论文部分内容阅读
机器视觉技术目前正得到广泛应用,将机器视觉技术嵌入工业机器人控制系统中,可以提高工业机器人的智能化与自动化程度,拓宽工业机器人的应用领域。视觉伺服控制技术由于其良好的性能以及应用的广泛性和方便性,而受到学术界和工程界的普遍重视,成为了机电一体化领域研究的热点之一,有望成为机器人在动态可变环境下应用的重要支撑技术。本文以ABB IRB120机器人为研究对象,对机器人视觉伺服控制中的关键问题进行了研究,利用基于位置的视觉伺服控制方法分别研究了机器人对静止目标的定位抓取和运动目标的识别与跟踪,主要完成了以下几个方面的工作:(1)对工业机器人视觉伺服控制理论进行了研究与分析,总结了机器人视觉伺服发展的几个方向及现阶段存在的问题。根据本文系统的具体要求对整个机器人视觉伺服系统控制方案的组成结构、硬件选型、系统布局和上位机软件控制流程进行了研究与设计。(2)图像处理速度与精度是影响机器人视觉伺服性能的重要因素,针对该问题,对传统的图像灰度值匹配与边缘匹配方法的处理速度与精度进行了分析与实验。对这两种方法进行比较并给出实验结果。针对灰度值匹配中基于归一化互相关系数(NCC)的模板匹配算法运算量较大,耗时较长的问题,提出了一种改进的图像金字塔分层搜索策略,提高了算法的匹配速度。(3)对工业机器人视觉伺服控制系统中常用的摄像机标定方法进行了研究。根据摄像机安装在机器人末端(Eye-in-hand)的情况,将改进的恒定旋转矩阵法用于估算目标与机器人之间的相对位姿关系,简化了复杂的机器人与摄像机的标定过程,并通过实验验证了标定的精度。(4)对基于位置的机器人视觉伺服控制模式进行了研究,通过对实验用的ABB IRB120机器人的连杆参数进行分析建立了机器人的运动学模型,在此基础上利用Matlab环境下的机器人工具箱Robotics Toolbox建立了机器人视觉伺服控制系统的数学模型,在Simulink环境下对基于位置的机器人视觉伺服系统目标定位与跟踪进行了仿真研究。(5)考虑到视觉系统与伺服控制算法的延时,为进一步提高视觉伺服控制系统的实时性,采用Kalman滤波器对运动目标的视觉反馈信息进行了滤波与预估处理。实验结果表明,Kalman滤波器对于视觉延时带来的跟踪滞后问题具有较好的补偿作用,在不影响系统跟踪精度的情况下,显著提高了系统的响应速度。基于上述研究成果,建立了视觉伺服目标定位抓取与跟踪系统,可以实现静态视觉伺服目标定位抓取与动态视觉伺服目标跟踪,验证了理论分析的正确性和所采用的标定方法和控制方法的有效性。