免费看男阳茎进女阳道视频

                        24小時論文定制熱線

                        咨詢電話

                        熱門畢設:土木工程工程造價橋梁工程計算機javaasp機械機械手夾具單片機工廠供電采礦工程
                        您當前的位置:論文定制 > 畢業設計論文 >
                        快速導航
                        畢業論文定制
                        關于我們
                        我們是一家專業提供高質量代做畢業設計的網站。2002年成立至今為眾多客戶提供大量畢業設計、論文定制等服務,贏得眾多客戶好評,因為專注,所以專業。寫作老師大部分由全國211/958等高校的博士及碩士生設計,執筆,目前已為5000余位客戶解決了論文寫作的難題。 秉承以用戶為中心,為用戶創造價值的理念,我站擁有無縫對接的售后服務體系,代做畢業設計完成后有專業的老師進行一對一修改與完善,對有答辯需求的同學進行一對一的輔導,為你順利畢業保駕護航
                        代做畢業設計
                        常見問題

                        三維視覺的工件識別與定位系統

                        添加時間:2018/12/20 來源:北京石油化工學院 作者:董俊杰
                        機器視覺介入機器人自動開坡口系統可提高工件自動開坡口的智能化程度,可使工件開坡口這一工序更加安全、高效、準確。本文搭建了一種基于三維視覺的工件識別與定位系統。
                        以下為本篇論文正文:

                        摘要

                          隨著重型機械行業的崛起,中厚板件的使用越來越廣泛,而中厚板件的連接往往需要開坡口,F在國內大多采用人工開坡口和機器開坡口的方式,效率低,加工環境差,勞動強度高。工件自動識別與定位系統的引入大大提高了生產效率,改善了加工工人的工作環境。本文提出了一種基于三維視覺的工件自動識別與定位系統,完成了以下的工作:

                          建立了一種基于三維視覺的工件識別與定位系統,主要包括、控制系統、執行機器人、圖像采集裝置、圖像處理及分析軟件;谌S視覺的工件識別與定位系統具有兩大特點:(1)采用了工業上通用的 KUKAKR5ARC 機器人作為執行機器人本體,其強大的空間曲線運動算法,非常適用于自動化切割環境。(2)采用了性價比較高的AT 三維相機,其大視角,高精度的特點,為自動化加工提供了便利。

                          提出了一種基于點云模板的加工工件自動識別算法。其核心算法是先利用基于點云模板的匹配算法進行點云粗匹配,將工件點云數據和數字模型庫中的數模轉換到較近的位置,再使用經典的點云最近點迭代法(ICP)進行精匹配,完成目標工件的數字模型的自動識別。

                          實驗表明,工件自動識別算法有很好的自動化識別效果和精度,提高了系統的自動化程度,并通過計算點云數據和數字模型庫中的數模匹配得到數模坐標系到相機坐標系間的轉換關系。

                          針對待加工工件數字模型的特點,利用數字模型的投影視圖,采用了一種基于投影算法的工件待加工坡口信息提取算法。進行了工件待加工坡口信息提取算法的驗證。實驗表明,坡口信息提取算法能有效的完成加工坡口信息的提取。

                          提出了三維視覺的工件識別與定位系統的定位方法。采用同源點最小二乘匹配算法進行工件識別與定位系統內各坐標系間的相互轉換,利用執行機器人的關節特性,提出了數模坐標系到機器人工具坐標系的定位算法,實現了工件識別與定位系統的導航。并進行了該定位算法的精度驗證實驗。實驗表明,定位算法的最大誤差為 0.27mm,平均誤差為 0.24mm,該定位算法精度滿足實際坡口切割的要求。

                          提出了基于三維視覺工件識別與定位系統的實驗方案;诖藢嶒灧桨,分別進行了工件自動識別算法、坡口信息提取算法和整體系統的精度驗證實驗。實驗結果表明:工件自動識別與工件待加工坡口信息提取算法是可行的,整個系統的最終精度是 1.98mm,滿足自動化切割加工精度要求。實驗結果表明基于三維視覺工件識別與定位系統不僅具有很高的自動化,而且具有很好的適用性。

