HSV颜色空间中的数值(HP,SP,VP)。
S-B5，计算机根据需要提取轮廓的颜色，在HSV颜色空间中设定颜色的范围。
从而得到转换成HSV的图像，再多重阈值分割，进行逻辑与运算，得到含有工件粗略轮廓的图像。
本实施例中，工件M和工件M的颜色均为黑色，对接工装和待抓取工装的颜色均红色，工件M和工件N的图像ROI区域分别设置在限位法兰和被对接法兰上，且工件M和工件N中图像ROI区域的颜色均为绿色，在获取工件M和工件N的中心点的图像坐标时，在HSV颜色空间中，设定红色范围为：
Figure BDA0002398497500000153
在获取工件M和工件N的图像ROI区域中心点的图像坐标时，在HSV颜色空间中，设定绿色范围为：
Figure BDA0002398497500000161
结合图1可以看出，坐标系转换矩阵Aij为Eye In Hand手眼标定中的坐标系转换矩阵，该坐标系转换矩阵采用DLT方法求取，具体为：
S-C1：本实施例中，计算机采集图像中的9个点的特征图像坐标，并根据图像采集器工作原理建立图像坐标系与基坐标系的关系：
Figure BDA0002398497500000162
其中，(u，v)是特征图像坐标，(Xr，Yr，Zr，1)是机器人基坐标，f是焦距，dx和dy分别表示每个像素在X轴和Y轴的物理尺寸，(u0，v0)是主点坐标。
S-C2：由于机器人带动图像采集器在同一高度对工件拍照，图像中特征图像坐标Z值均为一个常数，将上述公式进行化简得到：
Figure BDA0002398497500000163
其中，
Figure BDA0002398497500000164
为坐标系转换矩阵Aij。
S-C3：计算机将采集的特征图像坐标带入S-C21中：
将步骤S-C1中采集的特征图像坐标中X轴的坐标值带入S-C21中：
Figure BDA0002398497500000171
得到坐标系转换矩阵Aij中第一行系数；同理，将采集的图像坐标中Y轴的坐标带入S-C21中，得到完整的系数矩阵Aij；图像坐标系的特征图像坐标左乘坐标系转换矩阵Aij转换为基坐标系的特征基图像坐标。
结合图1可以看出，工件上工件中心点PX到图像ROI区域中心点
Figure BDA0002398497500000172
组成的有向线段
Figure BDA0002398497500000173
旋转角θX为有向线段
Figure BDA0002398497500000174
与单位向量(xe,ye)之间的夹角，旋转角具体为：
Figure BDA0002398497500000175
其中，机器人根据旋转角θX调整工件对接位置；或是夹取位置；或是对准位置；或是预对接位置。
从图1和图2可以看出，步骤S6中机器人控制工件M与工件N进行对接，六维传感器检测工件M与工件N对接部分的检测数据，计算机根据检测数据控制机器人反复调整工件M的位置，直至检测数据小于安装阈值后，控制工件M与工件N完成对接的具体步骤为：
S-D1：机器人将工件M从预对接位置向下移动，直至到达对接位置，计算机读六维传感器的检测数据。
S-D2：计算机判断六维传感器的检测数据是否均小于安装阈值；若是，进入步骤S-D5；若否，进入步骤S-D3。
S-D3：计算机分析六维传感器的检测数据，PID控制器接收六维传感器的检测数据给出当前调整值，机器人将工件M向上移动10mm，机器人根据当前调整值调整工件M的位置，机器人向下移动工件M，再到达对接位置，计算机读取六维传感器的检测数据。
S-D4：计算机判断六维传感器的检测数据是否均小于安装阈值；若是，进入步骤S-D5；若否，返回步骤S-D3。
S-D5：机器人将工件M下移4mm，完成工件M与工件N的对接。
结合图1和图2可以看出，根据调整策略通过PID控制器调整工件M的具体步骤为：
S-D41：计算机根据PID控制的控制原理：
Δu(k)＝KP[e(k)-e(k-1)]+KIe(k)+KD[e(k)-2e(k-1)+e(k-2)]
其中，Δu(k)为当前调整量，e(k)表示当前误差，e(k-1)表示上一次误差，e(k-2)表示上上次误差，KP比例系数，KI积分系数，KD是微分系数。
S-D42：计算机为了缩短整定周期，去掉微分环节，上述公式简化为：
Δu(k)＝KP[e(k)-e(k-1)]+KIe(k)；
S-D43：其中：
e(k)＝D(k)-D
其中，D(k)为六维力传感器的当前度数，D为理想值。
