CN111590591A - 基于计算机立体视觉引导机制的垃圾堆自动抓取方法和*** - Google Patents
基于计算机立体视觉引导机制的垃圾堆自动抓取方法和*** Download PDFInfo
- Publication number
- CN111590591A CN111590591A CN202010501902.9A CN202010501902A CN111590591A CN 111590591 A CN111590591 A CN 111590591A CN 202010501902 A CN202010501902 A CN 202010501902A CN 111590591 A CN111590591 A CN 111590591A
- Authority
- CN
- China
- Prior art keywords
- garbage
- camera
- pile
- points
- point
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000007246 mechanism Effects 0.000 title claims abstract description 23
- 238000000605 extraction Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 7
- 238000005316 response function Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000005311 autocorrelation function Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000005259 measurement Methods 0.000 description 13
- 230000008901 benefit Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010248 power generation Methods 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)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于计算机立体视觉引导机制的垃圾堆自动抓取方法和***，方法包括：首先利用固定好的像机对垃圾仓进行拍照，获取垃圾堆图片；然后提取垃圾堆图像特征点；利用标定好的像机实现特征点的三维重建，求出立体视觉坐标系下的垃圾堆三维坐标；求解出垃圾堆距离像机最近的点即为垃圾堆最高点；将垃圾堆最高点转化到机械抓手坐标系下，引导机械抓手智能抓取当前垃圾堆，实现对垃圾仓内的垃圾进行自动抓取。本发明利用多视图三维重建技术，通过对垃圾堆和机械手进行特征点提取与匹配，解决了垃圾仓内垃圾堆的在线智能抓取问题，取代传统的现场人工低效率的、手动操作机械臂的工作方式，对节约企业成本和提高垃圾处理效率具有重要意义。
Description
技术领域
本发明涉及计算机视觉应用技术领域，具体涉及一种基于计算机立体视觉引导机制的垃圾堆自动抓取方法和***。
背景技术
随着国家经济水平的快速提高，我国城市化进程不断加快，生活垃圾也日益增多。垃圾污染环境，威胁人类健康，垃圾处理问题一直困扰着城市的发展。近年来，由于国家对垃圾处理的规范和居民环保意识的增强，各种垃圾处理技术应运而生。垃圾焚烧可以将垃圾转化为热能用于发电，实现垃圾资源再利用，是目前垃圾处理中具有重要意义的一种技术手段。垃圾焚烧发电厂建有专门的垃圾堆放仓，呈封闭、负压状态，不会有气体逸出，所有待焚烧的垃圾都要在这里进行充分消杀，降低垃圾的危害。仓内消杀后的垃圾，经过外部人员操控机械手臂抓取，放入焚烧炉进行焚烧。
