柔性自动装配系统的机器视觉
摘要
柔性自动装配系统成为制造过程高混合生产线的有用自动化系统。本研究旨在设计柔性自动采摘和放置装配系统的主要原型。 我们将机器视觉系统与机器人系统集成在一起，进行采摘和放置过程。 产品模型由主体部分和装配部分组成。 主要部件通过传送带转移到机械系统。 当主要部件在特定位置举行时，主要部件的图像被捕获。 利用LabVIEW NI视觉软件和NI视觉构建器的图像处理和图像校准方法，可以得到用于控制选择性柔度铰接式机器人臂（SCARA）的装配空间的形状和方向。 该SCARA被用来从储存站挑选装配部件，并将它们放置在主要部件的装配空间中。 作为原型设计的结果，我们从图像校准中评估了坐标转换因子，并利用它们来控制SCARA的运动。 我们最终得到了可靠的柔性自动装配系统，能够正确地检测和识别装配空间的形状和方向。 斯卡拉还可以选择正确的装配部件，并将它们完美地放置在装配空间中。
导言
如今，客户希望推动对各种产品特性的需求，缩短制造业的交货时间。 由于制造过程的高度复杂性，自动化系统已应用于生产和最终装配系统。 在高混合生产中，产品模型可能具有不同的尺寸、形状和方向，这需要更高的自动装配过程的灵活性。 当产品型号在常规装配过程中发生变化时，需要停止生产线，然后设置自动装配系统的新配置和命令。 这种传统的装配工艺可以增加生产准备时间，而降低系统效率。 因此，生产成本是通过投资于劳动力成本、机器和设备成本来提高的。 为了改进传统的自动装配系统，在高混合装配过程中采用了柔性自动系统。 这种灵活的自动系统可以修改其工作模式，并自动响应新的模型。 在这种情况下，生产线不需要停止，以显著提高装配工艺性能。
实现柔性自动系统的一种方法是将机器视觉系统与自动化系统集成在一起。 计算机视觉技术已被用来提供产品数据，以协助生产系统的决策。 在使用数控机床切削刀具过程中，视觉传感器被用来监测刀具的状况，包括刀具磨损和表面纹理。 在这种情况下，从视觉传感器获得的刀具磨损状态信息被用来估计磨损参数，作为数控控制器的反馈控制。 一个自动视觉系统也被用来检查印刷电路板上的缺陷，使用参考比较方法。 这种自动视觉检查系统被认为是有效的缺陷检测和缺陷分类。 在自动装配过程中，机器视觉系统对产品模型的特性、尺寸、形状、方向和缺陷进行检查也是可行的。 此检查有助于自动装配系统区分模型并正确响应这些模型。 视觉系统基本上是基于图像分类的。 首先，使用摄像机捕获目标图像。 接下来，指定图像的搜索区域来设置图像处理的环境。在图像处理步骤中，通过将捕获图像的显著特征与标准图像的显著特征进行比较来识别分类.. 图像处理通常采用两种主要的分类器：对象分类器和颜色分类器。 对象分类器根据对象的形状来识别对象，而颜色分类器根据对象的颜色来区分对象
同时，在自动装配过程中也实现了工业机器人，以减少人为误差、提前期和劳动力成本。 采用新的控制方法，机器人可以获得更好的性能。 陈和刘已经非常成功地实现了鲁棒阻抗控制算法与选择性顺应性铰接式机器人臂（SCARA）进行印刷电路板（PCB）组装6.
本文研究的重点是采摘和放置过程，这是一个装配过程的子过程，需要精确的配置和位置来组装产品的部件。 设计了机器视觉系统和SCARA机器人的集成系统，将各种形状、配置和定位的部件组装在一条生产线上。
实验
在本实验中，模型部件由主要部件和装配部件组成。 我们有三个装配模型，分别是正方形、三角形和圆形，分别放置在不同位置的相应主要部件中。 主要部件和装配部件如图所示。 1（A）和图。 1（b） 主要部件沿输送带移动，而装配部件则存放在储存站上。 装配过程必须通过将正确的装配部件放置在主部件上的正确位置来完成。 为了完成这项任务，集成了视觉系统来识别装配空间的几何形状和方向。
本章分为硬件设计和软件设计两个部分。 由摄像机、机器人和机器人末端执行器组成的硬件系统。 我们还使用SCARA模型IX-NNC6020-5L-T1-SP接收处理信息.. 该机器人的末端执行器，直径为10毫米的真空吸头，用于在装配步骤中保持装配部件。 然后，SCARA被编程为在采摘和放置过程中移动到所需的位置。
对于视觉模块，我们使用分辨率为640X840像素的USB CCD相机来捕捉传送带上主要部分的图像。 背光的亮度在700勒克斯，使它更容易创建图像处理软件的LabVIEW。 该系统使用LabVIEW NI视觉软件和NI视觉建设者开发了用于图像处理的计算机程序。 该程序旨在识别零件的位置和方向。 通过将装配部件的位置和装配空间的位置发送到SCARA，也使用LabVIEW与机器人控制器进行通信。 引入NI VisionBuilder程序定义了需要搜索的主要部件的配置、颜色、亮度、搜索区域等部件的特性。 这个愿景建设者帮助程序轻松工作。
设备定位
SCARA被安置在基地的中心。 机器人的尖端安装了一台照相机。 主要部件沿轨道输送机移动。当主体部分移动到指定位置时，系统保持主体部分并拍摄图像，如图所示。 图像被发送到LabVIEW NI视觉软件中，以识别放置位置的坐标。
图 2. （a）原理图布局；（b）装置的真正定位。
定位算法
从摄像机中采集到的主要部件的图像被发送到LabVIEW程序，以定位装配空间在需要正确放置装配部件的主要部件上的位置和方向。 所捕获的图像通过过程进行分析，如图所示。
实际职位和方向
Image caption
边缘查找
形状识别
定位和方位识别
像素变换
图 3. 定位算法流程图..
