基于機(jī)器視覺識別系統(tǒng)的機(jī)器人自動裝配生產(chǎn)線

基于機(jī)器視覺識別技術(shù)，對機(jī)器人抓取系統(tǒng)進(jìn)行設(shè)計，能夠根據(jù)零件的圖形識別與定位進(jìn)行自動精準(zhǔn)抓取，從而完成生產(chǎn)過程中的自動裝配。該技術(shù)應(yīng)用后，能夠大幅度提升自動裝配生產(chǎn)線的工作效率，也能避免在生產(chǎn)過程中出現(xiàn)抓取錯誤以及其他生產(chǎn)質(zhì)量問題。

機(jī)器視覺識別技術(shù)包含預(yù)處理與分割、特征提取與識別、零件定位。

（圖來源于互聯(lián)網(wǎng)，與本文無關(guān)）

機(jī)器視覺識別系統(tǒng)首先需要對零件進(jìn)行預(yù)處理與分割，判斷零件的圖像參數(shù)。利用視覺傳感器掃描零件，根據(jù)掃描所得到的參數(shù)，對零件所在位置，以及零件的基本圖形生成預(yù)期模型。排除在分析過程中干擾因素帶來的影響，并在此基礎(chǔ)上進(jìn)行濾波后的預(yù)處理。通過預(yù)處理并對圖像進(jìn)行獨(dú)立分割后，能夠確定單一零件所在位置。在此基礎(chǔ)上開展的后續(xù)分析任務(wù)，彼此之間才不會產(chǎn)生干擾。預(yù)處理與分割過程中，對于參數(shù)干擾還應(yīng)該加強(qiáng)控制，能夠在分割過程中排除干擾，最大程度確保使用安全性。分割的闕值由最優(yōu)闕值化方法確定，直方圖采用正態(tài)分布的概率密度函數(shù)近似，正態(tài)分布參數(shù)的估計按照使物體和背景間的灰度變化最大化來選取。

對零件圖像進(jìn)行識別處理中需要針對零件的特征進(jìn)行提取，通過特征提取確定零件邊緣信息，并對零件的邊緣數(shù)據(jù)精準(zhǔn)描述。在此基礎(chǔ)上，構(gòu)建生成零件識別后的圖像綜合處理控制能力，根據(jù)處理過程中的各類分割信息，對最終的功能結(jié)構(gòu)進(jìn)一步強(qiáng)化。特征提取與識別是相對的功能，需要連續(xù)進(jìn)行，并且在特征提取分析期間，還應(yīng)該描述出零件在自動裝配生產(chǎn)線上的運(yùn)動情況，在此基礎(chǔ)上才能夠根據(jù)零件的運(yùn)動情況以及具體所在位置，確定接下來需要進(jìn)行的生產(chǎn)任務(wù)。在特征提取以及識別過程中，對于圖像的預(yù)處理參數(shù)誤差需要及時調(diào)整，這一環(huán)節(jié)最重要的是對邊緣特征精準(zhǔn)確定，并對預(yù)處理階段產(chǎn)生的各類分割誤差校對。確保特征提取識別后最終的圖像綜合控制能力能夠得到提升，才能進(jìn)入到接下來的自動裝配生產(chǎn)階段。對生產(chǎn)過程中的各類特征進(jìn)行動態(tài)描述，識別零件的具體位置，進(jìn)行自動化抓取，完成對零件的綜合控制。

基于零件識別與圖像處理基礎(chǔ)上進(jìn)行的零件自動裝配，最終功能是對零件進(jìn)行定位。在零件定位后，配合抓取動作，直接完成零件的生產(chǎn)調(diào)控。抓取過程中綜合調(diào)整零件的各項(xiàng)參數(shù)，根據(jù)參數(shù)反饋以及邊緣描述確定零件所在位置，由于在自動裝配生產(chǎn)線中零件是不斷變化的。因此，還需要根據(jù)零件的運(yùn)動速度確定接下來的所在位置，實(shí)現(xiàn)對零件的自動抓取功能。