S-D44：计算机为了避免噪声响应，计算机将连续获取100个六维传感器的检测数据取平均值后作为D(k)，具体为：
Figure BDA0002398497500000181
S-D45：设定D＝0，则上述公式简化为：
Δu(k)＝KP[D(k)-D(k-1)]+KID(k)
其中，机器人根据当前调整量Δu(k)反复调整工件M的位置，直至六维传感器的检测数据小于安装阈值。
结合图3-5可以看出，一种高精度工件组件，包括工件M和工件N，工件M为圆柱体，该工件M的一底面为被夹取面，工件M的另一底面为对接面，本实施例中，工件M的被夹取面沿径向延伸出12个限位法兰11，该限位法兰沿工件M轴向开有限位通孔12，本实施例中，工件M的对接面沿径向延伸出4个对接法兰13，该对接法兰沿工件M轴向开有对接通孔14，圆柱体的对接面上开有至少一个对接盲孔15。
工件N为圆柱体，并工件N的一底面为被对接面，该被对接面与对接面大小形状相适应，本实施例中，工件N的被对接面沿径向延伸出4个被对接法兰21，该被对接法兰沿工件N轴向开有被对接通孔22，该被对接通孔22孔径与对接通孔14孔径相适应，被对接面还设置有与工件N同轴的对接圆柱23，该对接圆柱与工件N一体成形，对接圆柱23的底面半径与对接盲孔15的孔径，对接圆柱23的上底面开有安装盲孔24。
工件M经对接盲孔15与对接圆柱23配合与工件N对接，并且对接通孔14的设置位置与被对接通孔22的设置位置一一对应。
本发明的工作原理：
工件组件的定位：
计算机根据图像采集器在机器人上的安装位置，结合机器人所在的基坐标系坐标，根据DLT方法采集9个参考点，计算出坐标系转换矩阵Aij。
计算机将从固定位置采集的工件M的图像，经镜头畸变校正消除因图像采集器镜头导致的失真和畸变。
计算机将畸变校正后的图像从RGB颜色空间转化到HSV颜色空间，让图像中工件轮廓表达色彩，色调，以及鲜艳程度更表达直观，其中，工件M和工件M的颜色均为黑色，对接工装和待抓取工装的颜色均红色，工件M和工件N的图像ROI区域分别设置在限位法兰和被对接法兰上，且工件M和工件N中图像ROI区域的颜色均为绿色，根据设定的不同颜色取值范围，提取出所需要的轮廓，若设定HSV颜色空间的取值范围为红色取值范围，再将转换的HSV图像经过多重阈值分割，进行逻辑与运算，得到含工件M或工件N粗略轮廓的图像，若设定HSV颜色空间的取值范围为绿色取值范围，就能得到工件M和工件N中图像ROI区域的粗略轮廓，再将转换的HSV图像经过多重阈值分割，进行逻辑与运算，得到含工件M或工件N中图像ROI区域的粗略轮廓的图像。
计算机将得到的粗略轮廓的图像转换为二值图，并将二值图依次进行图像腐蚀和图像膨胀，让图像中的轮廓更光滑；再利用Canny算法提取出图像的所有轮廓，然后根据面积阈值得到图像中的精准轮廓。
计算机利用灰度重心法得到图像中的精准轮廓的中心点在ROI区域的质心坐标，即得到工件中心点的特征图像坐标和工件图像ROI区域中心点的特征图像坐标，再将工件中心点的特征图像坐标和工件图像ROI区域中心点的特征图像坐标根据坐标系转换矩阵Aij转换为基坐标系下的特征基图像坐标。
工件组件的抓取：
工件中心点与图像ROI区域中心点形成工件的有向线段，并计算该有向线段与设定单位向量的夹角得到工件的旋转角
计算机根据工件M中心点PM的特征基图像坐标和图像ROI区域中心点
Figure BDA0002398497500000201
的特征基图像坐标以及旋转角，控制机器人抓取工件M，再根据工件N中心点PN的特征基图像坐标和图像ROI区域中心点
Figure BDA0002398497500000211
的特征基图像坐标以及旋转角，让工件M位于工件N的正上方的预对接位置。
工件组件的装配：
机器人将工件M下移至对接位置，让工件M与工件N充分接触，六维传感器检测工件M和工件N之间的力矩和力的大小，计算机读取六维传感器的检测数据，并对比设定的阈值即力矩阈值为10NM，力阈值为30N；若超过设定阈值，计算机通过PID控制器制定调整策略，同时机器人将工件M上移10mm，机器人根据PID控制器给出的当前调整值调整工件M的位置，再将工件M移动到对接位置后，六维传感器再次检测，计算机再判断检测数据，若大于设定阈值，则机器人再根据PID控制器调节工件M的位置,直至六维传感器的检测数据小于设定阈值，若否，机器人将工件M下移4mm，完成工件M和工件N的对接，机器人返回初始点，等待下一次工件组件对接。

