论文部分内容阅读
工件分拣是工业生产中非常重要的组成环节。传统生产线上,工件分拣由人工完成,不仅分拣效率低下,而且有可能影响产品的质量或危害工人的生命健康,因此亟需实现工件分拣的自动化。作为自动化机械典型代表的工业机器人能够节约大量劳动成本,且大幅提高工件分拣效率,从而提高产品的市场竞争力,已在工业生产中得到广泛应用。为增加分拣系统的适应性,提高分拣效率及分拣精度,本文设计了一种基于机器视觉的工业机器人分拣系统,主要工作包括视觉系统建模及标定、图像畸变校正、图像预处理、图像识别及路径优化等内容。建立了视觉系统的线性模型和基于径向畸变的非线性模型,并针对两种模型设计了基于二维靶标的标定方法,从而建立了图像像素与三维世界场景点的对应关系。为了增加识别准确度,采用双线性插值法对采集到的图像进行了图像畸变校正,然后对图像预处理,包括灰度变换、二值变换、形态学及多目标分块处理四个环节,以尽量消除图像中的无关信息,保留有效信息。为了获取圆形、三角形及五角星形工件的形状、位姿及颜色信息,本文首先采用边缘曲线等价方法完成形状识别,然后运用多目标质心快速计算方法获取工件的几何中心,最后采用Harris角点检测算法检测出工件的角点,并筛选出工件外接矩形上的角点用于计算工件的旋转角度。采用基于抽屉原理的分枝定界算法对机器人的分拣路径进行了优化,实现了最快分拣。最后,在基于机器视觉的Tripod三轴并联机器人分拣系统实验平台上对本文所设计系统进行了调试与验证,并设计了自动分拣系统的控制界面,以提高系统的可操作性和实用性。实验结果表明,本文设计的工业机器人分拣系统能够有效而准确地实现对圆形、三角形、五角星形工件的自动分拣,提高了分拣系统的适应能力及分拣效率,具有较高应用价值。