基于机器视觉的工件识别和定位文献综述
基于机器视觉技术的工业零部件检测与识别研究

基于机器视觉技术的工业零部件检测与识别研究工业零部件的检测与识别是现代制造业中非常重要的一个环节,它对提高产品质量、提高生产效率、减少人力投入具有重要意义。
而随着机器视觉技术的迅速发展,基于机器视觉技术的工业零部件检测与识别变得更加可行和普及。
本文将探讨基于机器视觉技术的工业零部件检测与识别的研究方法及其应用。
工业零部件的检测与识别任务首先需要解决的问题是图像的采集和预处理。
在采集图像时,可以使用高分辨率的相机进行拍摄,以获取清晰的图像。
同时,需要对图像进行预处理,包括去除噪声、图像增强等操作,以提高后续检测和识别的准确性。
在工业零部件的检测中,关键是需要找到感兴趣的零部件并进行准确定位。
为了实现这一目标,可以使用边缘检测、颜色分割、纹理分析等方法。
其中,边缘检测可以通过Sobel算子、Canny边缘检测算法等进行实现,能够从图像中提取边缘信息。
颜色分割可以根据零部件的颜色特征进行像素级别的分割,用于区分不同组成部分。
纹理分析可以通过纹理特征的提取与模式匹配,来判断零部件的纹理特征是否符合标准。
在工业零部件的识别中,需要将检测到的零部件与已知的标准进行对比。
常见的识别方法包括形状匹配、模板匹配和特征提取匹配。
形状匹配将检测到的零部件与标准形状进行对比,计算相似度来判断是否匹配。
模板匹配则是将标准形状生成为模板,然后与检测到的零部件进行匹配。
特征提取匹配是将零部件的特征提取出来,然后与标准特征库进行匹配。
除了上述方法外,还有一些基于深度学习的方法也被应用于工业零部件的检测与识别。
例如,卷积神经网络(CNN)可以通过学习大量样本数据,自动提取零部件的特征,从而实现对零部件的检测与识别。
此外,还可以利用循环神经网络(RNN)来处理序列型的零部件,比如识别零部件的序列号。
基于机器视觉技术的工业零部件检测与识别在实际应用中有着广泛的应用场景。
例如,在汽车制造中,可以使用机器视觉技术来检测和识别发动机零部件,以确保发动机的质量和性能。
机器视觉技术发展现状文献综述

机器视觉技术发展现状文献综述机器视觉技术是一门涵盖计算机视觉、模式识别、图像处理等多个领域的学科,旨在使计算机系统能够模拟人类的视觉功能,实现对图像和视频的理解与分析。
随着计算机硬件性能的不断提升和计算机视觉算法的不断发展,机器视觉技术已经在很多领域得到了广泛应用,如工业制造、无人驾驶、医疗影像分析等。
本文将综述机器视觉技术的发展现状,主要从硬件、算法和应用三个方面进行讨论。
首先,从硬件角度来看,机器视觉技术的发展离不开计算机硬件的支持。
随着计算机处理器性能的不断提升,计算机视觉算法的执行速度得到了极大的提高。
同时,图像传感器的发展也为机器视觉技术提供了更好的数据支持。
目前主流的图像传感器有CCD和CMOS两种类型,CMOS传感器由于其低功耗、高集成度等特点逐渐取代了CCD传感器,使得机器视觉系统的性能得到了进一步提升。
其次,从算法角度来看,机器视觉技术的发展极大地依赖于计算机视觉算法的研究和发展。
经过多年的积累和发展,计算机视觉算法在识别、分类、检测和跟踪等方面取得了显著的进展。
其中,深度学习算法如卷积神经网络(CNN)在图像分类和目标检测方面表现出色。
此外,基于特征描述符的方法如SIFT、SURF等也广泛应用于机器视觉任务中。
随着深度学习和传统算法结合的研究不断深入,机器视觉技术在各类应用场景中的表现将会更加出色。
最后,从应用角度来看,机器视觉技术已经在许多领域得到了广泛应用。
在工业制造领域,机器视觉系统能够对产品进行质量检测和缺陷分析,提高生产效率和产品品质。
在无人驾驶领域,机器视觉系统能够感知道路状况、检测交通信号和识别物体,实现智能驾驶。
在医疗影像分析领域,机器视觉技术能够辅助医生进行疾病诊断和手术规划,提高医疗效率和准确性。