                          關鍵詞:三維視覺,手眼標定,圖像匹配識別,坡口軌跡定位

                        ABSTRACT

                          With the rise of the heavy machinery industry, the use of thick plates has become more widespread, and thick plate connections often require beveling. At present, the widly use of the domestic methods is artificial beveling and machine beveling, they are low efficiency , poor processing environment, and high labor intensity. The introduction of automatic workpiece recognition and positioning system has greatly improved the production efficiency and the working environment of the processing workers. This paper presents a three-dimensional vision based automatic workpiece recognition and positioning system, completed the following work:

                          A three-dimensional vision-based workpiece recognition and positioning system was established, including the control system, execution robot, image acquisition device, image processing and analysis software. The workpiece recognition and positioning system based on three-dimensional vision has two major features: (1) The KUKA KR5 ARC robot, which is commonly used in the industry, is used to implement the robot body. Its powerful spatial curve motion algorithm is very suitable for automated cutting environments. (2) Adopting AT 3D camera with high cost performance, its large viewing angle and high precision provide convenience for automated processing.

                          An algorithm for automatic recognition of machined workpiece based on point cloud template was proposed. The core algorithm is to use the matching algorithm based on the point cloud template to perform rough point cloud matching, convert the workpiece point cloud data and the digital-analogue in the digital model library to a closer position, and then use the classic method (ICP) Fine-matching to complete the automatic recognition of the digital model of the target workpiece.

                          Experiments show that the automatic workpiece recognition algorithm has a very good automatic recognition effect and accuracy, improves the degree of automation of the system, and obtains the digital-analog coordinate system to the camera coordinate system conversion relationship by calculating the point cloud data and the digital-analog matching in the digital model library.

                          According to the characteristics of the workpiece digital model, using the projection view of the digital model, an algorithm based on the projection algorithm is used to extract the groove information of the workpiece. The verification of the groove information extraction algorithm for the workpiece was performed. Experiments show that the groove information extraction algorithm can effectively complete the extraction of processed groove information.

                          A positioning method for three-dimensional visual workpiece recognition and positioning system is proposed. The homology point least squares matching algorithm was used to transform the coordinate system between the workpiece recognition and positioning system. Using the joint characteristics of the executing robot, a positioning algorithm of the digital-analog coordinate system to the robot tool coordinate system was proposed. The workpiece recognition and positioning system navigation is realized. The accuracy verification experiment of this positioning algorithm was performed. Experiments show that the maximum error of positioning algorithm is 0.27mm and the average error is 0.24mm. The accuracy of the positioning algorithm meets the requirements of the actual groove cutting.

                          An experimental scheme based on three-dimensional visual workpiece recognition and positioning system was proposed. Based on this experimental scheme, an automatic workpiece recognition algorithm, a groove information extraction algorithm, and an overall system accuracy verification experiment were performed. The experimental results show that the workpiece automatic identification and workpiece processing groove processing information extraction algorithm is feasible, the final system accuracy is 1.98mm, to meet the requirements of automated cutting machining accuracy. The experimental results show that the three-dimensional visual workpiece recognition and location system not only has a high degree of automation, but also has a good applicability.

