对金属材料的切割和焊接是工业生产中的一道重要工序,广泛应用于机械制造、建筑、电力、水利、造船等领域。目前在国内,主要还是由人或传统生产设备来完成,生产效率较低。如果能采用具有机器视觉的机器人自动完成,那么不仅可以提高产品的质量和产量,还可以增强我国企业的国际竞争力,机器人对金属材料的切割和焊接抽象出来可以归结为机器人对加工曲线的静态跟踪。因此针对机器人加工曲线视觉跟踪问题进行深入的研究具有较大的工程实用价值。 论文综合应用了机器视觉,CMAC神经网络和机器人控制技术,设计并实现了基于机器视觉的机器人二维曲线静态跟踪系统。论文的研究内容主要包括跟踪曲线的图像处理、CMAC神经网络坐标变换和机器人跟踪控制。 1.跟踪曲线的图像处理:分为预处理、二值化、二次处理、细化和曲线提取这几个过程。应用了图像灰度化,中值滤波,线性变换,阈值二值化,串行迭代细化等算法,用Visual C++作为开发工具,实现了对跟踪曲线的提取。 2.CMAC神经网络坐标变换:设计了CMAC神经网络,实现了从跟踪曲线的图像二维坐标到机器人内部六维坐标的变换,设计了训练样本的采集方案,采集了足够的样本。采用了改进的CMAC网络,明显提高了网络的映射精度。进行了大量的仿真和现场坐标变换实验。该变换是用MATLAB工具编制的。 3.机器人跟踪控制:对SK—6型机器人控制系统进行了消化、试验和研究,通过VB编写了上下位机的通讯程序。综合使用了机器人的三种控制方式:示教编程、远程指令、机器人语言编程,实现了机器人沿跟踪曲线等时间间隔点点折线移动,完成了二维曲线的静态跟踪。 总之,本文初步解决了机器人对平面曲线的静态跟踪问题,展示了机器人在工业生产中的良好应用前景。