目前垃圾堆抓取焚烧过程，全程需要仓外工作人员控制机械手臂，机械化、自动化处理程度不高，不仅增加劳动成本，而且垃圾仓内恶劣的环境，对仓外工作人员会带来一定的心理负担。计算机视觉技术以其自动化程度高、非接触、无需人工干预就可以完成复杂环境或者高危环境下的多项任务。因此，研究一种基于计算机视觉引导机制的垃圾堆自动抓取方法，对提高垃圾处理效率具有重要意义。
发明内容
技术目的：针对垃圾焚烧过程中垃圾堆自动抓取环节存在的不足，本发明公开了一种基于视觉引导机制的垃圾堆抓取方法，将计算机视觉的非接触性、自动化程度高、可重复性的特点引入垃圾处理领域，提出一种视觉测量、定位和引导机制的垃圾堆在线抓取方法，解决了垃圾仓内垃圾堆的在线智能抓取问题，取代了现场人工低效率的、手动操作机械臂的工作方式，对节约企业成本和提高垃圾处理效率具有重要意义。
技术方案：为实现上述技术目的，本发明采用了如下技术方案：
一种基于计算机立体视觉引导机制的垃圾堆自动抓取方法，用于实现机械手对垃圾堆抓取过程的在线引导，其特征在于，包括步骤：
S1、图像采集：采用一台以上的摄像机对垃圾仓从不同角度进行拍照，获取包括垃圾堆在内的多张垃圾堆图像；
S2、特征提取：对垃圾堆图像进行处理，提取特征点，特征点包括机械手特征点和垃圾堆顶部特征点；
S3、三维重建：利用像机标定好的像机模型，将垃圾堆图像中的特征点映射到三维空间中，建立三维的像机坐标系与机械抓手坐标系，得到机械手特征点和垃圾堆顶部特征点的三维坐标；
S4、垃圾堆顶点定位：通过像机坐标系与机械抓手坐标系，将垃圾堆最高点转化到机械抓手坐标系下，通过计算特征点之间的距离，判断距离机械手特征点最近的垃圾堆特征点，求解出垃圾堆最高点；
S5、机械臂智能引导抓取：引导机械抓手智能抓取当前垃圾堆的最高点，重复步骤S1-S4，实现对垃圾仓内的垃圾进行由高至低自动抓取。
优选地，所述步骤S1中，采用三台摄像机采集图像，包括第一像机、第二像机和第三像机，第一像机和第二像机的视野范围均覆盖待抓取的垃圾堆，第二像机和第三像机的视野范围均覆盖用于抓取垃圾的机械手；三个像机中两两视图之间组成一双目视觉测量***，利用两两像机之间的转换关系，从特征点中选择作为计算对像的目标点，求出目标点之间的相对位置。
优选地，所述步骤S3基于视差原理恢复出物体的三维几何信息，重建周围景物的三维形状与位置，利用两两像机之间的转换关系，求出目标点之间的相对位置，其中两摄像机的投影中心连线的距离为基线距。
优选地，步骤S2中、从第一像机和第二像机拍摄的垃圾堆图像中，提取出对应同一空间物体的特征点P1，分别获取点P1的图像，点P1的图像坐标分别为pleft＝(Xleft,Yleft),pright＝(Xright,Yright)；
步骤S3中，假定两摄像机的图像在同一平面上，则特征点P1的图像坐标的Y坐标相同，即Yleft＝Yright＝Y，则由几何关系得到：
则视差为Disparity＝Xleft-Xright，B为基线距、(xc，yc，zc)为特征点P1在像机坐标系下的三维坐标，f为像机的焦距，计算得到：
以上述方法求出特征点P2在像机坐标系下的三维坐标；进而求取特征点P1与P2相对位置关系。
优选地，所述步骤S2中，采用SURF特征点作为垃圾堆表面特征点。
优选地，所述步骤S2中，采用Harris角点作为特征点。
优选地，所述Harris角点的提取方法，包括与自相关系数相联系的矩阵M，M矩阵的特征值是自相关函数的一阶曲率，根据曲率值判断角点，
其中，
为x方向的一阶导数，
为y方向的一阶导数，G(σ)为高斯函数。
优选地，所述实际的角点响应函数为：
fresp(x,y)＝Det(M)-k·Trace2(M) (4)
其中，Det为矩阵的行列式，Trace为矩阵的迹，k为参数，当特征点的Harris算子角点响应函数fresp值大于设定阈值T时，该点为角点。
本发明还公开了一种基于计算机立体视觉引导机制的垃圾堆自动抓取***，用于对垃圾仓内的垃圾堆进行自动抓取，其特征在于：包括布置在垃圾仓内预设位置处的第一工业像机、第二工业像机、第三工业像机、机械手和横梁，横梁位于垃圾堆上方，机械手固定在横梁的底部，所述第一工业像机和第二工业像机的视野范围均覆盖垃圾仓内的垃圾堆，第二工业像机和第三工业像机的视野范围均覆盖八爪机械手。
有益效果：由于采用了上述技术方案，本发明具有如下技术效果：