此外,机器视觉技术还在安防监控、智能家居、农业等领域得到了广泛应用。
综上所述,机器视觉技术在硬件、算法和应用三个方面都取得了显著的进展。
随着大数据、云计算和物联网等技术的不断发展,机器视觉技术有望在更多领域发挥作用。
《基于机器视觉的支护钢带锚孔智能识别与定位系统研究》范文

《基于机器视觉的支护钢带锚孔智能识别与定位系统研究》篇一一、引言在煤矿、隧道、地铁等工程领域,支护钢带锚孔的准确识别与定位对于保障工程安全至关重要。
传统的锚孔检测方法主要依赖人工操作,不仅效率低下,而且易受人为因素影响,导致误差和安全隐患。
随着机器视觉技术的快速发展,基于机器视觉的支护钢带锚孔智能识别与定位系统逐渐成为研究的热点。
本文旨在研究基于机器视觉的支护钢带锚孔智能识别与定位系统,以提高工程安全性和生产效率。
二、系统概述本系统采用机器视觉技术,通过高精度摄像头捕捉支护钢带锚孔的图像信息,然后通过图像处理和分析技术,实现锚孔的智能识别与定位。
系统主要由图像采集模块、图像处理与分析模块、结果输出与定位模块等部分组成。
三、图像采集模块图像采集模块是整个系统的核心部分,其主要功能是通过高精度摄像头捕捉支护钢带锚孔的图像信息。
为了提高图像的清晰度和准确性,本系统采用高分辨率、高帧率的工业级摄像头,并配备专业的照明设备,以消除光线对图像的影响。
此外,本系统还具有自动对焦、自动曝光等功能,确保图像的稳定性和准确性。
四、图像处理与分析模块图像处理与分析模块负责对采集到的图像进行处理和分析。
首先,通过图像滤波、二值化等预处理操作,去除图像中的噪声和干扰信息。
然后,采用特征提取算法,如边缘检测、轮廓识别等,提取出锚孔的形状、大小、位置等特征信息。
最后,通过机器学习算法,对提取的特征信息进行学习和训练,实现锚孔的智能识别与分类。
五、结果输出与定位模块结果输出与定位模块负责将识别与定位结果以可视化方式呈现给用户。
本系统采用高亮显示技术,将识别到的锚孔以醒目的颜色和形状在图像中显示出来。
同时,本系统还具有自动定位功能,可以根据识别到的锚孔位置信息,自动计算出其在实际工程中的具体位置,并以前沿、左右等方位指示的方式呈现给用户。
六、系统优势及应用前景基于机器视觉的支护钢带锚孔智能识别与定位系统具有以下优势:一是提高了检测效率和准确性,降低了人为因素的干扰;二是实现了自动化和智能化,减轻了工人的劳动强度;三是提高了工程安全性和生产效率,为工程建设提供了有力保障。
基于机器视觉的物体识别与定位技术研究

基于机器视觉的物体识别与定位技术研究随着人工智能技术的快速发展,机器视觉作为其中的重要领域之一,在实际应用中日益受到广泛关注。
基于机器视觉的物体识别与定位技术作为机器视觉的核心内容之一,具有广泛的应用前景和研究价值。
本文将围绕物体识别与定位技术的研究进行探讨,详细介绍其背景、关键技术和应用场景。
背景介绍物体识别与定位技术是指让计算机通过摄像机等设备对所观测到的场景中的物体进行识别,并通过定位方法确定物体在场景中的位置。
这项技术在自动驾驶、物流仓储、智能安防等领域有着广泛的应用。
传统的物体识别和定位技术主要基于图像特征和图像匹配算法,存在着对光照、视角、背景等条件的依赖性,限制了其在复杂环境下的效果。
而基于机器视觉的物体识别与定位技术通过深度学习方法,可以更好地解决这些问题,具有更好的稳定性和准确性。
关键技术1. 深度学习:深度学习是当前物体识别与定位技术中最重要的技术手段之一。
通过深度学习的方法,可以提取图像的高层次特征,进而用于物体识别和定位。
深度学习模型中的卷积神经网络(Convolutional Neural Network,CNN)被广泛应用于图像特征的提取,其具有较好的图像识别能力。
2. 特征提取与表示:物体识别与定位技术中的关键问题之一是提取图像的有效特征,并将其表示为能够用于分类和定位的向量。
