CN116160452A - 一种智能工厂机器人控制方法 - Google Patents
一种智能工厂机器人控制方法 Download PDFInfo
- Publication number
- CN116160452A CN116160452A CN202310288414.8A CN202310288414A CN116160452A CN 116160452 A CN116160452 A CN 116160452A CN 202310288414 A CN202310288414 A CN 202310288414A CN 116160452 A CN116160452 A CN 116160452A
- Authority
- CN
- China
- Prior art keywords
- robot
- image
- acquiring
- state
- intelligent factory
- 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
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
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/02—Sensing devices
- B25J19/021—Optical sensing devices
- B25J19/023—Optical sensing devices including video camera means
-
- 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
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- 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
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种智能工厂机器人控制方法,该方法提高机器人工作的准确性和灵活性,进而提高了机器人的工作效率;具体包括以下步骤:获取智能工厂中各机器人所述视觉传感装置拍摄的采集图像,对所述采集图像进行预处理;根据预处理后得到的采集图像确定所述机器人当前位置和当前状态;对所述机器人的当前状态进行识别分析,得到识别分析结果;根据所述识别分析结果,向所述机器人发送控制命令,并判断所述控制命令中是否包含移动位置任务;若是,则根据所述移动位置任务为所述机器人规划预设移动路径,以使所述机器人根据所述控制指令完成目标任务。
Description
技术领域
本发明涉及工厂机器人相关技术领域,特别是一种智能工厂机器人控制方法。
背景技术
智能制造是新一轮工业的核心技术,而工业机器人是先进制造***中最具代表性的重要生产装备,被越来越多地应用到现代化生产制造过程,代替人工高效地执行各种复杂环境下的工业生产任务,提高社会生产力,传统依照预设程序实现重复动作任务的工业机器人应用已经无法适应当前复杂多样的生产任务需求,需要机器人具备更高的智能化程度完成指定任务。
发明内容
本发明的目的是为了解决上述问题,设计了一种智能工厂机器人控制方法。
实现上述目的本发明的技术方案为,进一步,在上述智能工厂机器人控制方法中,该所述控制方法包括以下步骤:
获取智能工厂中各机器人所述视觉传感装置拍摄的采集图像,对所述采集图像进行预处理;
根据预处理后得到的采集图像确定所述机器人当前位置和当前状态;
对所述机器人的当前状态进行识别分析,得到识别分析结果;
根据所述识别分析结果,向所述机器人发送控制命令,并判断所述控制命令中是否包含移动位置任务;
若是,则根据所述移动位置任务为所述机器人规划预设移动路径,以使所述机器人根据所述控制指令完成目标任务。
进一步,在上述智能工厂机器人控制方法中,所述对所述采集图像进行预处理,包括:
将所述采集图像转化成灰度图像,并进行图像灰度变换处理,以增强灰度图像画质,改变灰度图像的整体灰度值布局,得到第一处理图像;
对所述第一处理图像进行图像平滑处理,以消除噪声,得到第二处理图像,其中所述图像平滑处理至少包括均值滤波、中值滤波和高斯滤波;
对所述第二处理图像进行图像锐化处理,突出目标边缘特征,得到第三处理图像,其中所述第三处理图像为预处理后得到的采集图像。
进一步,在上述智能工厂机器人控制方法中,,所述根据预处理后得到的采集图像确定所述机器人当前位置和当前状态,包括:
获取预处理后得到的采集图像,确定待识别区域图像;
通过Blob分析算法定位获取所述待识别区域图像中机器人的形心坐标;
获取智能工厂中各预设的工位位置的形心坐标,将所述机器人的形心坐标与所述各预设的工位位置的形心坐标进行对比,以确定所述机器人距离最近的工位位置,并基于所述机器人的形心坐标,确定所述机器人当前位置。
进一步,在上述智能工厂机器人控制方法中,所述通过Blob分析算法定位获取所述待识别区域图像中机器人的形心坐标,包括:
