《基于机器视觉的工业机器人控制系统设计与研究》论文笔记

链接：Design and Research of Industrial Robot Control System Based on Machine Vision | IEEE Conference Publication | IEEE Xplore

人们通过视觉获得80%的外部信息。视觉是人们获取信息的有力而有效的方式。因此，让工业机器人有远见，一直是人们多年来的梦想。随着计算机视觉的出现，机器人拥有视觉成为可能。机器人视觉是从获得的图像信息中进行图像处理，并快速反馈信息，使计算机给出控制信号。基于机器视觉，对工业机器人控制系统的设计进行了研究与分析。

视觉是物体在可见光的照射下，在人眼的视网膜上呈现图像。图像被转换成脉冲信号并传输到大脑，供大脑处理和理解它。视觉是人们获取信息的有力而有效的方式。80%的外部信息感知是通过视觉获得的。这表明，对视觉的研究具有重要意义。让工业机器人有远见，是人们多年来的梦想。物体的图像被相机获取并转换为数字信号，然后使用计算机技术来处理视觉信息，这被称为计算机视觉[1]-[6]。

机器人最早应用于工业生产，在工业生产中也得到了越来越广泛的应用。“工业机器人”的具体领域在机器人中逐渐显现出来。近年来，越来越多的企业开始将工业机器人引入工业生产的流水线。由于工业机器人工作效率高，重复性定位精度高，使用寿命长，并且能够长时间连续高效地工作，因此可以提高工作效率，保证所生产产品的质量，因此广泛应用于各个行业。现阶段，工业机器人可以替代人工焊接、装配、加工、喷涂、码垛等操作，极大地推动了机械制造、货物储运、电子设备组装的发展[7]–[12]。

工业机器人是FMS（柔性制造系统）的重要组成部分。机器人具有良好的适应性和灵活性，是自动化生产系统中不可或缺的一部分。数以百万计的不同类型的工业机器人正在世界各地各行各业的生产线上工作，但这些工业机器人大多通过预编程或“教学再现”来完成工作。机器人的姿势和每个动作都是规定的，它们只是从一个位置到另一个位置的固定运动。但有时，工作对象的位置会因变形或偏移而改变。这样，机器人很难仅通过示教来完成目标对象的处理。机器人无法在复杂多变的工作环境中保持高效率和高质量的工作条件，这极大地限制了工业机器人的实际应用范围[13]–[17]。

随着计算技术的发展和生产自动化的提高，工业机器人技术逐渐成熟，呈现出多学科、多专业化、跨领域发展的迹象。工业机器人主要用于劳动环境恶劣、产品质量要求高的场合。使用工业机器人可以提高生产自动化水平，提高劳动生产率，改善劳动环境，增加经济效益。随着当今社会的快速发展，人们对各种产品提出了更高的要求，同时更加注重自身的健康状况，导致一些生产环境恶劣的工厂或企业出现劳动力短缺。许多公司或工厂都没有工人可以招聘。针对这一现象，一些企业已经开始引进工业机器人生产设备，未来几年对国产工业机器人的需求将逐年增加。现在市场上比较常见的机器人包括国外品牌，如ABB，FANUC，MOTOMAN，PANASONIC，KUKA等;国产品牌主要有沈阳鑫松机器人和深圳中卫兴机器人，应用范围广泛，主要应用于装配、搬运、码垛、弧焊、点焊、包装、喷涂、压铸、切割等领域[18]–[21]。

美国斯坦福研究所很早就开发了一种名为Shakey的机器人。它不仅有一个“眼睛车”系统，还有一个光学测距仪和一个可移动的相机。Shakey视觉系统的主要功能是识别一定范围内的目标物体，然后利用算法规划其运动路径，从而识别和跟踪目标物体。日本大阪大学开发了一种双目自适应视觉系统，它以图像中三个相对静态的标志为参考，通过雅可比矩阵计算目标物体的运动状态，从而能够自适应地跟踪运动状态未知的目标物体。与传统的视觉跟踪系统相比，该系统不需要校准相机的内部和外部参数，而是需要在拍摄的每张图像上都有一个相对静态的标记作为参考。2004年，美国宇航局和航天发射的“火星车”成功登陆火星[22]–[24]。

