论文部分内容阅读
由于人工的限制,传统的上下料系统的生产效率往往不高同时精度也较低。在自动化和智能化的需求越来越强烈的今天,更加自动化和智能化的上下料方式替代传统低效的方式已经是一股不可遏制的潮流。当前,为了响应国家智能制造的号召,国内各大院校和研究机构对于这方面的研究也是层出不穷。在这样的大背景下,通过研究AGV小车上下料系统的视觉定位算法,实现上下料的自动化就具有了重大的现实意义。首先研究了自动上下料系统的工作原理和机械结构的组成,从而明确了系统的设计指标和要求。然后根据实际的现场需求对机器视觉系统和运动控制系统进行了核心部件的选型,完成了对系统硬件的构建。为了减少不同噪声对图像的影响,在对比不同的降噪算法后,采用一种自适应的高斯滤波算法对图像进行滤波降噪。其次,利用图像增强技术对图像的目标区域进行增强,对背景进行抑制,获得对比度合适的图像。然后,提出一种基于区域生长法的改进的图像分割算法对图像进行分割,该算法首先利用直方图统计法获得了最优阈值,然后再用区域生长法进行图像分割,获得了较好的分割效果。针对图像可能产生畸变的情况,采用旋转校正算法进行解决,分析对比不同的插值算法之后,采用双线性插值对校正后的图像进行处理,保持了图像边缘的完整性。针对Mark点的位置和角度定位,详细的研究了具体的图像处理过程。对于位置定位,在进行了图像预处理、图像分割等步骤之后,采用Canny算子对圆形边缘进行提取,同时采用RANSAC圆拟合算法进行边缘拟合,最后获得圆心坐标和直径;对于角度定位,在对比不同的亚像素直线边缘提取的算法之后,采用基于插值的梯度算法对料板边缘进行提取,之后采用改进的RANSAC直线边缘拟合获得了料板边缘直线的角度,从而完成角度定位。为减少视觉定位算法的耗时,提出一种改进的模板匹配算法,利用金字塔搜索策略,结合处理域的优化以及积分图的使用,提高了视觉定位算法的效率。最后对系统的可行性、稳定性以及耗时性进行实验分析论证,实验结果表明本系统能够完成自动上下料的目标,同时精度也满足实际生产的需求。然后对系统软件系统的设计思路、主要功能、组成部分等做了详细的分析,采用模块化思想将各个部分紧密有序地联系在一起。