(1)本发明利用多视图三维重建技术，通过对垃圾堆和八爪机械手进行特征点提取与匹配，实现特征点的三维位置定位，求出机械抓手坐标系下的垃圾堆三维位置，实现机械手臂按垃圾堆的高低顺序对垃圾堆进行在线实时监控抓取。
(2)本发明方法能够实现机械手对垃圾堆按高低的顺序进行抓取，避免垃圾堆出现塌陷，给仓内气体造成波动，影响仓内气体密闭环境。
(3)本发明将计算机视觉的非接触性、自动化程度高、可重复性的特点引入垃圾处理领域，提出一种视觉测量、定位和引导机制的垃圾堆在线抓取方法，解决了垃圾仓内垃圾堆的在线智能抓取问题。
(4)与传统人工操纵机械手方式相比，本发明所需设备简单，安装方便，具有较高的识别和定位效率，机械手的自动抓取工作具有连续性和可重复性，可以大幅提高垃圾处理的自动化程度，减少工人的劳动强度，提高垃圾处理效率，节约企业成本。
附图说明
图1为本发明基于计算机立体视觉引导机制的垃圾堆自动抓取方法的流程图；
图2为本发明基于计算机立体视觉引导机制的垃圾堆自动抓取***的结构示意图；
图3为为本发明视觉测量模型是基于两个双目视觉测量***的视差原理的示意图；
1-垃圾堆，2-第一工业摄像机，3-第三工业摄像机，4-第三工业摄像机，6-八爪机械，7-横梁。
具体实施方式
本发明提出的方法流程图如图1所示，即一种基于计算机视觉技术引导机制的垃圾堆自动抓取方法，包括对垃圾仓内的垃圾进行特征提取、三维重建、垃圾堆顶点定位以及机械臂智能引导抓取等五个部分：
首先、利用固定好的像机对垃圾仓进行拍照，获取垃圾堆图片；
然后、提取垃圾堆图像特征点；
第三步、利用标定好的像机实现特征点的三维重建，求出立体视觉坐标系下的垃圾堆三维坐标；
第四步、求解出垃圾堆距离像机最近的点即为垃圾堆最高点；
第五步、通过像机坐标系与机械抓手中间的坐标转换，将垃圾堆最高点转化到机械抓手坐标系下，引导机械抓手智能抓取当前垃圾堆，实现对垃圾仓内的垃圾进行自动抓取。
如图2所示，为了实现机械抓手对垃圾仓内垃圾堆按高低顺序的自动抓取，本发明还公开了一种基于立体视觉引导机制的垃圾仓内垃圾堆的自动抓取***，第一工业摄像机2和第二工业摄像机3具有共同视野，二者视野范围可以覆盖垃圾仓内的垃圾堆；第二摄像机3和第三工业摄像机4具有共同视野，二者视野范围覆盖八爪机械手6，八爪机械手6固定在横梁7的底部。
本发明利用多视图三维重建技术，通过对垃圾堆和八爪机械手进行特征点提取与匹配，实现特征点的三维位置定位，求出机械抓手坐标系下的垃圾堆三维位置，实现机械手臂按垃圾堆的高低顺序对垃圾堆进行抓取。与传统人工操纵机械手方式相比，本发明所需设备简单，安装方便，具有较高的识别和定位效率，机械手的自动抓取工作具有连续性和可重复性，可以大幅提高垃圾处理的自动化程度，减少工人的劳动强度，提高垃圾处理效率，节约企业成本。
具体地，本发明的一种基于视觉引导机制的垃圾堆自动抓取方法，包括以下步骤：
1.1多视图视觉测量模型的建立
多视图视觉测量是基于视差原理，由多幅图像获取物体三维几何信息的方法。在计算机视觉测量***中，多视图视觉测量一般由双摄像机从不同角度同时获取周围景物的多幅数字图像，或由单摄像机在不同时刻从不同角度获取周围景物的多幅数字图像，并基于视差原理即可恢复出物体的三维几何信息，重建周围景物的三维形状与位置。随着计算机视觉理论的发展，多视图视觉测量在工业生产中发挥了越来越重要的作用，具有广泛的适用性。
本发明基于三视图视觉测量技术，实现目标点三维坐标的求取，定位垃圾堆顶点位置，指导机械抓手按高低顺序抓取。如图3所示，为本发明视觉测量模型是基于两个双目视觉测量***的视差原理，三个像机中两两视图(I1、I2、I3)之间组成一双目视觉测量***，利用两两像机之间的转换关系，求出目标点之间的相对位置，其中两摄像机的投影中心连线的距离，即为基线距为B。
以第一工业摄像机2和第二工业摄像机3组成的测量***为例，假设两摄像机在同一时刻观看空间物体的同一特征点P1，分别在“左眼”和“右眼”上获取了点P1的图像，它们的图像坐标分别为pleft＝(Xleft,Yleft),pright＝(Xright,Yright)。
假定两摄像机的图像在同一平面上，则特征点P1的图像坐标的Y坐标相同，即Yleft＝Yright＝Y，则由几何关系得到：