除了深度学习模型中的卷积层用于特征提取外,还可以使用一些网络结构,如SIFT、HOG等常见的特征描述子来提取图像的局部特征。
3. 目标检测与定位:目标检测是物体识别与定位技术中的核心内容,其目的是在图像中准确地定位出目标物体的位置。
基于机器视觉的物体识别与定位技术中常用的目标检测算法有Faster R-CNN、YOLO、SSD等。
这些算法通过对图像进行全局或局部的特征提取和定位来实现物体的检测与定位。
应用场景1. 自动驾驶:自动驾驶技术中的物体识别与定位技术是非常关键的。
通过摄像头等设备对道路上的车辆、行人、交通标志等物体进行识别和定位,可以帮助自动驾驶系统做出准确的决策和规划。
《基于机器视觉挖掘机工作装置姿态识别与目标定位》

《基于机器视觉挖掘机工作装置姿态识别与目标定位》篇一一、引言随着人工智能与机器人技术的快速发展,机器视觉技术在工程机械设备中的应用日益广泛。
其中,挖掘机作为重要的土方工程设备,其工作装置的姿态识别与目标定位成为了提高工作效率和安全性的关键技术。
本文旨在探讨基于机器视觉的挖掘机工作装置姿态识别与目标定位技术的研究,以提高挖掘机作业的自动化和智能化水平。
二、挖掘机工作装置姿态识别技术挖掘机工作装置姿态识别是利用机器视觉技术对挖掘机工作装置的空间位置和姿态进行实时感知和识别。
这需要通过对图像信息的获取、处理和分析,提取出挖掘机工作装置的关键特征信息,如位置、方向、角度等。
首先,通过安装高清摄像头等视觉传感器,实时获取挖掘机工作装置的图像信息。
然后,利用图像处理技术对获取的图像信息进行预处理,如去噪、增强等,以提高图像的清晰度和对比度。
接着,通过特征提取算法,如SIFT、SURF等,提取出挖掘机工作装置的关键特征信息。
最后,利用模式识别技术对提取的特征信息进行识别和分类,实现对挖掘机工作装置姿态的实时感知和识别。
三、目标定位技术目标定位技术是挖掘机作业中另一个重要的技术。
通过机器视觉技术,可以实现对作业环境中目标的实时定位和跟踪。
这需要通过对图像信息的分析和处理,确定目标的位置和方向。
在目标定位过程中,首先需要确定目标的特征信息。
这可以通过图像处理和特征提取技术实现。
然后,利用机器学习或深度学习算法对目标进行识别和跟踪。
例如,可以利用卷积神经网络(CNN)对图像进行特征学习和分类,实现对目标的实时定位和跟踪。
此外,还可以利用激光雷达等传感器辅助机器视觉技术进行目标定位,提高定位的准确性和稳定性。
四、技术应用与挑战基于机器视觉的挖掘机工作装置姿态识别与目标定位技术在工程实践中具有广泛的应用前景。
首先,可以提高挖掘机作业的自动化和智能化水平,降低人工操作难度和劳动强度。
其次,可以实现对作业环境的实时监测和预警,提高作业的安全性和效率。
基于机器视觉的工件识别与定位系统设计与实现

No.1Jan. 2021第1期2021年1月组合机床与自动化加工技术Modular Machine Tool & Automatic Manufacturing Techninue文章编号:1001 -2265(2021)01 -0101 -05DOI : 10. 13462/j. cnki. mmtamt. 2021.01.024基于机器视觉的工件识别与定位系统设计与实现*罗辉,崔亚飞(永州职业技术学院智能制造与建筑工程学院,湖南永州425100)摘要:机器人关节工件组装生产过程中,工件种类多、产量大、人工分拣与装配困难等问题,为了提高生产速度和效率,提出一种基于OpenC V 视觉技术的机器人关节工件识别与定位检测方法。
首 先,通过工控机读取相机的工件图像,并进行图像灰度化、均值滤波、自适应阀值分割等图像预处理 过程,得到二值化图像;其次,从二值化图像中提取出工件的轮廓,之后,通过胡氏不变矩比较待识 别工件的轮廓与给定的模板轮廓,识别目标工件;最后,提出一种确定工件的位置和方向的方法。