Claims (9)

1.一种高精度工件组件的装配方法，其特征在于，包括工件组件，所述工件组件包括工件M和工件N，所述工件M和工件N按照以下步骤进行装配：
预处理：将工件M放置在待抓取工装上，工件N放置在对接工装上；图像采集器和六维传感器安装在机器人上，并分别设定图像采集器对工件M和工件N的固定拍照点；在计算机中设定机器人夹爪对工件M的对准位置和抓取位置，设定工件M与工件N的预对接位置和对接位置；设置机器人的初始点；分别设定工件M与工件N的图像ROI区域；设定单位向量(xe,ye)；
S1：初始化，机器人移动至初始点，机器人与计算机建立通讯；
S2：机器人带动图像采集器移动至工件M的固定拍照点，采集的工件M的图像，并将该工件M的图像传输至计算机，计算机分析工件M的图像，并确定工件M的中心点PM的特征基图像坐标和旋转角θM，所述旋转角θM为所述工件M的中心点PM指向工件M的图像ROI区域中心点
Figure FDA0002398497490000011
构成向量与所述单位向量(xe,ye)之间的夹角；
S3：机器人根据上一步计算出的工件M的中心点PM的特征基图像坐标和旋转角θM，自身调整夹爪并移动到工件M的对准位置后开始下降，直至到达抓取位置，机器人控制夹爪抓住工件M；
S4：机器人带动图像采集器移动至工件N的固定拍照点，采集的工件N的图像，并将该工件N的图像传输至计算机，计算机分析工件N的图像，并确定工件N的中心点PN的特征基图像坐标和旋转角θN，所述旋转角θN为所述工件N的中心点PN指向工件N的图像ROI区域中心点
Figure FDA0002398497490000012
构成向量与所述单位向量(xe,ye)之间的夹角；
S5：机器人根据上一步计算出的工件N的中心点PN的特征基图像坐标和旋转角θN，机器人将工件M移动至预对接位置；
S6：机器人控制工件M与工件N进行对接，六维传感器检测工件M与工件N对接时的检测数据，计算机根据检测数据控制机器人反复调整工件M的位置，直至检测数据小于安装阈值后，控制工件M与工件N完成对接，其中，安装阈值至少包括力矩阈值和力阈值；
S7：机器人控制夹爪松开工件M，并返回初始点，待下一次装配。
2.根据权利要求1所述的高精度工件组件的装配方法，其特征在于，所述工件M的中心点PM、工件M的图像ROI区域中心点
Figure FDA0002398497490000021
工件N的中心点PN、工件N的图像ROI区域中心点
Figure FDA0002398497490000022
机器人初始点、图像采集器的位置通过建立空间坐标系进行标定；
其中，所述图像采集器中在任意位置采集的图片中均设置有图像坐标系，对应图片中的所有特征均对应设置有一个特征图像坐标，所述机器人中设置在基坐标系内，所述特征图像坐标经坐标系转换矩阵Aij转换后得到基坐标系中的特征基图像坐标。
3.根据权利要求2所述的高精度工件组件的装配方法，其特征在于，步骤S2和S4中确定工件的中心点的特征基图像坐标、图像ROI区域中心点的特征基图像坐标均为求取图像中对应轮廓中的质心坐标，具体为：
S-A1：计算机将图像采集器采集图像进行镜头畸变校正，得到镜头畸变校正后的图像，具体为：
Figure FDA0002398497490000023
其中，畸变校正前像素点的原始坐标为
Figure FDA0002398497490000031
畸变校正后的像素点的坐标为(u，v)，(k1，k2，k3，p1，p2)是畸变系数，计算机通过棋盘格获取W1组相对应的像素点，利用最小二乘法就求出所有的畸变系数，得到镜头畸变校正后的图像；
S-A2：计算机将镜头畸变校正后的图像从RGB颜色空间转化到HSV颜色空间，并将转换后的图像进行多重阈值分割和逻辑与运算，得到工件粗略轮廓；
S-A3：计算机对工件粗略轮廓进行光滑处理，将转换成HSV图像转换为二值图，再将二值图依次进行图像腐蚀和图像膨胀的图像形态学处理：
图像腐蚀：
Figure FDA0002398497490000032
图像膨胀：
Figure FDA0002398497490000033