通过Canny边缘检测算法对所述待识别区域图像进行高斯滤波,计算梯度的幅值和方向,并排除非极值点,以得到边缘图像;
通过Hough变换曲线和最小二乘拟合消除非边界点的噪声干扰,以完成图像的边缘拟合;
获取边缘拟合后的待识别区域图像,以确定机器人的形心坐标。
进一步,在上述智能工厂机器人控制方法中,对所述机器人的当前状态进行识别分析,得到识别分析结果,包括:
通过所述机器人上的视觉传感装置获取智能工厂中各机器人的实时图像;
对所述实时图像进行采集和处理后,得到机器人的状态样本数据集,并从所述状态样本数据集按一定比例选取出训练数据集;
通过卷积神经网络的模型构建图像识别模型,通过图像识别模型来识别分析机器人的当前状态,以得到识别分析结果。
进一步,在上述智能工厂机器人控制方法中,所述识别分析结果至少包括故障状态、空闲状态、维护状态、忙碌状态、行走状态和充电状态。
进一步,在上述智能工厂机器人控制方法中,所述根据所述移动位置任务为所述机器人规划预设移动路径,包括:
解析所述移动位置任务,并获取所述移动位置人为中所述机器人前往的目标位置;
根据所述机器人的当前位置和目标位置,采集关键点坐标;
通过关键点坐标计算机器人的最优路径,以得到预设移动路径。
进一步,在上述智能工厂机器人控制方法中,根据所述移动位置任务为所述机器人规划预设移动路径之后,还包括:
获取所述机器人执行所述控制命令的预设移动路径;
当所述机器人运动时,采用追踪模型进行路径追踪,得到所述机器人的实时位置,并形成实际运行路线;
将所述预设移动路径和所述实际运行路线进行偏差对比,得到航向角偏差。
其有益效果在于,通过获取智能工厂中各机器人所述视觉传感装置拍摄的采集图像,对所述采集图像进行预处理;根据预处理后得到的采集图像确定所述机器人当前位置和当前状态;对所述机器人的当前状态进行识别分析,得到识别分析结果;根据所述识别分析结果,向所述机器人发送控制命令,并判断所述控制命令中是否包含移动位置任务;若是,则根据所述移动位置任务为所述机器人规划预设移动路径,以使所述机器人根据所述控制指令完成目标任务;本发明提高机器人工作的准确性和灵活性,进而提高了机器人的工作效率。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。
图1为本发明实施例中智能工厂机器人控制方法的第一个实施例示意图;
图2为本发明实施例中智能工厂机器人控制方法的第二个实施例示意图
图3为本发明实施例中智能工厂机器人控制方法的第三个实施例示意图
图4为本发明实施例中智能工厂机器人控制方法的第四个实施例示意图
图5为本发明实施例中智能工厂机器人控制方法的第五个实施例示意图
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
下面结合附图对本发明进行具体描述,如图1所示,一种智能工厂机器人控制方法,该控制方法包括以下步骤:
步骤101、获取智能工厂中各机器人视觉传感装置拍摄的采集图像,对采集图像进行预处理;
步骤102、根据预处理后得到的采集图像确定机器人当前位置和当前状态;
步骤103、对机器人的当前状态进行识别分析,得到识别分析结果;
本实施例中,识别分析结果至少包括故障状态、空闲状态、维护状态、忙碌状态、行走状态和充电状态。
步骤104、根据识别分析结果,向机器人发送控制命令,并判断控制命令中是否包含移动位置任务;
步骤105、若是,则根据移动位置任务为机器人规划预设移动路径,以使机器人根据控制指令完成目标任务。
本发明实施例中,通过获取智能工厂中各机器人所述视觉传感装置拍摄的采集图像,对所述采集图像进行预处理,并根据预处理后得到的采集图像确定所述机器人当前位置和当前状态;对所述机器人的当前状态进行识别分析,得到识别分析结果;根据所述识别分析结果,向所述机器人发送控制命令,并判断所述控制命令中是否包含移动位置任务;若是,则根据所述移动位置任务为所述机器人规划预设移动路径,以使所述机器人根据所述控制指令完成目标任务;本发明提高机器人工作的准确性和灵活性,进而提高了机器人的工作效率。
本实施例中,请参阅图2,本发明实施例中智能工厂机器人控制方法的第二个实施例,对采集图像进行预处理具体包括以下步骤:
步骤201、将采集图像转化成灰度图像,并进行图像灰度变换处理,以增强灰度图像画质,改变灰度图像的整体灰度值布局,得到第一处理图像;
步骤202、对第一处理图像进行图像平滑处理,以消除噪声,得到第二处理图像,其中图像平滑处理至少包括均值滤波、中值滤波和高斯滤波;
步骤203、对第二处理图像进行图像锐化处理,突出目标边缘特征,得到第三处理图像,其中第三处理图像为预处理后得到的采集图像。
本实施例中,请参阅图3,本发明实施例中智能工厂机器人控制方法的第三个实施例,确定机器人当前位置具体包括以下步骤:
步骤301、获取预处理后得到的采集图像,确定待识别区域图像;
步骤302、通过Blob分析算法定位获取待识别区域图像中机器人的形心坐标;
本实施例中,通过Canny边缘检测算法对待识别区域图像进行高斯滤波,计算梯度的幅值和方向,并排除非极值点,以得到边缘图像;通过Hough变换曲线和最小二乘拟合消除非边界点的噪声干扰,以完成图像的边缘拟合;获取边缘拟合后的待识别区域图像,以确定机器人的形心坐标。
