论文部分内容阅读
在工业生产、日常生活以及人工智能的发展进程中,机器人都占据着一席之地,将越来越多的人从劳累、乏味的工作中解放出来。而视觉的引入使得机器人变得更加智能,能够对外部环境的变化做出及时的调整,使其能够应用到更多场景之中,基于机器视觉的机械臂现已成为目前热门的研究领域之一。本文主要对机械臂分拣系统中涉及到的机器视觉技术和机器人技术进行研究,并使用三菱RV-13F型六轴机械臂搭建一个分拣系统,以零件为实验对象来验证本文方法的可行性。为了建立图像坐标系与机器人基坐标系之间的联系,本文首先对三菱RV-13F型机械臂进行数学建模,并作了运动学分析,详细地推导了各个关节角的求解方式,并给出了最优解的选取规则;然后使用张正友标定方法对相机进行标定,求解了相机的内参数、外参数以及畸变系数等;最后进行了手眼标定,确定了相机和机器人的相对位置关系。由于采集的图像会受到现场灯光以及零件本身反光的影响,因此本文选择抗噪性能较好的三维Otsu图像分割算法对零件图像进行分割。但三维Otsu算法时间复杂度高,运算时间长,因此本文对其进行改进,首先通过减少灰度级的方式减少三维直方图的大小,然后使用一维Otsu算法设置上限和下限减小解空间,最后利用布谷鸟搜索算法(Cuckoo Search,CS)在该解空间内进行寻优,实验结果表明,该方法能够大大减少算法的运行时间,同时针对三维Otsu算法分割结果存在错分的问题,提出了一种将像素点分为噪声和非噪声的分配方式,实验结果表明,该分配方式改善了算法的分割效果。最后使用改进后的三维Otsu算法对零件图像进行分割,能够很好的将零件分割出来。针对卷积神经网络(Convolutional Neural Network,CNN)对局部特征的表征不够突出的问题,本文提出了一种融合局部二值模式(Local Binary Patterns,LBP)特征和CNN特征的零件识别方法,该方法首先通过CNN提取出零件的深层特征,然后利用LBP提取出零件的局部特征,最后在CNN的全连接层将两个特征进行融合,实验结果表明,该方法能够提高对零件的识别准确率。为了提升机械臂对零件的分拣效率,提出了一种基于3-5-3多项式的时间最优轨迹规划方法。该方法将速度作为约束条件,将3段多项式的时间总和作为目标函数,并利用布谷鸟搜索算法来求解最优时间。实验结果表明,该方法求解的时间较优,能够提升机械臂的分拣效率。最后设计并实现了基于机器视觉的机械臂分拣系统,利用QT设计了上位机界面,并通过实验验证了分拣系统的可行性。