则视差为Disparity＝Xleft-Xright。由此可计算出特征点P1在摄像机坐标系下的三维坐标为：
因此，左摄像机像面上的任意一点只要能在中间摄像机像面上找到对应的匹配点，就可以确定出P1点在中间像机坐标系下的三维坐标。这种方法是点对点的运算，像面上所有点只要存在相应的匹配点，就可以参与上述运算，从而获取其对应的三维坐标。同理，特征点P2按照此方法也可以实现中间像机坐标系下的三维坐标。进而可以求取特征点P1与P2相对位置关系，引导机械抓手对垃圾堆特征点位置进行抓取。
1.2图像特征点提取
(1)八爪机械手特征点提取
在上述视觉测量***中，将测量***安装到固定位置，既要保证第一工业摄像机2和第二工业摄像机3对垃圾堆顶部具有共同视野，又要保证第二工业摄像机3和第三工业摄像机4对八爪机械手具有共同视野。第一工业摄像机2和第二工业摄像机3负责对八爪机械手底部的八爪角点进行特征提取和三维重建。由于Harris角点提取方法不受摄像机姿态及光照的影响，适合作为本发明中对八爪角点进行特征提取。
Harris算子是C.Harris和M.J.Stephens在1988年提出的一种基于信号的点特征提取算子。这种算子受信号处理中自相关函数的启发，给出与自相关系数相联系的矩阵M,M矩阵的特征值是自相关函数的一阶曲率，如果两个曲率值都高，那么认为该点是角点。
式中，
为x方向的一阶导数，
为y方向的一阶导数，G(σ)为高斯函数。为了避免特征值计算，实际的角点响应函数为：
fresp(x,y)＝Det(M)-k·Trace2(M) (4)
其中Det为矩阵的行列式，Trace为矩阵的迹，k为参数，建议取k＝0.04-0.06。当某点的Harris算子角点响应函数fresp值大于设定阈值T时，该点为角点。
Harris算子即使存在有图像的旋转、灰度的变化、噪音影响和视点的变换，它也是最稳定的一种点特征提取算子，因为它的计算公式中只涉及到一阶导数。因此，Harris角点非常适合作为本发明中机械抓手的特征点。
(2)垃圾堆顶部特征点提取
仓内垃圾堆环境复杂，快速准确提取垃圾堆表面特征点信息，是实现垃圾堆三维信息重建的重要步骤。根据现场实际情况，本发明拟利用SURF(Speeded Up RobustFeatures)特征点作为垃圾堆提取的初始特征点。SURF特征也是一种尺度不变的特征点，它的优点在于特征提取效率高，在实际运算中可以达到实时性的要求，SURF特征点具体提取算法可以参考Herbert Bay，Tinne Tuytelaars，Luc Van Gool的论文《SURF:Speeded UpRobust Features》。
通过对上述特征点的提取，利用像机标定好的像机模型，分别实现八爪机械手特征点和垃圾堆顶部特征点在第二工业摄像机3坐标系下的三维坐标，通过特征点之间距离判断距离八爪机械手最近的垃圾堆特征点，实现机械手对垃圾堆抓取过程的在线引导。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种基于计算机立体视觉引导机制的垃圾堆自动抓取方法，用于实现机械手对垃圾堆抓取过程的在线引导，其特征在于，包括步骤：
S1、图像采集：采用一台以上的摄像机对垃圾仓从不同角度进行拍照，获取包括垃圾堆在内的多张垃圾堆图像；
S2、特征提取：对垃圾堆图像进行处理，提取特征点，特征点包括机械手特征点和垃圾堆顶部特征点；
S3、三维重建：利用像机标定好的像机模型，将垃圾堆图像中的特征点映射到三维空间中，建立三维的像机坐标系与机械抓手坐标系，得到机械手特征点和垃圾堆顶部特征点的三维坐标；
S4、垃圾堆顶点定位：通过像机坐标系与机械抓手坐标系，将垃圾堆最高点转化到机械抓手坐标系下，通过计算特征点之间的距离，判断距离机械手特征点最近的垃圾堆特征点，求解出垃圾堆最高点；
S5、机械臂智能引导抓取：引导机械抓手智能抓取当前垃圾堆的最高点，重复步骤S1-S4，实现对垃圾仓内的垃圾进行由高至低自动抓取。
