智能制造技术与数字化工厂 5-7课后习题参考答案

第五章课后习题为什么机器人编程时推荐使用位置变量，而不是直接插入位置点？答：可以直接在程序中插入运动点，通过在运动过程中插入运动指令——序点这种方法插入的运动指令点为程序指令规运动指令。临时程序点（即将当前位置点信息编入示教程序，但其与位置型变量不同之处在于没有序号，无法重复调用，所以一般建立比较复杂的程序时不推荐直接插入运动点）。简述一下启动机器人工作站的流程。答：把电控柜侧板上的主电源开关扳到接通(ON)的位置，此时主电源接通。确认急停开关松开，将模式旋钮旋转到示教模式。在示教界面选中【系统信息】→【选择用户权限】，开启出厂设置用户权限（密码：999999）。示教模式下，按下轴操作键，机器人各轴可移动至所希望的位置，各轴的运动根据所选坐标系而变化。各轴只在按住各轴操作键时才可运动，按下此键后，伺服电源接通。操作前需要在示教模式下，按下【伺服准备】键，伺服电源接通时，示教器上的伺服准备指示灯处于常亮状态。此时若紧按【三段开关】，或松开【三段开关】，伺服电源切断。通过按钮操作机器人运动，操作前，观察示教器上的伺服准备提示灯亮起。如果伺服准备提示灯未亮，则说明此时还不是处于可移动状态下，检查【模式旋钮】、【三段开关】和伺服准备提示灯是否启动。可以通过速度按钮直接调节机器人示教速度，或用【上档】键＋速度按钮调节再现速度。建议合理低速运行。码垛的矩阵是怎么进行计算得到的？答：①输入码垛号，按照实际要求输入码垛配置参数：行、列和每层工件摆放个数以及厚度，实际码垛顺序，比如“列行层”，表示：先排列，换行，行满换层。②机器人进入码垛矩阵的进入点，该位置会随着层高变化。机器人到准确码垛位置前的过渡位置，有XYZ三个方向的偏置：X1：列号方向Y1：行号方向Z1：层号方向机器人到准确码垛位置前的过渡位置，只有Z方向的偏置，P1003=P1001.Z③按照实际需求设置放货点P1002高度H；按照实际要求分别设置P1005的偏置X2、偏置Y2、偏置Z2：码垛过程中放货点距离码垛实际位置的偏置距离H；同P1001，机器人到准确码垛位置前的过渡位置，有XYZ三个方向的偏置：X2：列号方向Y2：行号方向Z2：层号方向码垛起始位置，工件序号为1的位置第一行最后一个，列方向结束点位置，姿态与P1相同。如果只有一列，P2不用记录最后一行第一个，行方向结束点位置，姿态与P1相同，如果只有一行，P3与P1重合P1沿着摆放高度方向一个点，姿态与P1相同，用来标定摆放上升高度方向注：记录P1~P4过程中，可以先记录P1，然后记录P4，使用运动到该点方式运动到P1，移动机器人记录P2，回到大致P1位置附近，使用运动到该点回到P1，最后记录P3通过视觉模板标定，相机的像素坐标怎样转换成机器人坐标？答：通过视觉模板标定，将相机的像素坐标转换成机器人坐标涉及几个步骤，包括相机校准、相机坐标到世界坐标的转换，以及最终到机器人坐标的映射。①相机校准在进行坐标转换之前，必须确定相机的内部参数和畸变系数。这包括相机的焦距、光学中心、镜头畸变等。这些参数通常通过相机标定获得。常见的标定方法包括使用棋盘格或圆点图案来计算相机参数。②计算外部参数外部参数描述相机在世界坐标系中的位置和方向。通过与视觉模板或其他标定参考物的对齐，可以确定相机相对于世界坐标系的位置和旋转矩阵。这一步通常涉及将模板的实际物理坐标与相应的像素坐标进行比较，从而计算相机的旋转和位移。③像素坐标到相机坐标的转换一旦获得了相机的内外部参数，可以将像素坐标转换为相机坐标。这个过程涉及到将二维像素坐标转换为三维相机坐标。主要使用的公式是：将像素坐标减去光学中心，并除以焦距，以获得归一化坐标。使用反畸变来纠正畸变。④相机坐标到世界坐标的转换一旦获得了相机坐标，可以使用外部参数（旋转矩阵和平移向量）将其转换为世界坐标。通常的计算方法是：使用旋转矩阵将相机坐标转换到世界坐标系。添加平移向量，以获得最终的世界坐标。⑤世界坐标到机器人坐标的转换这一步需要了解机器人坐标系与世界坐标系之间的关系。这通常涉及机器人的几何配置和初始校准。主要考虑的因素是机器人在世界坐标系中的位置和方向，以及任何额外的偏移。机器视觉有哪些常用功能？一般应用在哪些场景？答：①测量应用主要用于测量零部件以及各类产品的尺寸否合格。除了利用工业相机进行二维的尺寸测量外，目前可利用结构光、3DTOF等技术实现三维尺寸测量。对产品的基本特征尺寸、装配效果、提供高精度监控。②图像识别图像识别，简单讲就是使用机器视觉处理、分析和理解图像，识别各种各样的的对象和目标，功能非常强大。目前主要识别的内容有人、车辆等各类目标物。在工业领域对带有明确信息的标识，OCR、一维码、二维码等常有识别需求。③定位应用在工业应用中，利用机器视觉对部件或产品进行定位。这种定位应用多会辅助机器人或者其他执行机构以实现相关的动作。一般来说，定位可协助机器人实现喷漆、涂胶、抓取、焊接等动作。④物体分拣在机器视觉应用环节中，物体分拣应用是建立在识别、检测之后的一个环节，通过机器视觉系统将图像进行处理，结合机械臂的使用实现产品分拣。⑤视频/监控分析人工智能技术可以对结构化的人、车、物等视频内容信息进行快速检索、查询。这项应用使得让公安系统在繁杂的监控视频中搜寻到罪犯的有了可能。在大量人群流动的交通枢纽，该技术也被广泛用于人群分析、防控预警等。⑥食品包装与制药行业应用机器视觉在食品包装领域适用范围广泛，可用于检测瓶子的分类和液位测量、标签、盖子、盒子的检查，以及瓶的形状、尺寸、密封性和完整性。机器视觉在药品包装、质量检测及控制等多个方面有广大作为，助力医药行业加快现代化、智能化进程。目前，在数粒、打码、泡罩版缺粒、药品残缺和断片、加装说明书、编码识别等检测环节，机器视觉检测内容丰富、稳定、精确，满足医药行业包装线经常变包装产品的需求。⑦图像及视频编辑目前市场上也出现了很多运用及机器学习算法对图像进行处理，可以实现对图片的自动修复、美化、变换效果等操作。并且越来越受到用户青睐。⑧汽车制造行业汽车制造质量原先主要依靠三坐标测量完成，效率低、时间长、数据量严重不足，且只能离线测量。机器视觉引入非接触测量技术，逐步发展成固定式在线测量站与机器人柔性在线测量站等在线测量系统，可严格监控车身尺寸波动，提供数据支持。机器视觉检测系统可以对产品进行制造工艺检测、自动化跟踪、追溯与控制等，包括通过光学字符识别(OCR)技术获取车身零件编码以保证零件在整个制造过程中的可追溯性，通过识别零件的存在或缺失以保证部件装配的完整性，以及通过视觉技术识别产品表面缺陷或加工工具是否存在缺陷以保证生产质量。⑨消费电子行业机器视觉在消费电子领域，以PCB/FPCAOI检测、零部件及整机外观检测、装配引导等