【《基于视觉引导机器人的发展研究国内外文献综述》2700字】

基于视觉引导机器人的发展研究国内外文献综述1.1基于视觉引导机器人的发展现状1950年代，新的视觉效果相机开始出现在二维视觉和视敏度领域，Roberts开发了像前成像，建模和视觉成像等概念。80年后，它开始迅速发展。介绍视觉技术和机器人技术服务，目标识别，负载，下载，焊接，配置等。目前，光学技术领域已经在国外研究了很多年，但是引入了许多主要技术，市场竞争激烈。瑞士公司ABBRobotics推出了F1exPickerIRB360选件机器人，该机器人具有ABBRobotics开发的2D视觉系统，机器人选择机器人的速度可以达到每分钟一秒钟，如图1.1所示。由S.Murakami代表的日本科学家开发了一种跟踪控制系统，用于焊接机械领域。控制系统通过光学传感器收集焊接类型的图像数据，并使用传感器网络处理图像。排列图像数据，然后确定焊缝类型。日本FANUC公司开发了新的iRVision视觉系统，该系统可用于二维和三维显示。它的主要任务是找到零件的位置，并将此系统很好地集成到工业机器人显示器中。使用视觉传感器时，机械臂的最终操作员将握住并定位该位置，如图1.2所示。图1.1ABB公司F1exPickerIRB360拾取机器人图1.2FANUC公司的iRVision视觉系统德国公司ISRAVISION于2017年推出了新的IntelliPICK3D显示屏和CIROS显示屏，如图1.3所示。由于该公司已经开发了图形设计软件，因此用户不需要所有操作系统的工作经验和专业知识，并且集成了不同的测试系统，因此具有很高的安全性。IntelliPICK3D系统通过时变修改，云系统和网格部分接收有关对象识别的信息，以便可以清楚地识别复杂的零件，并可以快速消除输出和目标。图1.3德国ISRAVISION公司的IntelliPICK3D系统我国对视觉引导与工业机器人相结合的研究相对滞后。同时，我国是一个制造大国，对视觉引导技术的需求很高。在2011年和2011年市场规模分别达到8.3亿元和10.8亿元的情况下，我国将其自身的研究兴趣结合了机器人技术和视觉引导技术，纳入了其高科技发展计划。..并看到国外的先进技术。由于制造技术和机电设备技术的未来发展方向是智能化和数字化的，因此日本通过结合视觉引导和机器人增加了对科研的投入，并取得了良好的效果。郑州大学的曾松金，薛文凯，徐伯帆等人共同设计了一种双目视觉引导机器人抓取系统。通过放置工具板和间接放置工件，可以通过双眼引导机器人完成抓握。中国海洋大学的谢泽晓及其同事设计了一种结构化的基于光的视觉系统，以实现目标定位。目的是基于单眼视觉实现目标的3D定位。您需要使用结构化的线条灯来扫描目标对象并重建3D对象。获取目标对象的3D坐标后，发送机器人以完成捕获。武汉固铂科技有限公司设计了一套3D视觉分类系统。该系统使用RGB-D相机收集目标对象的图像数据，然后对收集的数据执行图像处理以获得目标对象的深度位置。在深水族箱下。接下来，对机器人和相机进行校准以计算它们之间的位置关系，最后计算出机器人下方物体的位置坐标，最后抓住物体。1.2目标识别发展现状在技术指导视野中，聚焦特征是指根据CCD传感器收集的图像或视频图像对定义的对象进行识别和配置。其中，目标识别的准确性在创新制导技术中起着重要作用。因此，视觉引导技术主要由目标乳膏角引入。目的的概念有两个方面。第一步是从目标中提取计划信息，并将该计划信息用作意识的基础。现在，基于特征信息，可以在大小，颜色，形状标识，文本标识和关系空间等方面共享常用的标识信息，以构建可以表示所需内容的数据库。第二步是模型的知识，通过查找相机生成的图像获得的认知知识是包含对象知识的知识。可以确定当前对象是否是实现身份的客观目标。经过多年的机器视觉发展，有多种识别方法，但是这些方法几乎完全基于目的的性质。