2.根据权利要求1所述的一种基于计算机立体视觉引导机制的垃圾堆自动抓取方法，其特征在于：所述步骤S1中，采用三台摄像机采集图像，包括第一像机、第二像机和第三像机，第一像机和第二像机的视野范围均覆盖待抓取的垃圾堆，第二像机和第三像机的视野范围均覆盖用于抓取垃圾的机械手；三个像机中两两视图之间组成一双目视觉测量***，利用两两像机之间的转换关系，从特征点中选择作为计算对像的目标点，求出目标点之间的相对位置。
3.根据权利要求2所述的一种基于计算机立体视觉引导机制的垃圾堆自动抓取方法，其特征在于：所述步骤S3基于视差原理恢复出物体的三维几何信息，重建周围景物的三维形状与位置，利用两两像机之间的转换关系，求出目标点之间的相对位置，其中两摄像机的投影中心连线的距离为基线距。
4.根据权利要求3所述的一种基于计算机立体视觉引导机制的垃圾堆自动抓取方法，其特征在于：
步骤S2中、从第一像机和第二像机拍摄的垃圾堆图像中，提取出对应同一空间物体的特征点P1，分别获取点P1的图像，点P1的图像坐标分别为
pleft＝(Xleft,Yleft),pright＝(Xright,Yright)；
步骤S3中，假定两摄像机的图像在同一平面上，则特征点P1的图像坐标的Y坐标相同，即Yleft＝Yright＝Y，则由几何关系得到：
则视差为Disparity＝Xleft-Xright，B为基线距、(xc，yc，zc)为特征点P1在像机坐标系下的三维坐标，f为像机的焦距，计算得到：
上述方法求出特征点P2在像机坐标系下的三维坐标；进而求取特征点P1与P2相对位置关系。
5.根据权利要求1所述的一种基于计算机立体视觉引导机制的垃圾堆自动抓取方法，其特征在于，所述步骤S2中，采用SURF特征点作为垃圾堆表面特征点。
6.根据权利要求1所述的一种基于计算机立体视觉引导机制的垃圾堆自动抓取方法，其特征在于，所述步骤S2中，采用Harris角点作为特征点。
7.根据权利要求6所述的一种基于计算机立体视觉引导机制的垃圾堆自动抓取方法，其特征在于，所述Harris角点的提取方法，包括与自相关系数相联系的矩阵M，M矩阵的特征值是自相关函数的一阶曲率，根据曲率值判断角点，
其中，
为x方向的一阶导数，
为y方向的一阶导数，G(σ)为高斯函数。
8.根据权利要求7所述的一种基于计算机立体视觉引导机制的垃圾堆自动抓取方法，其特征在于，所述实际的角点响应函数为：
fresp(x,y)＝Det(M)-k·Trace2(M) (4)
其中，Det为矩阵的行列式，Trace为矩阵的迹，k为参数，当特征点的Harris算子角点响应函数fresp值大于设定阈值T时，该点为角点。
9.一种基于计算机立体视觉引导机制的垃圾堆自动抓取***，用于对垃圾仓内的垃圾堆(1)进行自动抓取，其特征在于：包括布置在垃圾仓内预设位置处的第一工业像机(2)、第二工业像机(3)、第三工业像机(4)、机械手(6)和横梁(7)，横梁(7)位于垃圾堆(1)上方，机械手(6)固定在横梁(7)的底部，所述第一工业像机(2)和第二工业像机(3)的视野范围均覆盖垃圾仓内的垃圾堆，第二工业像机(3)和第三工业像机(4)的视野范围均覆盖八爪机械手(6)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010501902.9A CN111590591A (zh) | 2020-06-04 | 2020-06-04 | 基于计算机立体视觉引导机制的垃圾堆自动抓取方法和*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010501902.9A CN111590591A (zh) | 2020-06-04 | 2020-06-04 | 基于计算机立体视觉引导机制的垃圾堆自动抓取方法和*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111590591A true CN111590591A (zh) | 2020-08-28 |
Family
ID=72181026
