通过研究基于MDH模型的工业机器人标定算法与视觉引导方法,建立工业机器人视觉引导算法模型,在MDH模型中建立21个基坐标点、7个关节轴线,进行工业机器人的坐标精确标定和视觉引导。研究表明视觉引导神经网络革新算法可提升机器人绝对定位精度,较早期算法标准偏差率降低80.37%,最大偏差比降低73.38%,工业机器人的标准偏差率和最大偏差比得到合理控制,有利于提升机器人标定精度和视觉引导效果。

针对某LED打标移送控制出现移动丢步、漏打和打标质量差等问题,为了实现进给控制的高响应、高精度和高稳定性的要求,提出了一种基于视觉引导的粗微进给控制方法。设计了一种采用步进电动机+滚珠丝杠(粗进给)+压电驱动(微进给)的复合结构控制系统,并构建了直线精密进给移送控制系统,解决了既要大位移的进给控制,又得保证打标的精确定位要求;采用视觉引导和图像处理技术相结合的前馈控制系统,完成了对支架图像参数匹配和实时位置检测,实现了50 mm范围内的定位精确达3.468×10^2μm。样机测试结果表明,LED晶片打标移送重复定位精度高,打标质量稳定,打标良品率达到99.3%的效果,具有很强的实用前景。

工件轮廓的配准是机器人视觉引导系统中对工件位姿感知的重要组成部分,通过工件轮廓与模板轮廓的配准可以获得工件的位姿信息,从而引导机器人进行抓取和安装。文中针对图像配准算法中特征提取的SIFT算法计算复杂、特征提取效率慢的缺点,在工件轮廓特征提取过程中,直接在原图像上计算高斯尺度空间图像,不进行上下采样,最后在高斯差分图像上寻找极值点作为轮廓特征点,最后通过与模板提取的特征点进行逐个匹配,按照重合度进行排序,选择重合度最高的特征点计算仿射变换的参数。实验表明,改进的SIFT算法能够完成工件轮廓图像与模板轮廓图像的配准,并将特征提取速度提高了近10倍。

针对目前工业机器人上料时大都采用预先示教的方式,一旦工作条件发生变化就会导致抓取失败的问题,研究了一种基于视觉引导FANUC机器人的抓取系统,提高了机器人柔性化抓取能力。系统采用单目视觉定位方法将图像中的特征点通过相机标定参数、Eye-in-Hand手眼标定参数转换为机器人基坐标系下的位姿,利用FANUC Robot Interface实现上位机与机器人通信并把定位结果发送到机器人位置寄存器,引导机器人运动到相应位置并通过末端执行器完成对空心圆柱体工件的抓取。经过多次抓取实验数据分析,该系统定位误差在0.5mm以内,具有很好的实际应用价值。