应用自动化控制技术设计出一套自动化系统,用于汽车皮革零部件的粘合工作;根据粘合工艺需求,设计粘合剂的统一搅拌、供料及传输装置;根据皮革海绵特性,设计皮革海绵的自动传送和夹持装置;选用合适的上料、喷涂、粘合机器人,采用机器人视觉原理定位粘合剂的喷涂位置和粘合工作时皮革海绵的相对配合位置,改变现有的人工粘合皮革海绵工艺的质量差、效率低的现状,高效、稳定的完成汽车皮革部件地粘合工作,提高汽车皮革部件粘合工作的自动化水平。

基于室内高压开关柜带电作业场景,设计了一套视觉控制机械臂操作系统,通过深度相机获取RGB-D图像、自动分割柜体平面、准确计算目标姿态来控制机械臂的操作,在4种不同类型电力开关柜上的测试结果表明,系统的绝对定位精度小于1 mm。系统安装在亿嘉和科技股份有限公司的“羚羊”室内带电作业机器人上,在国内多处变电站的多次实验和实机运行结果证明了系统的有效性。

首先概述了国内外微装配系统的研究现状,在分析微装配系统的特点和功能需求基础上,提出一种基于计算机视觉伺服控制的微装配系统设计方案,详细描述了系统中精密三维微定位工作台、SMA微夹持作业工具以及视觉伺服控制系统等关键技术的解决方案,并以直径为几百微米级的典型微轴孔的装配为目标开展各项关键技术的试验研究.

更加自然和灵活的手势识别技术正逐渐成为智能移动机器人控制的重要人机接口。为了进一步提高基于计算机视觉的机器人导航控制的实时性和精度,提出了一种基于主成分分析(Principal Component Analysis,PCA)降维结合机器学习算法的手势识别方法。首先,对视觉摄像头捕获的手势图像进行预处理,具体包括图像二值化、中值滤波和形态学变换。然后通过PCA提取主要特征并对数据进行降维。最后结合机器学习中自组织神经网络(Self-Organizing Feature Maps,SOM)作为分类器应用于手势识别,具体采用的是学习向量量化(Learning Vector Quantization,LVQ)神经网络。静态手势实验测试结果表明:相比网络和K-means算法,提出方法缩短了手势识别时间,且识别准确率得到有效提高,验证了方法的有效性。