                          KEY WORDS: Three-dimensional vision, Hand-eye calibration,Automatic recognition, Trajectory positioning

                          隨著工業自動化的提出,先進制造技術和自動化生產迅速發展,重工行業發展尤其迅猛,很多重型機械多由中厚板件組成,因此中厚板的焊接質量也越來越受到重視[1]。一般來說中厚板的焊接為了保證焊接的質量和性能都需要開坡口。中厚板的使用壽命基本由焊接質量來決定,而焊接的好壞也大部分由坡口加工質量來決定。所以必須在中厚板件上開坡口[2]。

                          中厚板件可以人工開坡口、機器開坡口和機器人開坡口,如果這些中厚板件完全靠手工開坡口,工人的勞動強度是非常大的。而且人工開坡口過程中,焊縫焊接質量很難得到保證,效率也非常低[3]。機器開坡口是現在較為常用的方法,開坡口機體積小、結構簡單、操作方便、可一次加工成型、效率較高。

                          除了機器開坡口的方式,還有機器人開坡口的方式。相比人工開坡口和機器開坡口,工業機器人具有可連續工作,對工作環境要求低,生產效率高、便于管理等優點[4]。開坡口的機器人在投入應用之前多需要進行人工試教或離線編程來實現功能。在線示教優點很明顯。在線示教能在短時間內進行操作,而且操作較簡單,對示教的軌跡能輕易的修改。在線示教的缺點同樣明顯,示教對很復雜的運動軌跡顯得無能為力,且運動的重復性很差[5]。在某種情況下示教的精度直接由示教的編程人員決定,他的經驗往往決定了示教的精度,而且無法實現多操作同時進行。相較于在線示教,離線編程便能很好的解決上述問題,離線編程在解決機器人復雜運動的問題上具有明顯的優勢。在機器人正常工作時,離線編程也是可以同時進行的。同樣離線編程也具有缺點,離線編程的特點決定了它沒有很好的適應性,不能輕易的移植,對機器人的標定精度要求較高[6]。

                          采用機器視覺進行工件坡口的自動加工可以改善上述問題[7]。為了提高自動化加工時的工作效率,通常將工件隨意擺放放在加工平臺上,由于工件擺放較為隨機,所以在自動加工前就需要在線確定目標工件的種類和位置,并獲取待加工軌跡位置信息,因此需要引入機器視覺來完成。一般的,二維視覺是可以用來進行工業產品的識別與定位的,但是二維視覺只能獲取外界的二維信息,難以精確呈現待檢測和識別的物體的三維高度信息[8]。由于加工時需要確定工具的位姿信息,而位姿信息是通過工件的三維信息計算而來,使用二維視覺方法無法獲得工件的高度信息,因此不適用于自動化加工。就目前的三維視覺研究或者是基于雙目視覺的三維重建,容易受背景噪聲的影響;或者是僅基于激光掃描的三維重建,無法獲取物體細節信息[9]。三維視覺不僅抗干擾能力強,精度高,還能很好的獲取物體的細節信息,為工件自動識別和待加工坡口信息提取提供基礎[10]。國內外的學者對三維視覺物體識別與軌跡定位進行了許多研究,但受到實際加工環境的制約和自動化算法的不完善等原因,大多應用在計算機圖像信息領域,真正應用在機器人加工領域的并不多[11]。

                          本文提出將三維視覺系統應用在自動化切割領域,利用工件自動識別和待加工坡口信息提取算法實現工件的自動化切割。首先采用基于工件點云數據與數字模型匹配的算法從數字模型數據庫中識別待加工工件,然后用基于正交投影算法的方式提取待加工軌跡信息,獲得機器人合適的加工位姿,從而實現目標工件的自動化切割。本系統不僅有很好的加工精度,而且自動化程度高。

                          因此,本課題擬通過將二維相機與激光相結合的方法組成三維相機來獲取工件三維信息,并通過模板匹配和正交投影的方法識別待加工工件及相應加工軌跡信息,為中厚板加工自動化提供基礎數據;谌S視覺的工件識別與定位系統中工件自動識別與手眼標定是兩大核心算法。本文就這兩大算法的研究現狀進行分析。許多專家希望通過自己的努力讓機器視覺變得和人類的視覺一樣,從而可以在大多數作業的環境下讓機器視覺代替人類視覺,成為機器的眼睛[12]。如何處理分析圖像并提取出需要的有用的信息是機器視覺的主要研究內容。機器視覺是現在大熱的研究領域[13]。在工業應用中更是備受青睞。