实验结果表明,文章提出的方法能准确识别目标工件,并且有效地确定其位置,为类似的识别提供了有效参考%关键词:OpenCV ;机器人关节;工件识别;工件定位中图分类号:TH166L ;TG659 文献标识码:ADesign and Implemeetation of Workpiecc Recognition andPositioning System Basee on Machine VisionLUO Hui ,CUI YaWei(School of Intelligent Manufacturing and Architectural Engineering , Yongzhou Vocational Technical CoVeac,Yongzhou Hunan 425100 , China )Abstrad : In the assembly proces s of robot joint workpiece , there are many kinds of workpiece , large out put , manualsorting and a s &mbly di f icultis , &tc.in ord&rto improv&th&production sp&&d and &f icin-cy , a method of robot joint workpcce rec o gnition and positioning detection based on OpenCV vision tech nology is proposed. Firstly , the image of the cameraW workpcce is read by the industeal computer , andtheimagepre-proce s ing proce s , such asimagegraying , mean filtering , adaptivethreshold segmentation , is carried out to get the binary image ; Secondly , the contour of the workpiece is extracted from the binaryimage , and then thetargetworkpieceisidentified by comparing thecontouroftheworkpieceto beidenti- fied with the given template contour through HuW moment invariants. Finaly , a method to determine the location and direction oftheworkpieceisproposed.Theexperimentalresultsshow thatthemethod pro posed in thispapercan accurately identify thetargetworkpiece , and e f ectively determineitslocation , which providesan e f ectivereferenceforsimilaridentification.Key words : OpenCV ; robot toints ; workpiece identiPcation ; workpiece location0引言随着《德国工业4.0》、《中国制造2025》[1-2]等战略的出台,传统制造业正逐步进入智能制造时代。
基于机器人视觉的物品识别与定位技术研究

基于机器人视觉的物品识别与定位技术研究随着机器人技术的不断发展,机器人日益成为人工智能领域的热门研究方向之一。
而机器人视觉技术作为机器人的眼睛,可以使机器人更加智能化,实现更多人们的梦想。