第二节.建议的方法

A. 机器视觉

机器视觉系统由视觉传感器、采集系统和处理系统组成。视觉传感器主要用于获取整个机器视觉系统的信息。它由一个或多个图像传感器组成，有时需要其他辅助设备。它主要用于获取实际对象的初始图像。实际上，电视摄像机，数码相机和CCD相机可以用作视觉传感器。随着半导体集成技术和超大规模微处理技术的发展，CCD相机具有分辨率高、工作速度快等优点。此外，它还具有良好的可靠性，二维特性，几何畸变小，灵敏度高，无图像滞后。光投影仪通常使用普通的光源，主要用于照亮目标物体的实际特征。还有其他设备主要用于为传感器提供电源和控制接口。高速图像采集系统主要将视觉传感器获得的视频信号转换为计算机可以显示和处理的数字图像信号，并将该数字图像信号传输到计算机，以便计算机可以对其进行相应的预处理工作。

基于机器视觉的智能检测系统是在机器人控制系统中添加图像处理功能，利用工业相机的开源SDK库功能进行二次开发，采集目标图像，然后通过OpenCV进行图像处理，获取机柜的姿态参数。通过图像处理获得的参数用于自动调整搬运机器人的预期轨迹。根据调整后的轨迹，结合机器人控制系统，完成箱体零件的智能搬运。

相机初始化功能是初始化工业相机软件驱动模块，初始化工业相机的通信方式和图像采集功能，并配置图像的图像格式和大小;图像采集功能是使用软件驱动打开工业相机并触发采集A画面;图像处理功能是对采集到的图片进行图像处理，以处理盒子的姿态坐标参数;显示控制输出是图像处理的结果;机器人的控制与机械手的控制是将机器人控制称为系统中的程序函数。通过机器人控制接口调用图像处理接口，两个控制接口下的控制程序和参数可以相互使用。

B. 工业机器人

变结构控制：变结构系统是一种不连续的反馈控制系统。它的主要特点是在开关表面上构建滑块模型，简称“滑动模式”。滑模系统对参数和干涉不是很敏感，所以可以忽略每个关节的作用。变结构控制器的设计需要一定范围的参数，但不需要动力学模型的精度。变结构控制主要用于动态不确定的控制系统。

自适应控制：自适应控制是人类最近研究的最好的控制方法之一。它主要用于求解机器人动力学模型中的非线性和不确定因素（包括未知的系统参数，如摩擦力）。非线性动态特性，如工作环境和机器人工作过程中的非线性向心力、重力、科里奥利力等，以及控制问题中工作对象变化的性质和特征，在操作过程中，可以连续测量被控制对象的特性，控制系统可以根据新的特性实现闭环最优控制方法。测量的特征信息。

UP6机器人是日本安川电工公司生产的6自由度弧焊机器人，最大负载为6kg，重复精度为0.08mm。每个关节的动力由交流伺服电机提供，这确保了机器人在其工作中具有高度的精度。PC是一台普通计算机，通过RS232通讯线连接到机器人控制柜。用户可以使用高级编程语言开发机器人控制界面，以控制机器人完成不同的任务。本文中使用的上位机还配备了图像捕获卡，该卡通过传输线连接到CCD相机，可以捕获相机收集的模拟信号。通过A / D转换，它被保存到计算机的硬盘上供用户处理。

C. 控制系统

当机器人想要与外围设备同时完成某项任务时，它必须具有良好的控制系统，并且控制系统必须具有功能齐全，灵敏度和可靠性的特点。控制系统的任务是控制机器人完成任务的时间，运动路径和每个轴的运动顺序。控制系统首先用于控制自身，第二是实现与外围设备的协调控制。在这种设计中，控制系统主要用于完成运动控制功能。也就是说，当机器人从一个点移动到另一个点时，控制它的速度，加速度等。

基于机器视觉的箱体搬运机器人系统的组成如图3-1所示，包括：PC、工业相机、YASNAC XRC机器人控制柜、MOTOMAN-UP6六轴机械臂、抓手控制器和抓手。PC通过串口通信接口RS232与XRC YASNAC控制柜进行通信，即向XRC YASNAC控制柜发送控制命令，并读取控制柜内部的反馈信息;XRC YASNAC控制柜驱动MOTOMAN-UP6机器人手臂执行相应的通过RS232串口，读取机械手各关节扭矩传感器、角度传感器和碰撞检测传感器的反馈信息，并将其传输到PC;开环控制系统：其主要特点是：主体结构和主控简单;成本低廉，价格便宜。由于机械传动误差的开环系统没有反馈校正，位移精度通常不是很高，抗干扰能力很差。在控制过程中，如果受到各种干扰因素的影响，由于系统不能直接自动补偿，将直接影响控制效果。通常，它仅用于控制精度较低，控制性能较低的场合。