其中，
Figure FDA0002398497490000034
是处理过后的图像，f(x,y)是原始图像，
Figure FDA0002398497490000035
是结构元素，使图像中工件轮廓更为光滑；
S-A4：计算机利用Canny算法提取出步骤S-A3中得到的图像中的所有轮廓，然后根据面积阈值得到图像中的精准轮廓；
S-A5：计算机利用灰度重心法得到图像中的精准轮廓的中心点在ROI区域f的质心坐标
Figure FDA0002398497490000036
Figure FDA0002398497490000037
Figure FDA0002398497490000038
其中，质心坐标
Figure FDA0002398497490000039
为图像坐标系中的特征图像坐标。
4.根据权利要求3所述的高精度工件组件的装配方法，其特征在于，步骤S-A2中计算机将镜头畸变校正后的图像从RGB颜色空间转化到HSV颜色空间具体步骤为：
S-B1，计算转换系数：
Figure FDA0002398497490000041
Figure FDA0002398497490000042
Figure FDA0002398497490000043
Δ＝Cmax-Cmin
其中，(RP,GP,BP)为P点在RGB颜色空间内像素值；
S-B2，H计算：
Figure FDA0002398497490000044
S-B3，S计算：
Figure FDA0002398497490000045
S-B4，V计算：
VP＝Cmax
从而，计算机就能获取P点在HSV颜色空间中的数值(HP,SP,VP)；
S-B5，计算机根据需要提取轮廓的颜色，在HSV颜色空间中设定颜色的范围；
从而得到转换成HSV的图像，再多重阈值分割，进行逻辑与运算，得到含有工件粗略轮廓的图像。
5.根据权利要求2所述的高精度工件组件的装配方法，其特征在于，所述坐标系转换矩阵Aij为Eye In Hand手眼标定中的坐标系转换矩阵，该坐标系转换矩阵采用DLT方法求取，具体为：
S-C1：计算机采集图像中的至少三个点的特征图像坐标，并根据图像采集器工作原理建立图像坐标系与基坐标系的关系：
Figure FDA0002398497490000051
其中，(u，v)是特征图像坐标，(Xr，Yr，Zr，1)是机器人基坐标，f是焦距，dx和dy分别表示每个像素在X轴和Y轴的物理尺寸，(u0，v0)是主点坐标；
S-C2：由于机器人带动图像采集器在同一高度对工件拍照，图像中特征图像坐标Z值均为一个常数，将上述公式进行化简得到：
Figure FDA0002398497490000052
其中，
Figure FDA0002398497490000053
为坐标系转换矩阵Aij；
S-C3：计算机将采集的特征图像坐标带入S-C21中：
将步骤S-C1中采集的特征图像坐标中X轴的坐标值带入S-C21中：
Figure FDA0002398497490000054
得到坐标系转换矩阵Aij中第一行系数；同理，将采集的图像坐标中Y轴的坐标带入S-C21中，得到完整的系数矩阵Aij；图像坐标系的特征图像坐标左乘坐标系转换矩阵Aij转换为基坐标系的特征基图像坐标。
6.根据权利要求1所述的高精度工件组件的装配方法，其特征在于，所述工件上工件中心点PX到图像ROI区域中心点
Figure FDA0002398497490000061
组成的有向线段
Figure FDA0002398497490000062
所述旋转角θX为所述有向线段
Figure FDA0002398497490000063
与单位向量(xe,ye)之间的夹角，所述旋转角具体为：
Figure FDA0002398497490000064
其中，机器人根据旋转角θX调整工件对接位置；或是夹取位置；或是对准位置；或是预对接位置。
7.根据权利要求1所述的高精度工件组件的装配方法，其特征在于，步骤S6中机器人控制工件M与工件N进行对接，六维传感器检测工件M与工件N对接部分的检测数据，计算机根据检测数据控制机器人反复调整工件M的位置，直至检测数据小于安装阈值后，控制工件M与工件N完成对接的具体步骤为：