拍摄后主要部分的图像如图所示。 图像的分辨率大小为640times;480像素，通过使用NI视觉生成器指定搜索区域，在主部件上找到装配空间的边缘，如图所示。 5. 接下来，使用NI视觉构建器和LabVIEW检测装配空间的边缘，从而对程序进行形状识别。 然后，中心点和空间的方向被定位在像素位置，如图所示。 6. 该程序沿着捕获图像的X轴和Y轴通知像素位置。
图 4. 捕捉图像的例子。
图 5. 搜索区域的确定。
图 6. （a）搜索捕获图像中的装配空间区域；（b）装配空间中心的特定像素。
当我们从上一步得到像素坐标时，我们需要将像素坐标转换为毫米坐标，使用x方向的转换因子为0.138425mm/像素，y方向的转换因子为0.1351095mm/像素。
然后，我们必须将坐标以毫米为单位转换成IAI协议B的系列命令，这些命令是以十六进制数的形式存在的。 利用IAI协议B命令控制机器人在采摘和放置过程中的运动。
图像校准
对于从捕获的图像中得到的装配空间方向的规范，我们发现指定的坐标引起了SCARA的错误定向运动和错误定向目的地，从而偏离了物体的真实位置。 7,8 。 当摄像机被用来捕捉主体部分的图像时，它可能不在主物体的中心，可能不垂直于主物体，导致图像失真和指定坐标的错误方向。 因此，在指定机器人的装配空间方向之前，需要对捕获的图像进行校准。
校准对象
标准对象的大小等于真实对象的大小。 在标准物体上创建了48个直径为10毫米的圆圈（6x8行）. 圆的每个中心之间的距离为10毫米。 如图所示，指定了圆圈的数目和真实物理坐标。 7. 例如，数字一圆、数字二圆和数字10圆的中心坐标分别为（5，10）毫米、（15，10）毫米和（15，20）毫米。
图 7. 具有特定定向圆的标准对象..
图像校准方法
在此之后，我们将标准物体导入机器，以检查每个圆的中心坐标，即(x-,y-)。然后机器协调(x-,y-)，与真实的物理坐标进行了比较（x,y）。x方向的位置错误（a） x ），
以及y方向（lsaquo; y ）是由两者之间的比较得出的（xm,ym） 及(xr,yr)。作为用等式（1）和等式（2）表示分别表示。
X=（xr-xm）✕100% (1)
Y=(（yr-ym)/yr)✕100% (2)
x
x
因此，我们可以像在Eq中一样表示总误差。
T （3）
22
x y
结果与讨论
校正结果
作为校准的结果，x方向的最大误差。 x ）数字41圆的误差为10.59%，y方向的误差最大（lsaquo; y 对于数字二圆，则为7.41%，而从方程中计算出的总误差为7.41%。 （3）数字41圈为10.621%。 同时，总误差的十个降序如表1所示。
|
数目 |
Xerror %% |
Yerror% |
总误差% |
|
|
41 |
10.59912 |
0.771277 |
10.6271424 |
|
|
1 |
4.164234 |
6.672929 |
7.86567417 |
|
|
2 |
1.295119 |
7.142118 |
7.25859347 |
|
|
3 |
0.759795 |
6.907524 |
6.94918494 |
|
|
9 |
5.676706 |
2.829725 |
6.34289689 |
|
|
33 |
6.061699 |
0.863274 |
6.12286227 |
|
|
25 |
5.374212 |
1.491159 |
5.57724909 |
|
|
6 |
0.566799 |
5.141168 |
5.1723173 |
|
|
10 |
1.643446 |
4.347688 |
4.64793517 |
|
|
4 |
0.42823 |
4.478784 |
4.49920983 |
表 1. 十 降 秩 年 共计 错误
x y T
由表1可知，由于图像失真导致透视图像而不是正交图像，图像边界区域的误差增大8.
该校准数据为捕获图像的坐标转换提供了参数。 换算系数为
在x方向上的0.为138425毫米/像素，在y方向上的0.为1351095毫米/像素 x，可能是调整后接近真实的物理坐标xr，yr。在我们用这些参数校准程序之后，我们
m
m
得到调整后的坐标（x，y），用于识别主部件上的装配位置，并控制机器人运动。 图 8显示了每种不同方向模型的坐标调整。 图中还给出了图像校准前和图像校准后装配空间中心坐标的百分比差异。 9. 与x方向坐标的百分比差异（0.008~0.141%）相比，y方向坐标的百分比差异（0.26~1.40%）明显高。同时，主要部分在中心和左侧的y方向坐标的百分比差异高于右侧。 结果表明，对于位于主要部件中心和主要部件左侧的所有类型的装配空间，特别是y方向的坐标，都需要进行显著的大调整。 这些结果对应于表1中的校准结果，即在标准对象的左侧区域发现了最大误差。
图 8. 图像校准前和图像校准后装配空间中心坐标的比较：（a）圆形模型；（b）矩形模型；（c）三角模型..
图 9. 与图像校准前和图像校准后相比，装配空间中心坐标的百分比差异：（a）圆形模型；（b）矩形模型；（c）三角模型。
经营成果
利用LabVIEW，我们获得了友好的用户界面程序，帮助用户
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[239334]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
