工業(yè)機器人智能打磨視覺系統(tǒng)中鑄件飛邊信息提取關(guān)鍵技術(shù)研究與應(yīng)用.pdf

1、隨著社會工業(yè)化的不斷深入，越來越多的機器人被運用到工廠當中，但是采用人工對鑄件進行清理打磨比例仍然很大并且以傳統(tǒng)的錘擊和普通砂輪機研磨方式為主，這樣不僅加重了企業(yè)的負擔，與此同時惡劣的打磨環(huán)境對工人的身體健康也造成了巨大的危害。因而研究智能打磨視覺系統(tǒng)相關(guān)技術(shù)具有重要意義。本文重點研究鑄件生產(chǎn)線中工業(yè)機器人智能打磨系統(tǒng)的關(guān)鍵視覺處理技術(shù)，利用視覺圖像處理，感知鑄件飛邊的位置與大小，為工業(yè)機器人運動控制提供參考，以提高機器人的工作效率與安

2、全可靠性。但是工業(yè)鑄件生產(chǎn)線生產(chǎn)條件非常惡劣，而且目前鑄件行業(yè)利潤較低，為了降低成本，視覺系統(tǒng)采用低端攝像機，這樣給本文的研究帶來較大的挑戰(zhàn)。本文的研究內(nèi)容主要包括以下幾點:
　　1.本文在對鑄件飛邊的提取中，主要考慮使用鑄件具有豐富幾何邊緣的特性，同時考慮實際工作中的惡劣環(huán)境。首先，對成熟算子進行篩選，在此基礎(chǔ)上，設(shè)計了一種鑄件邊緣檢測效果的評價指標。該指標從漏檢率和最小方差這兩個方面進行邊緣檢測效果的評價。其次，利用本文設(shè)計的

3、鑄件邊緣檢測評價指標進行實驗，記錄實驗數(shù)據(jù)并與主觀評價進行比較。實驗結(jié)果表明，該指標與人為主觀評價結(jié)果是一致的，這為生產(chǎn)線視覺識別飛邊位置與大小提供了可靠性保障。
　　2.本文在上一步驟邊緣檢測的基礎(chǔ)上，提出了針對鑄件幾何空間優(yōu)化的方法。在復雜的工業(yè)應(yīng)用環(huán)境中，經(jīng)過邊緣檢測的鑄件圖像，包含大量的干擾信息以及很多有效的幾何信息，為了獲得更加準確的匹配，使下一步對飛邊的檢測更加準確，本文利用線分叉度以及周長大小等幾何特征，實現(xiàn)針對鑄件

4、幾何空間的優(yōu)化。具體應(yīng)用上，本文利用SIFT算法和SURF算法對鑄件圖像特征點進行提取和配準，分析了兩種算法對鑄件特征配準的效果;并且根據(jù)鑄件圖像的幾何邊緣特征，進行幾何空間優(yōu)化，去掉了背景中的特征點干擾，使特征點更加集中在鑄件上;最后，本文再將鑄件圖像進行全局和局部處理。實驗表明，利用幾何優(yōu)化富集特征點后，可以進行局部處理進而獲得更加精準的匹配結(jié)果。
　　3.本文利用以上的分析結(jié)果，設(shè)計了一個圖像空間到物理空間的處理流程，實現(xiàn)了