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010501902.9A Pending CN111590591A (zh) | 2020-06-04 | 2020-06-04 | 基于计算机立体视觉引导机制的垃圾堆自动抓取方法和*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111590591A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113070234A (zh) * | 2021-03-03 | 2021-07-06 | 浙江博城机器人科技有限公司 | 一种面向室外垃圾分类的垃圾分拣机器人的定位控制方法 |
| CN113441421A (zh) * | 2021-07-22 | 2021-09-28 | 北京信息科技大学 | 一种自动垃圾分类***和方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4745562A (en) * | 1985-08-16 | 1988-05-17 | Schlumberger, Limited | Signal processing disparity resolution |
| CN103963058A (zh) * | 2014-04-30 | 2014-08-06 | 重庆环视科技有限公司 | 基于多方位视觉定位的机械手臂抓取控制***及方法 |
| CN109230580A (zh) * | 2018-10-11 | 2019-01-18 | 西安中科光电精密工程有限公司 | 一种基于混放物料信息采集的拆垛机器人***及方法 |
| CN110415363A (zh) * | 2019-08-05 | 2019-11-05 | 上海神添实业有限公司 | 一种基于三目视觉的散乱物识别定位方法 |
| CN110751691A (zh) * | 2019-09-24 | 2020-02-04 | 同济大学 | 一种基于双目视觉的管件自动抓取方法 |
| CN111151463A (zh) * | 2019-12-24 | 2020-05-15 | 北京无线电测量研究所 | 一种基于3d视觉的机械臂分拣抓取***及方法 |
-
2020
- 2020-06-04 CN CN202010501902.9A patent/CN111590591A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4745562A (en) * | 1985-08-16 | 1988-05-17 | Schlumberger, Limited | Signal processing disparity resolution |
| CN103963058A (zh) * | 2014-04-30 | 2014-08-06 | 重庆环视科技有限公司 | 基于多方位视觉定位的机械手臂抓取控制***及方法 |
| CN109230580A (zh) * | 2018-10-11 | 2019-01-18 | 西安中科光电精密工程有限公司 | 一种基于混放物料信息采集的拆垛机器人***及方法 |
| CN110415363A (zh) * | 2019-08-05 | 2019-11-05 | 上海神添实业有限公司 | 一种基于三目视觉的散乱物识别定位方法 |
| CN110751691A (zh) * | 2019-09-24 | 2020-02-04 | 同济大学 | 一种基于双目视觉的管件自动抓取方法 |
| CN111151463A (zh) * | 2019-12-24 | 2020-05-15 | 北京无线电测量研究所 | 一种基于3d视觉的机械臂分拣抓取***及方法 |
Non-Patent Citations (4)
| Title |
|---|
| 侯增涛等: "人工关节力学性能测试硬件***", 《中国医疗器械杂志》 * |
| 卢洪军: "基于双目视觉机器人自定位与动态目标定位", 《沈阳大学学报（自然科学版）》 * |
| 张绍兵等: "基于靶标的三目视觉3 维坐标测量***", 《激光技术》 * |