其中,物品识别与定位技术是机器人视觉技术的重要应用领域之一。
一、物品识别技术的研究现状目前,物品识别技术有较为成熟的应用。
其中,传统的物品识别技术主要采用形态学和纹理特征等方法进行物体识别和分类。
这种方法虽然简单易实现,但是对于物体颜色、姿态等要求较高,且复杂物体的识别效果不佳。
而在深度学习算法的引领下,基于卷积神经网络的物品识别技术已经成为主流。
通过对物品图像进行训练,神经网络可以自动学习到物品的特征,从而实现高效的物品识别。
此外,对于一些复杂的场景,多传感器融合的技术也可以提升物品识别的准确率,例如激光雷达、摄像头和红外传感器等多个传感器联合使用,可以获得更加全面准确的物品信息。
二、物品定位技术的研究现状物品定位技术主要用于确定物品在机器人坐标系下的位置和姿态。
而在实际应用中,由于物体姿态和环境的变化,物品定位技术面临着较大的挑战。
目前,物品定位技术主要采用SURF、SIFT、ORB、FAST等特征检测算法进行特征提取,并通过PnP(Perspective-n-Points)算法来计算物体的位置和姿态。
此外,随着深度学习算法的不断进步,基于神经网络的物品定位技术也开始出现,其中以Mask R-CNN和YOLO算法为代表。
这些算法通过训练神经网络,实现物品的快速检测和精确定位,并且对于光照等环境变化具有较好的鲁棒性。
三、基于机器人视觉的物品识别与定位技术应用基于机器人视觉的物品识别与定位技术在工业自动化、服务机器人、医疗机器人等领域具有广泛的应用前景。
在电子制造行业中,机器人视觉技术可以实现电子元件的快速识别和精确定位,从而提高产品的生产率和质量。
同时,机器人视觉技术还可以用于自动化仓库等场合,实现物流自动化和智能化。
机器视觉文献综述(可打印修改)

文献综述河北科技师范学院文献综述题目:基于计算机视觉测量技术姓名:张力坤一.国内外现状机器视觉自起步发展到现在,已有将近20年的发展历史。
应该说机器视觉作为一种应用系统,其功能特点是随着工业自动化的发展而逐渐完善和发展的。
目前全球整个视觉市场总量大概在70~80亿美元,是按照每年8.8%的增长速度增长的。
而在中国,这个数字目前看来似乎有些庞大,但是随着加工制造业的发展,中国对于机器视觉的需求将承上升趋势。
何谓机器视觉?简言之,机器视觉就是用机器代替人眼来做测量和判断。
机器视觉系统是指通过机器视觉产品(即图像摄取装置,分CMOS和CCD两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。
机器视觉系统的特点是提高生产的柔性和自动化程度。
在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合,常用机器视觉来替代人工视觉;同时在大批量工业生产过程中,用人工视觉检查产品质量效率低且精度不高,用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。
而且机器视觉易于实现信息集成,是实现计算机集成制造的基础技术。
正是由于机器视觉系统可以快速获取大量信息,而且易于自动处理,也易于同设计信息以及加工控制信息集成,因此,在现代自动化生产过程中,人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。
在中国,这种应用也在逐渐被认知,且带来最直接的反应就是国内对于机器视觉的需求将越来越多。
机器视觉在国内外的应用现状在国外,机器视觉的应用普及主要体现在半导体及电子行业,其中大概40%左右都集中在半导体行业。
具体如PCB印刷电路:各类生产印刷电路板组装技术、设备;单、双面、多层线路板,覆铜板及所需的材料及辅料;辅助设施以及耗材、油墨、药水药剂、配件;电子封装技术与设备;丝网印刷设备及丝网周边材料等。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