S-D1：机器人将工件M从预对接位置向下移动，直至到达对接位置，计算机读六维传感器的检测数据；
S-D2：计算机判断六维传感器的检测数据是否均小于安装阈值；若是，进入步骤S-D5；若否，进入步骤S-D3；
S-D3：计算机分析六维传感器的检测数据，PID控制器接收六维传感器的检测数据给出当前调整值，机器人将工件M向上移动W2，机器人根据当前调整值调整工件M的位置，机器人向下移动工件M，再到达对接位置，计算机读取六维传感器的检测数据；
S-D4：计算机判断六维传感器的检测数据是否均小于安装阈值；若是，进入步骤S-D5；若否，返回步骤S-D3；
S-D5：机器人将工件M下移W3，完成工件M与工件N的对接。
8.根据权利要求7所述的高精度工件组件的装配方法，其特征在于，所述根据调整策略通过PID控制器调整工件M的具体步骤为：
S-D41：计算机根据PID控制的控制原理：
Δu(k)＝KP[e(k)-e(k-1)]+KIe(k)+KD[e(k)-2e(k-1)+e(k-2)]
其中，Δu(k)为当前调整量，e(k)表示当前误差，e(k-1)表示上一次误差，e(k-2)表示上上次误差，KP比例系数，KI积分系数，KD是微分系数；
S-D42：计算机为了缩短整定周期，去掉微分环节，上述公式简化为：
Δu(k)＝KP[e(k)-e(k-1)]+KIe(k)；
S-D43：其中：
e(k)＝D(k)-D
其中，D(k)为六维力传感器的当前度数，D为理想值；
S-D44：计算机为了避免噪声响应，计算机将连续获取W4个六维传感器的检测数据取平均值后作为D(k)，具体为：
Figure FDA0002398497490000071
S-D45：设定D＝0，则上述公式简化为：
Δu(k)＝KP[D(k)-D(k-1)]+KID(k)
其中，机器人根据当前调整量Δu(k)反复调整工件M的位置，直至六维传感器的检测数据小于安装阈值。
9.一种高精度工件组件，其特征在于，包括所述工件M和工件N，所述工件M为圆柱体，该工件M的一底面为被夹取面，所述工件M的另一底面为对接面，所述工件M的被夹取面沿径向延伸出至少三个限位法兰(11)，该限位法兰沿所述工件M轴向开有限位通孔(12)，所述工件M的对接面沿径向延伸出至少三个对接法兰(13)，该对接法兰沿所述工件M轴向开有对接通孔(14)，所述圆柱体的对接面上开有至少一个对接盲孔(15)；
所述工件N为圆柱体，并所述工件N的一底面为被对接面，该被对接面与所述对接面大小形状相适应，所述工件N的被对接面沿径向延伸出至少三个被对接法兰(21)，该被对接法兰沿所述工件N轴向开有被对接通孔(22)，该被对接通孔(22)孔径与所述对接通孔(14)孔径相适应，所述被对接面还设置有与所述工件N同轴的对接圆柱(23)，该对接圆柱与所述工件N一体成形，所述对接圆柱(23)的底面半径与所述对接盲孔(15)的孔径，所述对接圆柱(23)的上底面开有安装盲孔(24)；
所述工件M经对接盲孔(15)与对接圆柱(23)配合与所述工件N对接，并且所述对接通孔(14)的设置位置与所述被对接通孔(22)的设置位置一一对应。
CN202010139320.0A 2020-03-03 2020-03-03 一种高精度工件组件及高精度工件组件的装配方法 Active CN111452038B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010139320.0A CN111452038B (zh) 2020-03-03 2020-03-03 一种高精度工件组件及高精度工件组件的装配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010139320.0A CN111452038B (zh) 2020-03-03 2020-03-03 一种高精度工件组件及高精度工件组件的装配方法