| 范亚兵等: "三目立体摄影测量***中相机标定技术研究", 《计量学报》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113070234A (zh) * | 2021-03-03 | 2021-07-06 | 浙江博城机器人科技有限公司 | 一种面向室外垃圾分类的垃圾分拣机器人的定位控制方法 |
| CN113441421A (zh) * | 2021-07-22 | 2021-09-28 | 北京信息科技大学 | 一种自动垃圾分类***和方法 |
| CN113441421B (zh) * | 2021-07-22 | 2022-12-13 | 北京信息科技大学 | 一种自动垃圾分类***和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110211180A (zh) | 一种基于深度学习的机械臂自主抓取方法 | |
| CN207861446U (zh) | 用于机器人拆垛设备的控制*** | |
| CN102514002B (zh) | 一种数控车床单目视觉上下料机器人***及方法 | |
| CN111590591A (zh) | 基于计算机立体视觉引导机制的垃圾堆自动抓取方法和*** | |
| CN112509063A (zh) | 一种基于边缘特征匹配的机械臂抓取***及方法 | |
| CN110340891A (zh) | 基于点云模板匹配技术的机械臂定位抓取***及方法 | |
| CN104331894A (zh) | 一种基于双目立体视觉的机器人拆垛方法 | |
| CN114241298A (zh) | 一种激光雷达和图像融合的塔吊环境目标检测方法及*** | |
| CN105217324A (zh) | 一种新型的拆垛方法和*** | |
| CN207231476U (zh) | 一种基于双目视觉的快递包裹抓取装置 | |
| CN110640741A (zh) | 一种规则形状工件匹配的抓取工业机器人 | |
| CN111715559A (zh) | 一种基于机器视觉的垃圾分拣*** | |
| Xia et al. | Workpieces sorting system based on industrial robot of machine vision | |
| Fan et al. | A combined 2D-3D vision system for automatic robot picking | |
| CN114155301A (zh) | 一种基于Mask R-CNN和双目相机的机器人目标定位和抓取方法 | |
| Ben et al. | Research on visual orientation guidance of industrial robot based on cad model under binocular vision | |
| WO2019216474A1 (ko) | 빈 피킹을 위한 빈 모델링 방법 및 그 장치 | |
| CN117325170A (zh) | 基于深度视觉导引机械臂抓取硬盘架的方法 | |
| CN114463244A (zh) | 一种视觉机器人抓取***及其控制方法 | |
| CN110919648A (zh) | 一种基于树莓派的自动拾料堆叠装置及拾料堆叠方法 | |
| CN206645534U (zh) | 一种基于双相机的机器人无序抓取装置 | |
| CN110533717A (zh) | 一种基于双目视觉的目标抓取方法及装置 | |
| CN113920020B (zh) | 一种基于深度生成模型的人体点云实时修复方法 | |
| CN114241133A (zh) | 一种基于温度和深度检测的垃圾抓取方法及*** | |
| CN203636826U (zh) | 机械手装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200828 |
|
| RJ01 | Rejection of invention patent application after publication |