基于机器视觉的工件识别和定位文献综述 1. 前言
1.1 工业机器人的现状与发展趋势 机器人作为一种最典型的应用范围广、技术附加值高的数字控制装备,在现代先进生产制造业中发挥的作用越来越重要,机器人技术的发展将会对未来生产和社会发展起到强有力的推动作用。《2l 世纪日本创建机器人社会技术发展战略报告》指出,“机器人技术与信息技术一样,在强化产业竞争力方面是极为重要的战略高技术领域。培育未来机器人产业是支撑 2l 世纪日本产业竞争力的产业战略之一,具有非常重要的意义。” 研发工业机器人的初衷是为了使工人能够从单调重复作业、危险恶劣环境作业中解脱出来,但近些年来,工厂和企业引进工业机器人的主要目的则更多地是为了提高生产效率和保证产品质量。因为机器人的使用寿命很长,大都在 10 年以上,并且可以全天后不间断的保持连续、高效地工作状态,因此被广泛应用于各行各业,主要进行焊接、装配、搬运、加工、喷涂、码垛等复杂作业。伴随着工业机器人研究技术的成熟和现代制造业对自动生产的需要,工业机器人越来越被广泛的应用到现代化的生产中。 现在机器人的价格相比过去已经下降很多,并且以后还会继续下降,但目前全世界范围的劳动力成本都有所上涨,个别国家和地区劳动力成本又很高,这就给工业机器人的需求提供了广阔的市场空间,工业机器人销量的保持着较快速度的增长。工业机器人在生产中主要有机器人工作单元和机器人工作生产线这两种应用方式,并且在国外,机器人工作生产线已经成为工业机器人主要的应用方式。以机器人为核心的自动化生产线适应了现代制造业多品种、少批量的柔性生产发展方向,具有广阔的市场发展前景和强劲生命力,已开发出多种面向汽车、电气机械等行业的自动化成套装备和生产线产品。在发达国家,机器人自动化生产线已经应用到了各行各业,并且已经形成一个庞大的产业链。像日本的 FANUC、MOTOMAN,瑞典的 ABB、德国的 KUKA、意大利的COMAU 等都是国际上知名的被广泛用于自动化生产线的工业机器人。这些产品代表着当今世界工业机器人的最高水平。 我国的工业机器人前期发展比较缓慢。当将被研发列入国家有关计划后,发展速度就明显加快。特别是在每次国家的五年规划和“863”计划的重点支持下,我国机器人技术的研究取得了重大发展。在机器人基础技术和关键技术方面都取得了巨大进展,科技成果已经在实际工作中得到转化。以沈阳新松机器人为代表的国内机器人自主品牌已迅速崛起并逐步缩小与国际品牌的技术差距。 机器人涉及到多学科的交叉融合,涉及到机械、电子、计算机、通讯、控制等多个方面。在现代制造业中,伴随着工业机器人应用范围的扩大和机器人技术的发展,机器人的自动化、智能化和网络化的程度也越来越高,所能实现的功能也越来越多,性能越来越好。机器人技术的内涵已变为“灵活应用机器人技术的、具有实在动作功能的智能化系统。”目前,工业机器人技术正在向智能机器和智能系统的方向发展,其发展趋势主要为:结构的模块化和可重构化;控制技术的开放化、PC 化和网络化;伺服驱动技术的数字化和分散化;多传感器融合技术的实用化;工作环境设计的优化和作业的柔性化以及系统的网络化和智能化等方面。
1.2 机器视觉在工业机器人中的应用
工业机器人是 FMS(柔性加工) 加工单元的主要组成部分,它的灵活性和柔性使其成为自动化物流系统中必不可少的设备,主要用于物料、工件的装卸、分捡和贮运。目前在全世界有数以百万的各种类型的工业机器人应用在机械制造、零件加工和装配及运输等领域,不过这些应用都是基于先精确的示教后运行,而且工作环境都是预先安排好的,所以机器人能成功地抓取物体。但是我们知道很多情况下特别是流水线的场合工件的位姿常常是不固定的,实际目标物体的位姿与理想目标物体位姿总是有偏差的,这种偏差哪怕很小就会导致机器人操作任务的失败。这种由于环境的变化而导致机器人不能很好地完成任务的情况极大地限制了机器人的实际应用范围。