基于圖像識別的工業(yè)機器人軌跡規(guī)劃研究與應(yīng)用.pdf

1、近年來，隨著工業(yè)機器人技術(shù)和產(chǎn)業(yè)迅速發(fā)展，工業(yè)機器人在生產(chǎn)中的應(yīng)用日益廣泛，已成為現(xiàn)代先進制造業(yè)的關(guān)鍵支撐裝備。但伴隨著市場需求的不斷擴大以及科學(xué)技術(shù)的不斷發(fā)展，人們對工業(yè)機器人的實際應(yīng)用也提出了越來越高的要求。
　　本文研究了工業(yè)機器人相關(guān)的圖像識別及軌跡規(guī)劃理論與方法，主要包括基于對稱Hough圓變換法的輪轂圖像輪廓圓特征提取技術(shù)、基于曲率尺度空間的輪轂圖像輪廓角點特征提取技術(shù)以及基于圖像特征的輪轂加工軌跡規(guī)劃及生成方法。在提

2、出的理論基礎(chǔ)上，綜合各項算法的優(yōu)缺點，開發(fā)集成了工業(yè)機器人圖像識別自動化加工系統(tǒng)及相應(yīng)的軟件，并針對汽車輪轂的自動化加工完成了工業(yè)機器人自動化加工系統(tǒng)的應(yīng)用實驗驗證。
　　第一章闡述了工業(yè)機器人應(yīng)用的背景與研究意義，總結(jié)了工業(yè)機器人領(lǐng)域里的圖像識別技術(shù)、軌跡規(guī)劃技術(shù)以及輪轂圖像識別系統(tǒng)的研究現(xiàn)狀及難點。最后，提出了本文的研究目標，并據(jù)此給出了本文的主要研究內(nèi)容與章節(jié)安排。
　　第二章詳細闡述了本文所要使用的工業(yè)機器人圖像識別

3、系統(tǒng)的圖像預(yù)處理方法的基本原理。針對輪轂圖像，研究了基于灰度變化的圖像去噪及增強處理，通過檢測圖像中的灰度值突變完成了目標范圍的界定，然后結(jié)合圖像形態(tài)學(xué)處理方法對圖像進行二值化處理，實現(xiàn)了輪轂圖像特征提取及識別前的預(yù)處理工作。
　　第三章在圖像預(yù)處理的基礎(chǔ)上，提出了基于對稱Hough圓變換法的輪轂圖像輪廓圓特征提取方法。從輪轂圖像的圖形對稱性出發(fā)，基于Hough變換理論將輪廓圓的參數(shù)空間從3維降低至2維進行計算檢測輪廓圓的位置，相

4、較于傳統(tǒng)Hough變換以及隨機Hough變換有著更加準確地識別效果和巨大的計算優(yōu)勢。此外，針對輪廓角點檢測問題提出了基于曲率尺度空間的輪轂圖像輪廓角點檢測方法，通過隨機抽樣一致算法（RANSAC），結(jié)合輪轂的旋轉(zhuǎn)對稱性，解決了角點檢測中的誤識點問題。最后，在不變矩描述理論的基礎(chǔ)上構(gòu)造出輪轂圖像的特征向量，完成了輪轂圖像的識別。
　　第四章研究了工業(yè)機器人軌跡規(guī)劃的相關(guān)理論及方法，基于D-H參數(shù)建模理論建立了工業(yè)機器人的運動學(xué)模型，

5、并通過Matlab中的Robotics Toolbox機器人工具箱完成了機器人運動學(xué)正逆解的求解。最后，根據(jù)前兩章所提取的輪轂圖像中的關(guān)鍵特征完成了輪轂加工軌跡的規(guī)劃與生成。
　　第五章實驗驗證了工業(yè)機器人圖像識別自動化加工系統(tǒng)的實際可行性。在 IRB1600工業(yè)機器人的基礎(chǔ)上集成工業(yè)相機、光源和末端執(zhí)行器等設(shè)備設(shè)計搭建了工業(yè)機器人圖像識別自動化加工系統(tǒng)。然后，將本文所研究的輪轂圖像預(yù)處理算法、關(guān)鍵特征提取及識別算法和軌跡規(guī)劃及生