                          機器人控制柜,機器人本體,視覺系統可以分別看作是類似于人的大腦,手臂和眼睛。擁有了眼睛的機器人,就借助眼睛來獲取想要的信息,從而像人一樣的智能化地完成各種作業任務,F在對機器視覺系統應用最廣泛的是對工件的抓取與分揀,利用視覺系統采集到目標工件的圖像,分析處理得到抓取的位姿,從而引導機械臂抓取工件[14]。

                          與其他國家相比,美日兩國是在機器視覺領域研究最成熟的國家[15]。日本學者 Murakami[16]研究出了基于機器視覺的弧焊機器人,采用神經網絡算法對采集到的焊縫圖像進行處理分析,從而得到焊縫軌跡。Nagata[17]研究出了基于遺傳算法的機器人視覺伺服系統。西澳大學研發的 Australia's Telerobot 機器人[18],在六自由度的關節機器人上裝配視覺系統完成對機器人的控制。

                          對實際物體的識別是機器視覺領域的熱點問題[19],F在世界大多數工業化國家中都有非常廣泛的應用,比如無人駕駛車,擬人機器人,無人機等等。三維視覺相較與二維視覺,在識別物體上具有比較大的不同,二維只局限與平面,三維包含了龐大的三維信息,F在的三維視覺識別算法主要是兩類:基于模板的三維物體識別算法,及基于特征的三維物體識別算法,基于特征的三維物體識別算法不適用于本文的研究內容,所以重點介紹基于模板的三維物體識別算法。三維點云存儲數據已廣泛應用于各種領域,與人們的生活息息相關[20]。將兩點云統一放在一個坐標系下,并完成重疊,識別出工件的種類,這個過程就叫做點云數據的匹配[21]。

                          按照匹配的方式對三維點云數據進行分類,可以分為點云匹配和多點云匹配兩種[22]。多點云匹配方法就是對多個點云數據進行匹配,其中多點云匹配方法是比較典型的匹配方法。所以本文重點介紹多點云匹配方法。本文討論的是多點云匹配方法。我們把將要匹配的兩個點云分別叫做初始點云集合 P 和目標點云集合 Q,而點云之間進行匹配的本質是找到兩個點云之間的變換矩陣 T。

                          根據兩點云之間的變換是否為剛性的,三維點云數據的匹配可以分為非剛性變換下的點云數據匹配和剛性變換下的點云數據匹配[23]。其中非剛性的點云數據匹配需要考慮點云的變形,該方法在特定的環境非常適用,但在一般的環境中精度不高[24]。本文的匹配算法,可以分為粗匹配和精匹配兩步。粗匹配將兩個點云變換到一個相對較近的位置,防止落入局部最優和不收斂的情況;先粗匹配再精匹配,現介紹以下幾種匹配方法:

                         。1)基于機械設備的點云匹配方法:Varady 等人[25]設計了一個由六自由度的旋轉平臺和一個坐標掃描儀組成的測量裝置。該設備通過開始設定的旋轉角度和測量距離,然后平臺的多次旋轉,將每次旋轉掃描得到的點云數據進行拼接,從而獲得完整的點云數據。Lai等人[26]改進了此設備,減少了目標工件的自由度,限制了目標工件的旋轉和移動。但該方法雖然可以實現讓目標工件沿著固定的方向移動或者固定的軸轉動,但是這樣限制目標工件自由度的方式不適用于所有幾何形狀的物體,不具有一般性,不能將目標工件的所有信息采集完全;吳敏[27]將目標工件固定住,然后推導采集裝置的變換關系,來進行點云數據間的匹配。上述方法的優點是可以獲得兩個點云間高精度的轉換關系,缺點是成本太貴,對目標工件有諸多限制,操作性不好。