Publications (2)

Publication Number Publication Date
CN111452038A true CN111452038A (zh) 2020-07-28
CN111452038B CN111452038B (zh) 2021-08-24

Family

ID=71672895

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010139320.0A Active CN111452038B (zh) 2020-03-03 2020-03-03 一种高精度工件组件及高精度工件组件的装配方法

Country Status (1)

Country Link
CN (1) CN111452038B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113160187A (zh) * 2021-04-27 2021-07-23 圣名科技(广州)有限责任公司 一种设备的故障检测方法及装置
CN113473830A (zh) * 2021-07-02 2021-10-01 重庆大学 一种基于参数感知的智能投切电磁制造装置
CN114036747A (zh) * 2021-11-08 2022-02-11 北京华航唯实机器人科技股份有限公司 模型组件的搭建方法及搭建装置、电子设备、存储介质
WO2024027058A1 (zh) * 2022-08-02 2024-02-08 苏州华兴源创科技股份有限公司 工件通孔位置校准方法及检测装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107263468A (zh) * 2017-05-23 2017-10-20 陕西科技大学 一种利用数字图像处理技术的scara机器人装配方法
JPWO2017033359A1 (ja) * 2015-08-25 2018-06-07 川崎重工業株式会社 遠隔操作ロボットシステム
CN110516618A (zh) * 2019-08-29 2019-11-29 苏州大学 装配机器人及基于视觉和力位混合控制的装配方法和***
CN110666801A (zh) * 2018-11-07 2020-01-10 宁波赛朗科技有限公司 一种复杂工件匹配定位的抓取工业机器人
CN110712202A (zh) * 2019-09-24 2020-01-21 鲁班嫡系机器人（深圳）有限公司 异形元器件抓取方法、装置、***、控制装置及存储介质
CN110842928A (zh) * 2019-12-04 2020-02-28 中科新松有限公司 一种复合机器人视觉引导定位装置及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2017033359A1 (ja) * 2015-08-25 2018-06-07 川崎重工業株式会社 遠隔操作ロボットシステム
CN107263468A (zh) * 2017-05-23 2017-10-20 陕西科技大学 一种利用数字图像处理技术的scara机器人装配方法
CN110666801A (zh) * 2018-11-07 2020-01-10 宁波赛朗科技有限公司 一种复杂工件匹配定位的抓取工业机器人
CN110516618A (zh) * 2019-08-29 2019-11-29 苏州大学 装配机器人及基于视觉和力位混合控制的装配方法和***
CN110712202A (zh) * 2019-09-24 2020-01-21 鲁班嫡系机器人（深圳）有限公司 异形元器件抓取方法、装置、***、控制装置及存储介质