随着现代生产制造技术的进步,进一步提高生产线的柔性的要求也日益迫切,对工业机器人系统应用领域、灵活性和自主性要求也越来越高,而机器人具备一定自主性的前提是对自身环境有一定的了解,这迫使人们增加传感器来提高机器人对环境的感知能力,在这方面,视觉、接近觉、触觉和力觉具有重大的作用。其中机器人视觉被认为是机器人最重要的感觉能力,从智能机器人的研究实例中,也能清除地看到这一点。视觉是人类观察世界和认知世界的重要手段。据统计表明,人类从外部世界获得的信息约有 80%的信息是通过视觉或视觉传感器而获取的,这既说明了视觉信息量大,也表明了人类对视觉信息有较高的利用率,同时也体现了人类视觉功能的重要性。机器人视觉是模拟人类视觉在机器人上的体现。采用视觉传感器比采用其他传感器来获取工作环境及工件信息还有以下几方面的优势:首先,机器视觉系统可以快速获取大量信息,而且易于自动处理,也易于同设计信息以及加工控制信息集成,在提高生产的柔性和自动化程度方面有着重要的作用;其次,即使在丢失了绝大部分的信息后,其所提供的关于周围环境的信息仍然比激光雷达与超声波更多更准确;最后,视觉的采样周期比超声波和激光雷达短,这也意味着视觉系统的实时性要好,所以更适合工件的在线检测、识别、定位等。由于具有以上这些优点,基于视觉的智能机器人具有广阔的发展空间。因而使用视觉来提高机器人的智能水平,具有重要的现实意义和研究价值。
1.3 国外基于视觉的工业机器人发展历史
机器人视觉技术是 20 世纪 80 年代发展起来的新兴技术,它的产生和发展是与机器视 觉和机器人技术的发展密不可分的。近年来,机器人视觉技术已成为高技术领域一个重要 的研究课题,它为可行走机器人、装配机器人、抓取机器人以及其他种类机器人解决视觉 问题提供了技术基础。它将使传统的工业生产面貌发生巨大变化,对人类社会的生活和生 产产生深远的影响。目前国内外都在竞相开展有关机器人视觉的基础理论、基本技术以及 应用方面的研究工作。机器视觉是一个相当新且发展十分迅速的研究领域,并成为计算机 科学的重要研究领域之一。机器视觉是在 50 年代从统计模式识别开始的,当时的工作主 要集中在二维图像的分析和识别上,如光学字符识别、工件表面、纤维图片和航空图片的 分析和解释。60 年代,Roberts 通过计算机程序从数字图像中提取出诸如立方体、楔形体、棱柱体等多面体的三维结构,并对物体形状及物体的空间关系进行描述。Roberts的研究工作开创了以理解三维场景为目的的三维机器视觉的研究。Roberts 的创造性研究给人们以极大的启发,到了 70 年代,已经出现了一些视觉应用系统。 1954年,美国的George C.Devol设计并制作了世界上第一台机器人实验装置。60年代机器人产品正式问世,机器人技术开始形成。1961年MIT的Lincoln实验室开始把一个配有接触传感器的遥控操纵器的从动部分与一台计算机连接起来,这样形成的机器人可以凭触觉感知物体的状态。随后,用电视摄像头作为输入,把计算机图像处理和物体识别技术也引入到机器人系统。至此,视觉技术正式引入机器人系统。 70年代中期,麻省理工学院(MIT)人工智能(AI)实验室正式开设“机器视觉”课,同时,MIT的AI实验室吸引了国际上许多知名学者参与机器视觉的理论、算法、系统设计的研究。David Marr教授应邀于1973年到该实验室领导一个以博士生为主体的研究小组。1977年提出了不同于“积木世界”分析方法的计算视觉理论,该理论在80年代成为机器视觉研究领域中的一个十分重要的理论框架,可以说对机器视觉的全球性研究热潮是从20世纪80年代开始的,到了80年代中期,机器视觉获得了蓬勃发展,新概念、新方法、新理论不断涌现,比如,基于感知特征群的物体识别理论框架、主动视觉理论框架、视觉集成理论框架等。 由于国外对视觉技术的研究以及将其和机器人相结合都起步比较早,因此发展的较好,并且已经出现了一些商品化的计算机视觉系统。