                         。2)人機交互式的點云拼接方法:顧名思義該方法是可以進行人為的加入點云。清華大學羅先波等人[28]

                          利用相同特征點在不同坐標系下的位置關系的原理,采用在目標工件上做上特殊標記,保證不同視角的圖像上都能采集到該特殊標記的方法,求出點云數據間的剛性轉換矩陣。這種做標記的點云匹配方式效率還是很高的,但只限于二維特征明顯的物體,并且操作費時費力,對待測物體表面也有要求,所以這種方法同樣的不具備一般性。

                         。3)基于主成分分析的點云配準法:Kim[29]、戴靜蘭[30]等人首先在點云數據的主軸方向上進行匹配,然后計算得到點云數據的協方差矩陣,通過協方差矩陣求出兩個點云間的轉換矩陣。這種方法計算量不大,運算時間較短,但缺點是對兩個點云數據間的重疊區域的數量有一定要求,并且越多越好。

                         。4)基于幾何特征不變量的點云配準方法:該方法是依據點云數據之間的重疊區域來進行的,利用重疊區域間的重疊點求得點云數據之間的轉換關系,這樣做是為了把點云匹配問題進行簡化。該問題的難點是不能直觀對點云數據區域的重疊進行觀察或分析。但因為兩點云之間是剛性的變換,所以兩點云數據間是不變的,然后利用基于不變量的算法求出點云之間的轉換關系,從而完成點云數據之間的匹配[31]。Stamos 與 Lcordeanu[32]通過提取直線段完成匹配。限定了剛開始點云數據匹配的精度,以點云之間的直線作為基準進行匹配。Chen 等人[33]對上述方法進行了改進,用另外一種直線間的匹配方式。該方法的缺點是對非長條狀或者形狀特征非直線的物體匹配效果很不好,不具有一般性。

                          Johnson 等人[34]利用采集到的圖像的自我旋轉來進行點云匹配?臻g曲面上局部的具有不變形的幾何形狀的信息作為算子匹配的單元,點云之間的轉換矩陣,通過點云數據之間對應匹配單元的相關程度來確定。后來 HuberDHuberM等人[35]對該方法的魯棒性做了提高。

                          Ayache 等人[36]基于點云曲面之間的主曲率作為標準,提出了一種匹配算法。將點云數據間擁有相似主曲率的點做點對,然后計算出每對點云的法向量方向,根據向量方向計算出轉換矩陣。朱延娟[37]、薛耀紅[38]等人在利用曲率做完匹配之后,將點對間的七維分量做離散化處理,最后利用哈希鏈表計算出轉換矩陣。但這個方法匹配精度不高,產生了很多錯誤匹配點對。

                          Jiang 等人[39]計算每個點與點之間的法向量夾角,然后通過比較法向量夾角的大小完成匹配,但這個方法容易受到噪聲影響,穩定性差。彭玉輝等人通過限制對三角點對的方式,提高了上述方法的精度,但增加了匹配時間的消耗,而且同樣的不具備穩定性,容易受到噪聲的影響。Manay[40]對基于積分的歐氏特征不變量做了研究,利用其類似與曲率特征的這一個特性,完成了點云數據之間的匹配。這一方法具有很好的魯棒性,提高了抗噪聲的能力。Gelfand[41]在三維情況下將這種方法做了推廣,改變了對初始位置有要求的這一特點。彭博[42]利用一維和高維的曲率,在不同尺度的空間下完成特征點的提取與點云數據的匹配。

                          精匹配方法,在主流方法中主要分為兩種方式,于 1992 年由 Besl 和Mckay[43]提出的 ICP 算法(迭代最近點算法)和改進的 ICP 算法。所有點云數據的精匹配都是基于 ICP 算法來進行的,它在任意曲面的匹配問題上具有很好的一般性。該方法首先在點云數據間找尋最近點,然后利用目標函數計算出最近點的歐式距離,熱后再次尋找最近點,如此不斷迭代,最后滿足了設定的收斂情況就會終止。原始的 ICP 算法是非常經典的點云匹配算法,但會在點云匹配上耗費大量的時間,而且往往會因為點云數據的起始位姿而使迭代陷入局部最優。所以基于此,大量的學者專家對 ICP 算法做出了改進。