XIO02JANCD-是YA SNA C XRC控制驾驶室内部的核心运动控制器。抓手控制器通过 XIO02JANCD 运动控制器预留的 I/O 端口连接到 YASNAC XRC 控制柜。

PC可以通过JANCD-XIO02运动控制器发送。向抓手发出控制指令，以控制携带抓手的打开和关闭状态。

结论

机器人视觉是从获得的图像信息中进行图像处理，并快速反馈信息，使计算机给出控制信号。本文以机器视觉为基础，对工业机器人控制系统的设计进行了研究分析，首先介绍了机器视觉在各个方面的原理、发展历史和应用;然后，分析工业机器人的机械臂，设计杠杆和草图;最后，设计基于机器视觉的工业机器人控制系统。

《基于机器视觉的工业机器人控制系统设计与研究》论文笔记相关推荐

论文笔记之Understanding and Diagnosing Visual Tracking Systems
Understanding and Diagnosing Visual Tracking Systems 论文链接:http://dwz.cn/6qPeIb 本文的主要思想是为了剖析出一个跟踪算法中到 ...
《Understanding and Diagnosing Visual Tracking Systems》论文笔记
本人为目标追踪初入小白,在博客下第一次记录一下自己的论文笔记,如有差错,恳请批评指正!! 论文相关信息:<Understanding and Diagnosing Visual Tracking ...
论文笔记Understanding and Diagnosing Visual Tracking Systems
最近在看目标跟踪方面的论文,看到王乃岩博士发的一篇分析跟踪系统的文章,将目标跟踪系统拆分为多个独立的部分进行分析,比较各个部分的效果.本文主要对该论文的重点的一个大致翻译,刚入门,水平有限,如有理解错 ...
目标跟踪笔记Understanding and Diagnosing Visual Tracking Systems
Understanding and Diagnosing Visual Tracking Systems 原文链接:https://blog.csdn.net/u010515206/article/d ...
追踪系统分模块解析（Understanding and Diagnosing Visual Tracking Systems）
追踪系统分模块解析(Understanding and Diagnosing Visual Tracking Systems) PROJECT http://winsty.net/tracker_di ...
ICCV 2015 《Understanding and Diagnosing Visual Tracking Systems》论文笔记
目录写在前面文章大意一些benchmark 实验实验设置基本模型数据集实验1 Featrue Extractor 实验2 Observation Model 实验3 Motion Mod ...
Understanding and Diagnosing Visual Tracking Systems
文章把一个跟踪器分为几个模块,分别为motion model, feature extractor, observation model, model updater, and ensemble po ...
CVPR 2017 SANet:《SANet: Structure-Aware Network for Visual Tracking》论文笔记
理解出错之处望不吝指正. 本文模型叫做SANet.作者在论文中提到,CNN模型主要适用于类间判别,对于相似物体的判别能力不强.作者提出使用RNN对目标物体的self-structure进行建模,用于提 ...
ICCV 2017 UCT:《UCT: Learning Unified Convolutional Networks forReal-time Visual Tracking》论文笔记
理解出错之处望不吝指正. 本文模型叫做UCT.就像论文题目一样,作者提出了一个基于卷积神经网络的end2end的tracking模型.模型的整体结构如下图所示(图中实线代表online trackin ...
CVPR 2018 STRCF:《Learning Spatial-Temporal Regularized Correlation Filters for Visual Tracking》论文笔记
理解出错之处望不吝指正. 本文提出的模型叫做STRCF. 在DCF中存在边界效应,SRDCF在DCF的基础上中通过加入spatial惩罚项解决了边界效应,但是SRDCF在tracking的过程中要使用 ...

《基于机器视觉的工业机器人控制系统设计与研究》论文笔记

《基于机器视觉的工业机器人控制系统设计与研究》论文笔记相关推荐

最新文章

热门文章