视觉坐标机器人 测量节拍时间如何分配它的节拍

工具类服务
编辑部专用服务
作者专用服务
锻压线搬运机器人视觉标定与过程仿真
为了提高锻压生产线的柔性化水平,本文针对汽车锻压线的具体工况要求,设计了一套机器视觉控制系统。对机器人视觉标定以及锻压生产线上的工件特征提取技术进行了研究,最终实现工位上机器人对锻件的快速准确搬运。最后采用CATIA软件对汽车锻压线的加工过程进行了建模、仿真工作。  结合汽车锻压线的精度要求以及实验条件,采用Eye-to-hand手眼标定方法确定了机器人和CCD间的关系。基于两种方法对待加工工件的空间位姿进行视觉标定,快速准确的完成了摄像机的内外参数标定。  针对锻压生产线锻件图像的特征,设计了一套行之有效的图像处理方法。采用图像灰度化、反差增强、二值化、中值滤波、边缘提取、特征点检测对锻件图像进行了处理,基本消除了工况现场的其它噪声,提取到了锻件有用的特征信息。  基于VC++6.0编制了一套机器人视觉控制系统的控制软件,经试验和分析,该软件的整个图像处理过程平均在250ms,满足机器人视觉控制系统实时性的要求,验证了图像处理算法和控制算法的有效性。通过对工件坐标数据进行比对,得到机器人搬运的平均误差小于0.3%,精度和稳定性满足生产线的实际需要。  采用CATIAV5软件,对锻压线的整个生产线进行了建模,利用CATIAV5环境下的机器人离线编程软件DELMIA对整个生产线的加工过程进行了仿真。并进行了锻压线生产节拍的分析工作,最后对锻压线的工厂布局以及节拍优化提出合理的建议。
学科专业:
授予学位:
学位授予单位:
导师姓名:
学位年度:
在线出版日期:
本文读者也读过
相关检索词
万方数据知识服务平台--国家科技支撑计划资助项目(编号:2006BAH03B01)(C)北京万方数据股份有限公司
万方数据电子出版社NAO机器人(3)
趁着比赛将近,总结一下对于NAO机器人摄像头坐标转换问题的理解。
一.问题的来由:
为了让NAO机器人识别某个物体,然后走到物体面前一段距离的位置停止,需要知道NAO和物体的距离和角度。通过查找aldebaran documentation可知用函数getTargetPositon()可以得到某些特定的物体的坐标。
但是对于一般的物体而言这个并没有什么卵用。。
二.解决办法 &
& & 用简单的单目测距原理和相似三角形原理作一个坐标变换:
& & 设以摄像头为坐标原点的坐标系为A(原点:摄像头镜头,X轴正前方,Y轴左前方)
& & & &以摄像头焦平面为坐标原点的坐标系为B(原点:2D图像中心(640x480的图就是(320,240)啦),注意这个X轴和Y轴方向如图所示:
图中的角60.97°和47.64°分别是NAO机器人的水平张角和垂直张角。
由三角函数变换:alpha=((320-x)/640)*60.97*pi/180
& & &beta=((y-240)/480)*47.64*pi/180
由NAO提供的API,getAngles()参数设置成HeadYaw和HeadPitch获得头部姿态,假设是Rotation1和Rotation2,则可以得到校正后的alpha'和beta':
alpha'=alpha+Rotation1
beta'=beta+Rotation2
然后通过AngleInterpolation()将头部转到目标物中间,理想状态下应该物体重心点正好在图像的中心(320,240)
三.接着就可以测量距离啦
通过以上变换是为了让机器人的摄像头正好对准物体中心,这样构造出来的计算距离的模型会是一个平面三角形,简化了计算。
V5的NAO身高H总共是459.59mm,假设物体长度L,则有:
tan(phi+theta)=(H-L/2)/S
& & 其中theta是下摄像头和水平方向夹角,为39.7° &
& & phi可以由函数getangle()带入参数&HeadPitch&得到
& & 将已知条件代入即可得到距离S
以上是一种简单的获得物体坐标的方式,其优点是写代码简单快捷,缺点是没有摄像头标定精度较低,且应用范围较小。可作为替代的还有双目视觉和采用深度摄像头获得三维坐标的方案,等有空再更新。
参考知识库
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
访问:1829次
排名:千里之外
(1)(1)(1)(2)机器人技术习题一_百度文库
两大类热门资源免费畅读
续费一年阅读会员,立省24元!
机器人技术习题一
上传于||文档简介
&&东​北​大​学​网​络​教​育
阅读已结束,如果下载本文需要使用1下载券
想免费下载本文?
定制HR最喜欢的简历
下载文档到电脑,查找使用更方便
还剩2页未读,继续阅读
定制HR最喜欢的简历
你可能喜欢

我要回帖

更多关于 机器人节拍分析 的文章

 

随机推荐