步骤303、获取智能工厂中各预设的工位位置的形心坐标,将机器人的形心坐标与各预设的工位位置的形心坐标进行对比,以确定机器人距离最近的工位位置,并基于机器人的形心坐标,确定机器人当前位置。
本实施例中,请参阅图4,本发明实施例中智能工厂机器人控制方法的第四个实施例,识别分析过程具体包括以下步骤:
步骤401、通过机器人上的视觉传感装置获取智能工厂中各机器人的实时图像;
步骤402、对实时图像进行采集和处理后,得到机器人的状态样本数据集,并从状态样本数据集按一定比例选取出训练数据集;
步骤403、通过卷积神经网络的模型构建图像识别模型,通过图像识别模型来识别分析机器人的当前状态,以得到识别分析结果。
本实施例中,请参阅图5,本发明实施例中智能工厂机器人控制方法的第五个实施例,为机器人规划预设移动路径具体包括以下步骤:
步骤501、解析移动位置任务,并获取移动位置人为中机器人前往的目标位置;
步骤502、根据机器人的当前位置和目标位置,采集关键点坐标;
步骤503、通过关键点坐标计算机器人的最优路径,以得到预设移动路径。
在本实施例中,当机器人完成移动位置任务后,获取机器人执行控制命令的预设移动路径;当机器人运动时,采用追踪模型进行路径追踪,得到机器人的实时位置,并形成实际运行路线;将预设移动路径和实际运行路线进行偏差对比,得到航向角偏差。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.一种智能工厂机器人控制方法,所述机器人上配置有视觉传感装置,其特征在于,该所述控制方法包括以下步骤:
获取智能工厂中各机器人所述视觉传感装置拍摄的采集图像,对所述采集图像进行预处理;
根据预处理后得到的采集图像确定所述机器人当前位置和当前状态;
对所述机器人的当前状态进行识别分析,得到识别分析结果;
根据所述识别分析结果,向所述机器人发送控制命令,并判断所述控制命令中是否包含移动位置任务;
若是,则根据所述移动位置任务为所述机器人规划预设移动路径,以使所述机器人根据所述控制指令完成目标任务。
2.根据权利要求1所述的一种智能工厂机器人控制方法,其特征在于,所述对所述采集图像进行预处理,包括:
将所述采集图像转化成灰度图像,并进行图像灰度变换处理,以增强灰度图像画质,改变灰度图像的整体灰度值布局,得到第一处理图像;
对所述第一处理图像进行图像平滑处理,以消除噪声,得到第二处理图像,其中所述图像平滑处理至少包括均值滤波、中值滤波和高斯滤波;
对所述第二处理图像进行图像锐化处理,突出目标边缘特征,得到第三处理图像,其中所述第三处理图像为预处理后得到的采集图像。
3.根据权利要求1所述的一种智能工厂机器人控制方法,其特征在于,所述根据预处理后得到的采集图像确定所述机器人当前位置和当前状态,包括:
获取预处理后得到的采集图像,确定待识别区域图像;
通过Blob分析算法定位获取所述待识别区域图像中机器人的形心坐标;
获取智能工厂中各预设的工位位置的形心坐标,将所述机器人的形心坐标与所述各预设的工位位置的形心坐标进行对比,以确定所述机器人距离最近的工位位置,并基于所述机器人的形心坐标,确定所述机器人当前位置。
4.根据权利要求3所述的一种智能工厂机器人控制方法,其特征在于,所述通过Blob分析算法定位获取所述待识别区域图像中机器人的形心坐标,包括:
通过Canny边缘检测算法对所述待识别区域图像进行高斯滤波,计算梯度的幅值和方向,并排除非极值点,以得到边缘图像;
通过Hough变换曲线和最小二乘拟合消除非边界点的噪声干扰,以完成图像的边缘拟合;
获取边缘拟合后的待识别区域图像,以确定机器人的形心坐标。
5.根据权利要求1所述的一种智能工厂机器人控制方法,其特征在于,对所述机器人的当前状态进行识别分析,得到识别分析结果,包括:
通过所述机器人上的视觉传感装置获取智能工厂中各机器人的实时图像;
对所述实时图像进行采集和处理后,得到机器人的状态样本数据集,并从所述状态样本数据集按一定比例选取出训练数据集;
通过卷积神经网络的模型构建图像识别模型,通过图像识别模型来识别分析机器人的当前状态,以得到识别分析结果。
6.根据权利要求5所述的一种智能工厂机器人控制方法,其特征在于,所述识别分析结果至少包括故障状态、空闲状态、维护状态、忙碌状态、行走状态和充电状态。
7.根据权利要求1所述的一种智能工厂机器人控制方法,其特征在于,所述根据所述移动位置任务为所述机器人规划预设移动路径,包括:
解析所述移动位置任务,并获取所述移动位置人为中所述机器人前往的目标位置;
根据所述机器人的当前位置和目标位置,采集关键点坐标;
通过关键点坐标计算机器人的最优路径,以得到预设移动路径。
8.根据权利要求1所述的一种智能工厂机器人控制方法,其特征在于,根据所述移动位置任务为所述机器人规划预设移动路径之后,还包括:
获取所述机器人执行所述控制命令的预设移动路径;
当所述机器人运动时,采用追踪模型进行路径追踪,得到所述机器人的实时位置,并形成实际运行路线;