CN110842928A (zh) * 2019-12-04 2020-02-28 中科新松有限公司 一种复合机器人视觉引导定位装置及方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113160187A (zh) * 2021-04-27 2021-07-23 圣名科技(广州)有限责任公司 一种设备的故障检测方法及装置
CN113160187B (zh) * 2021-04-27 2022-02-15 圣名科技(广州)有限责任公司 一种设备的故障检测方法及装置
CN113473830A (zh) * 2021-07-02 2021-10-01 重庆大学 一种基于参数感知的智能投切电磁制造装置
CN113473830B (zh) * 2021-07-02 2022-07-22 重庆大学 一种基于参数感知的智能投切电磁制造装置
CN114036747A (zh) * 2021-11-08 2022-02-11 北京华航唯实机器人科技股份有限公司 模型组件的搭建方法及搭建装置、电子设备、存储介质
WO2024027058A1 (zh) * 2022-08-02 2024-02-08 苏州华兴源创科技股份有限公司 工件通孔位置校准方法及检测装置

Also Published As

Publication number Publication date
CN111452038B (zh) 2021-08-24

Similar Documents

Publication Publication Date Title
CN111452038B (zh) 一种高精度工件组件及高精度工件组件的装配方法
CN110509300B (zh) 基于三维视觉引导的钢箍加工上料控制***及控制方法
US11267142B2 (en) Imaging device including vision sensor capturing image of workpiece
CN110276799B (zh) 一种坐标标定方法、标定***及机械臂
CN111322967B (zh) 一种面向阶梯轴与孔装配过程的对中方法
CN108818600B (zh) 一种新能源电机下线抓取装置及其机器人抓具
CN104915957A (zh) 一种提高工业机器人三维视觉识别精度的匹配矫正方法
CN110246193B (zh) 工业机器人末端相机在线标定方法
CN107014291B (zh) 一种物料精密转载平台的视觉定位方法
CN113146172A (zh) 一种基于多视觉的检测与装配***及方法
CN113601158A (zh) 基于视觉定位的螺栓上料预拧紧***及控制方法
CN112010024A (zh) 一种基于激光和视觉融合检测的货箱自动抓取方法及***
CN110625644A (zh) 一种基于机器视觉的工件抓取方法
CN110202560A (zh) 一种基于单个特征点的手眼标定方法
CN111267094A (zh) 一种基于双目视觉的工件定位与抓取方法
CN114074331A (zh) 一种基于视觉的无序抓取方法及机器人
CN109671059B (zh) 一种基于OpenCV的电池盒图像处理方法及***
CN114257736A (zh) 一种工件自适应拍摄方法
CN117554739A (zh) 一种用于待测试电器通电测试的自动化测试方法及***
CN112484680A (zh) 一种基于圆检测的蓝宝石晶片定位跟踪方法
CN116652543A (zh) 用于产品自动装配的视觉阻抗控制方法及其***、机器人
CN111906767A (zh) 基于双目结构光的视觉纠偏机械臂及纠偏方法
CN110815177A (zh) 一种复合机器人2d视觉引导示教的迁移方法
CN115471547A (zh) 一种用于六轴机械手视觉检测的一键标定算法
CN114882108A (zh) 一种二维图像下汽车发动机盖抓取位姿的估计方法

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