                          三維視覺的工件識別與定位系統實驗:

                        現場布局圖
                        現場布局圖

                        點云數據庫
                        點云數據庫

                        匹配結果
                        匹配結果

                        工件俯視圖
                        工件俯視圖

                        加工軌跡與對比圖
                        加工軌跡與對比圖

                        J 形件加工軌跡
                        J 形件加工軌跡

                        目 錄

                          第一章 緒論
                            1.1 研究背景與研究意義
                            1.2 國內外研究現狀
                              1.2.1 工業機器人視覺系統介紹
                              1.2.2 工件識別定位算法研究現狀
                              1.2.3 手眼標定算法研究現狀
                            1.3 本文主要研究內容
                          第二章 基于三維視覺的工件識別與定位系統的建立
                            2.1 工件識別與定位系統總體結構
                            2.2 工件識別與定位系統的硬件結構
                              2.2.1 系統組成及工作原理
                              2.2.2 執行機器人
                              2.2.3 圖像采集裝置
                            2.3 工件識別與定位系統的軟件支持
                            2.4 本章小結
                          第三章 基于三維視覺的工件自動識別技術
                            3.1 工件自動識別流程
                            3.2 點云數據提取
                            3.3 點云識別粗匹配
                              3.3.1 法向量計算
                              3.3.2 曲率計算
                              3.3.3 特征提取
                              3.3.4 點云匹配
                            3.4 點云識別精匹配
                              3.5 算法驗證
                              3.6 本章小結
                          第四章 工件待加工軌跡信息提取
                            4.1 軌跡信息提取流程
                            4.2 圖像灰度化
                            4.3 正交投影算法
                              4.3.1 正交投影基本定義
                              4.3.2 正交投影轉換矩陣
                            4.4 三維重建
                              4.4.1 基本定義介紹
                              4.4.2 三維重建算法
                            4.5 實驗驗證
                            4.6 本章小結
                          第五章 工件自動定位技術
                            5.1 手眼標定模型的建立
                              5.1.1 相機模型
                              5.1.2 圖像坐標系
                              5.1.3 相機坐標系
                              5.1.4 世界坐標系
                              5.1.5 機器人坐標系
                            5.2 三維相機手眼系統同源點匹配標定算法
                              5.2.1 同源點定義及選取
                              5.2.2 同源點最小二乘法匹配問題求解
                            5.3 手眼標定算法精度驗證
                            5.4 本章小結
                          第六章 基于三維視覺的工件識別與定位實驗
                            6.1 基于三維視覺的工件自動識別實驗
                            6.2 基于三維視覺的工件待加工坡口信息提取實驗
                            6.3 基于三維視覺的工件識別與定位精度驗證
                            6.4 本章小結
                          第七章 結論與展望
                            7.1 結論
                            7.2 展望
                          參 考 文 獻
                          致 謝
                          附錄 1 多工件自動化切割程序
                          附錄 2 手眼標定程序
                          研究成果及發表的學術論文
                          作者及導師簡介

                        (如您需要查看本篇畢業設計全文,請您聯系客服索。

                        相關內容
                        相關標簽:機械畢業設計
                        好優論文定制中心主要為您提供代做畢業設計及各專業畢業論文寫作輔導服務。 網站地圖
                        所有論文、資料均源于網上的共享資源以及一些期刊雜志,所有論文僅免費供網友間相互學習交流之用,請特別注意勿做其他非法用途。
                        如有侵犯您的版權或其他有損您利益的行為,請聯系指出,論文定制中心會立即進行改正或刪除有關內容!
                        免费看男阳茎进女阳道视频