将所述预设移动路径和所述实际运行路线进行偏差对比,得到航向角偏差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310288414.8A CN116160452A (zh) | 2023-03-23 | 2023-03-23 | 一种智能工厂机器人控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310288414.8A CN116160452A (zh) | 2023-03-23 | 2023-03-23 | 一种智能工厂机器人控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116160452A true CN116160452A (zh) | 2023-05-26 |
Family
ID=86411595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310288414.8A Pending CN116160452A (zh) | 2023-03-23 | 2023-03-23 | 一种智能工厂机器人控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116160452A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116859788A (zh) * | 2023-08-04 | 2023-10-10 | 北京三维天地科技股份有限公司 | 一种多设备任务调度中控管理平台 |
-
2023
- 2023-03-23 CN CN202310288414.8A patent/CN116160452A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116859788A (zh) * | 2023-08-04 | 2023-10-10 | 北京三维天地科技股份有限公司 | 一种多设备任务调度中控管理平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107798330B (zh) | 一种焊缝图像特征信息提取方法 | |
CN110223345B (zh) | 基于点云的配电线路作业对象位姿估计方法 | |
CN106251353A (zh) | 弱纹理工件及其三维位姿的识别检测方法及*** | |
CN109926817B (zh) | 基于机器视觉的变压器自动装配方法 | |
CN105468033B (zh) | 一种基于多摄像头机器视觉的医疗吊臂自动避障控制方法 | |
CN111311618A (zh) | 一种基于高精度几何基元提取的圆弧工件匹配与定位方法 | |
CN113538486B (zh) | 一种提高汽车钣金工件的识别与定位精度的方法 | |
CN115035120B (zh) | 基于物联网的机床控制方法及*** | |
CN111013857A (zh) | 一种喷涂机器人控制***及控制方法 | |
CN112102368B (zh) | 一种基于深度学习的机器人垃圾分类分拣方法 | |
CN116160452A (zh) | 一种智能工厂机器人控制方法 | |
CN109781737B (zh) | 一种软管表面缺陷的检测方法及其检测*** | |
CN111582123A (zh) | 一种基于信标识别与视觉slam的agv定位方法 | |
CN113781561B (zh) | 基于自适应高斯权快速点特征直方图的目标位姿估计方法 | |
CN109035214A (zh) | 一种工业机器人物料形状识别方法 | |
CN111179233A (zh) | 基于激光切割二维零部件的自适应纠偏方法 | |
CN113393426A (zh) | 一种轧钢板表面缺陷检测方法 | |
Kim et al. | Dynamic object recognition using precise location detection and ANN for robot manipulator | |
CN107423770B (zh) | 一种面向高速生产线的机器人视觉定位方法 | |
CN107463939B (zh) | 一种图像关键直线检测方法 | |
CN116958264A (zh) | 一种基于三维视觉的螺栓孔定位及位姿估计方法 | |
CN110046626B (zh) | 基于pico算法的图像智能学习动态跟踪***及方法 | |
CN102303314B (zh) | 工业生产中的碳碗中心和导槽定位装置及其定位方法 | |
Xu et al. | A lane detection method combined fuzzy control with ransac algorithm | |
CN113589776B (zh) | 一种基于大数据技术的特钢棒材质量监控与诊断方法 |
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 |