提出了一种基于机器视觉的鞋底运动轨迹识别新方法,首先,自主开发了鞋机自动涂胶系统。引入视觉检测技术,采集鞋底图像,对采集到图像进行中值滤波及灰度增强处理。在此基础上,对遗传算法进行深入研究,研究了基于遗传算法的图像阈值分割方法。结果表明,与传统的ostu法相比,新方法能较好地去除鞋底周边的干扰,准确提取鞋底信息。最后对分割后的图像进行了数学形态学及边缘检测处理,以提取鞋底轮廓边缘,最终的图像误差为±0.03mm,为下一步鞋底涂胶轨迹的自动生成奠定基础。

针对机器人运动学正、逆解推导过程复杂，计算量大的情况，提出了一种基于神经网络的机器人运动学正、逆解计算新方法。首先搭建了6自由度工业机器人实验平台，操纵机器人沿某一轨迹运动，记录下机器人在采样时刻的姿态角、坐标及关节角，获取实验数据。在此基础上，设计了一个三层神经网络，输入所采集到的数据进行训练，构建了机器人运动正反解神经网络模型。文章最后对所构建的模型进行验证，验证结果表明，由运动学模型所得到的预测值与实际的测量值误差小，模型具有较高的准确度。