预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106934813A(43)申请公布日2017.07.07(21)申请号201511023138.4(22)申请日2015.12.31(71)申请人沈阳高精数控智能技术股份有限公司地址110168辽宁省沈阳市东陵区南屏东路16-2号(72)发明人孙一兰朱良王品王诗宇郑飂默(74)专利代理机构沈阳科苑专利商标代理有限公司21002代理人徐丽(51)Int.Cl.G06T7/13(2017.01)G06T7/60(2017.01)B25J15/08(2006.01)权利要求书3页说明书6页附图3页(54)发明名称一种基于视觉定位的工业机器人工件抓取实现方法(57)摘要本发明涉及一种基于视觉定位的工业机器人工件抓取实现方法,包括以下步骤:通过固定的全局CCD摄像头,进行工件图像采集,并通过以太网接口,将工件图像信息传入机器人控制系统中;机器人控制系统对工件图像进行处理,获得工件位置矢量信息;机器人根据工件位置矢量信息,进行笛卡尔与关节坐标变换,实现末端手爪对工件进行定位夹取。本发明提供了一种工件位置信息计算方法,在对工件图像进行轮廓检测时,对已检测得到的所有图像进行轮廓区域筛选,删除孤立的、小段连续的边缘,剔除非目标轮廓,提高目标轮廓辨识精度;同时,在计算工件位置信息时,对工件长边进行判断,控制机器人抓取工件长边,避免机器人夹取短边可能导致的无法抓取,提高抓取效率。CN106934813ACN106934813A权利要求书1/3页1.一种基于视觉定位的工业机器人工件抓取实现方法,其特征在于,包括以下步骤:通过固定的全局CCD摄像头,进行工件图像采集,并通过以太网接口,将工件图像信息传入机器人控制系统中;机器人控制系统对工件图像进行处理,获得工件位置矢量信息;机器人根据工件位置矢量信息,进行笛卡尔与关节坐标变换,实现末端手爪对工件进行定位夹取。2.根据权利要求1所述的一种基于视觉定位的工业机器人工件抓取实现方法,其特征在于,所述机器人控制系统对工件图像进行处理,获得工件位置矢量信息,包括以下步骤:对工件图像进行预处理;基于Canny算子对工件图像进行轮廓检测;根据得到的工件连续轮廓,计算工件最小外接矩形,确定工件质心;根据工件质心和主轴,对工件长边进行判断,并计算长边与水平轴的夹角;所述工件质心和夹角构成工件位置矢量信息(X,Y,γ)。3.根据权利要求2所述的一种基于视觉定位的工业机器人工件抓取实现方法,其特征在于,所述对工件图像进行预处理,包括以下步骤:采用加权平均值法对工件彩色图像进行灰度处理;采用双边滤波方法对灰度值进行图像滤波;将图像灰度进行二值化处理。4.根据权利要求3所述的一种基于视觉定位的工业机器人工件抓取实现方法,其特征在于,所述加权平均值法,具体为:通过下式将RGB赋予不同的权值,Gary=WR×R+WG×G+WB×B其中,Gary为灰度化后的灰度值,WR为红色通道的权值,R代表红色,WG为绿色通道的权值,G代表绿色,WB为蓝色通道的权值,B代表蓝色。5.根据权利要求3所述的一种基于视觉定位的工业机器人工件抓取实现方法,其特征在于,所述双边滤波通过下式进行滤波:-1hx(x)=k∫∫f(ξ)c(ξ-x)s(f(ξ)-f(x))dξ其中,hx(x)为滤波后像素点的灰度值,f(ξ)为灰度值函数,c(ξ-x)为中心点与其邻域内点的空间相似度,s(f(ξ)-f(x))为中心点与其邻域内点的灰度相似度,ξ为中心点,k为归一化系数,其表达式如下,k(x)=∫∫c(ξ-x)s(f(ξ)-f(x))dξ其中,k(x)是k的表达式。6.根据权利要求2所述的一种基于视觉定位的工业机器人工件抓取实现方法,其特征在于,所述基于Canny算子对工件图像进行轮廓检测,包括以下步骤:通过高斯滤波器平滑图像,并对图像进行微分操作,计算得到图像梯度的方向和幅度;在图像梯度方向上搜索图像中可能的边缘点,并剔除噪声边缘点;再对检测得到的所有图像轮廓进行过滤,剔除非目标轮廓;通过计算图像中检测得到的边缘轮廓的面积和周长,筛选轮廓区域,删除孤立的、相对较小的连续的边缘,得到连续的工件轮廓。2CN106934813A权利要求书2/3页7.根据权利要求6所述的一种基于视觉定位的工业机器人工件抓取实现方法,其特征在于,所述通过高斯滤波器平滑图像,并对图像进行微分操作,具体为:其中,G(x,y)为二维高斯函数,σ为高斯函数的标准偏差,决定了高斯函数的宽度,(x,y)为像素的坐标点;某一方向n上,G(x,y)的一阶方向导数为:其中,n是方向矢量,▽G是梯度矢量,图像f(x,y)与Gn作卷积,同时改变n的方向,取Gn*f(x,y)最大时的n就正交与检测边缘的方向。8.根据权利要求6所述的一种基