论文部分内容阅读
散乱零件的定位和抓取在汽车装配、仓储物流和电子贴片等自动化行业有广泛的应用。随着我国工业生产自动化转型和升级,大量机器人代替人工完成单调、繁重的抓取和摆放工作。传统的机器人抓取技术需要提前确定运动轨迹,配合机械式准确定位技术才能完成零件抓取。这种方法需要零件的位置和姿态是固定不变的,灵活性较差。为了克服传统方法在自动化化生产应用中的弊端,提高自动化生产的智能化水平,本文对基于三维相机的零件识别和抓取系统的关键问题进行研究,包括零件点云获取系统的研究和设计、线激光条纹中心提取方法研究、零件点云预处理研究和零件定位方法与机器人抓取等几个部分。主要研究内容如下:(1)分析现有的三维成像技术和用于抓取零件点云精度要求,设计并开发基于线激光相机的零件三维点云获取系统。该系统可以通过调节相机和线激光发生器的位置和角度实现调整相机的工作范围,根据环境变化等调节相机的曝光度和线激光发生器的亮度等。并提出将单目相机标定方法中常用的张正友相机标定法用于线激光相机标定,克服了传统标定法和主动标定法难以同时满足精度和速度要求的缺点,实现线激光相机快速标定。设计的线激光相机测量范围700-1000mm,测量视野400-600mm。测量精度在0.5mm以内。(2)研究线激光相机的激光条纹中心提取方法,解决现有线激光条纹中心提取方法鲁棒性差、耗时长的问题。根据采集的线激光条纹图像的图像特征和噪声模型,对激光条纹图像进行预处理,使用改进的Steger算法,保证了线激光条纹提取中心提取精度的同时,单幅图像处理时间小于50ms。(3)研究线激光相机获取点云的预处理方法。使用统计滤波方法减小零件点云中噪声和环境点对识别和定位效果的影响,通过降采样处理,减小零件点云的密度。通过点云预处理操作保留感兴趣区域的零件点云,可以有效减少外界点云的影响,提高零件识别率和识别速度。(4)研究基于两步配准法的零件点云识别和定位方法。针对迭代最近点(ICP)算法在点云初始位姿不理想时,错误匹配率较高的问题,使用采样一致性匹配(SAC-IA)算法对零件点云进行初始匹配,通过粗定位零件位置的方式进行优化。搭建实验平台,对散乱零件进行机器人抓取实验。使用两步配准法进行零件定位的方法机器人抓取实验的成功率达到66%。