美国在这方面开展的较早,在20世纪70年代,美国GM公司试制了能识别传送带上机械零件的视觉检查系统。到了80年代,由于微处理器的普及,各行业对视觉系统都表现出了极大的兴趣。80年代初在国际市场上作为商品出售的一个通用机器人系统PUMA/VC-100,具有识别物体,确定物体位置坐标的能力,其所使用的视觉算法允许在材料加工或装配系统中对工件进行检测。视觉系统是通过示教训练得到的。以美国国家科学基金委员会为中心的实用视觉系统的研究飞速发展。在日本的国家产业政策中,也把大力发展实用视觉系统放在了首要地位,进入90年代以后,在电子、汽车、制药、食品等高效、劳动密集的生产线上,工业视觉系统已是不可缺少的一部分,起到了人眼所不能起的作用,有力地保证了产品质量。 斯坦福研究所早期研制的机器人(Shkey)是一种典型的“眼-车”系统,它的主要功能是在视野范围内识别对象,依靠积累的经验求解行动规划,以及运用逻辑推理的问答能力。它可以穿行房间,搜索、识别指定的对象,并进行“智能”的操作。通用汽车公司开发出可以在噪声环境下工作的机器人视觉系统。Adept 公司是全球知名的工业机器人制造公司,它在研制第一代机器人的时候就考虑了加入视觉系统,因此在二十几年的发展过程中,获得了丰富的经验和比较成熟的技术,使得其成为美国最大的工业机器人制造公司。经过多年的发展,美国的智能机器人研究已经走在了世界的前列。日本在借鉴其他国家研究智能机器人方面的经验之后,现在在这方面的研究已经走在了世界的前列。日立中央研究所研制的具有自主控制功能的智能机器人,可以用来完成按图装配产品的作业。德国Siemens 公司在工业图像处理方面拥有超过 20 年的经验积累,SIMATIC VIDEOMAT 是第一个高性能的单色和彩色图像处理系统,并成为SIMATIC自动化系统中极重要的产品。而 1999 年推出的 SIMATIC VS710 是业内第一个智能化的、一体化的、带 PROFIBUS 接口的、分布式的灰度级工业视觉系统,它将图像处理器、CCD、1/O 集成在一个小型机箱内,提供 PROFIBUS 的联网方式(通讯速率达 12Mbps)或集成的 UO 和 RS232 接口。OMS 视觉系统,是由原联邦德国制造生产的商业通用系统,它能够完成物体的识别及特征的检测等任务,操作模式可以是交互式的、主动的以及被动的三种,典型的应用是机械零件的分类、装配以及质量控制等。此外,加拿大、比利时等国,在图像采集、图像处理等方面都具有丰富的经验。
1.4 国外机器人制造商生产的视觉工业机器人产品
伴随着科技的进步和生产技术的发展,基于机器视觉技术的工业机器人的研究越来越得到广泛的关注,并且已经出现一大批科技成果,并在实际生产中得到了很好的应用。 国外在对基于机器视觉的工业机器人的研究上已经做了很多工作,并且已经有很多突破性成果。日本学者 S.Murakami 等研究的弧焊机器人焊缝跟踪控制系统,采用了视觉传感器并用神经网络进行图像处理以获得焊缝的形状数据,能有效地进行焊缝跟踪。 澳大利亚 Western 大学研制的 Australia’s Telerobot,它是一个带有摄像机的具有六个自由度的工业机器人,用户可以控制拍摄静态图像并对图像进行处理,生成空间位置,通过不断拍摄和更新图像得到空间位置后,通过对位置信息的处理实现了基于空间坐标系的积木块的摆设。欧宝、保时捷等知名品牌汽车的生产线,使用了 12 台摄像机进行模式识别和 3D 定位,可以对车身进行高精度的密封生产。瑞士 SIG 公司研发的一种结合视觉系统,适用在高速输送机上取件的并联机器人 XR22,可以通过 2D 定位,迅速将输送机上随机的货物抓取,并在包装盒中按顺序序摆放整齐。图 1.1 为 2007 年日本机器人顶级荣誉获得者——Fanuc 公司的超快双臂工业机器人系统。该系统装配有两个M-430iA 机器人手臂和可视