1991年，Swain和Ballard设计了一种颜色直方图系统，以读取对象对象的颜色识别信息，然后将其与对象对象的先前颜色直方图进行比较，并确定需要什么。LoweDG研究了设计过程，该过程从不变的图像中提取各种特征，并根据不同的条件进行分析。流行的功能通过最新算法添加到数据库，并且进行了Hough更改。SarkateRS使用花卉技术来识别花朵，从训练中提取花朵布置，并在第4类的深度学习中分配花朵。最近的一项实验结果表明，机器学习系统能够实现98％的花朵接受程度。于亚玲等，KNN点云聚类和NCC匹配方法相结合。首先，使用NCC模板定位目标图像的中心点，然后使用KNN点云聚类方法在标记点处分割目标对象，最后识别出目标。夏文杰，陆毅，郭斌等通过摄像头在机器人工作空间中收集目标图像，并通过灰度阈值分割，滤波处理，光圈操作并封闭目标对象的图像和边缘来获得目标功能；最后通过捕捉和质心方法计算得到目标的中心坐标和旋转角度。杨国国，鲍一丹，刘自宜等人将神经网络模型与图像突出分析相结合，对害虫进行识别和定位。最终的实验结果表明，识别精度大大提高，模型的内存减少了。需求和操作时间的消耗，提高了操作效率。周伟峰等人将支持向量机和组合矩阵相结合，从目标对象中提取特征信息，然后对特征信息进行分类，减小特征矩阵的维数，完成目标识别。基于上述发展情况，随着智能制造的迅猛发展，传统的工业机器人已经不能满足现代工业的需求，极大地限制了工业机器人的应用范围。因此，视觉引导技术和工业机器人技术的结合是制造业的未来。参考文献[1]解则晓,陈文柱,迟书凯,牟楠.基于结构光视觉引导的工业机器人定位系统[J].光学学报,2016,36(10)：400-407.[2]段琪,张东波,胡扬.基于视觉引导的浸漆炉上料系统研究[J].计算机工程与应用,2017,53(07)：223-230+270.[3]党宏社,张超,庞毅.基于视觉引导的工业机器人快速分拣系统研究[J].电子器件,2017,40(02)：481-483.[4]党宏社,候金良,强华,张超.基于视觉引导的SCARA机器人自动装配系统[J].电子技术应用,2017,43(05)：21-24.[5]张明建,曾伟明.基于机器视觉的小型电机自动装配研究[J].制造技术与机床,2017(06)：124-128.[6]罗炳军,黄本法,郭联金,刘富兴,万松峰.搬运机器人视觉引导定位技术的研究[J].新型工业化,2017,7(03)：12-19.[7]汪汝.视觉引导工业机器人定位抓取系统设计研究[J].数字技术与应用,2017(07)：169+173.[8]姚钢.基于视觉引导的工业机器人拾取技术仿真研究[J].机械工程与自动化,2020(06)：37-39+42.[9]李静轩,顾祥.多目视觉下的工业机器人应用研究[J].计算机产品与流通,2020(02)：124.[10]刘亦晴.工业机器人智能视觉引导技术发展及其运用[J].科技经济市场,2020(04)：3-3.[11]白云磊.工业机器人智能视觉引导技术的相关问题探讨[J].农家参谋,2020(18)：123.[12]王绍杰,党学明,金伟伟.用于机器人视觉引导的GrabCut算法的改进[J].电子元器件与信息技术,2020,4(08)：70-71+77.[13]俞隽,李泷杲,李根,主逵.一种基于多线结构光视觉引导的工业机器人定位方法[J].航空制造技术,2020,63(22)：84-91.[14]倪自强,王田苗,刘达.基于视觉引导的工业机器人示教编程系统[J].北京航空航天大学学报,2016,42(03)：562-568.[15]翟敬梅,董鹏飞,张铁.基于视觉引导的工业机器人定位抓取系统设计[J].机械设计与研究,2014,30(05)：43-49.[16]王健强,吕游.一种面向工业机器人