分拣系统涉及到两个核心问题,其一是基于机器视觉的图像识别和目标跟踪问题,其二是基于SCARA机器人的抓取分拣控制策略问题。待识别的目标是常见的机械零件,包括大小螺栓和螺帽。对智能分拣作业进行了总体方案的设计,详细说明了系统工作原理,通过实验对分拣系统的可行性进行验证。
完成了实验平台的搭建并且给出摄像机标定的具体步骤以及摄像机标定的实验结果。其次,研究了传送带上机械工件的跟踪问题。分拣的前提是可以识别和跟踪目标,目标跟踪的方法很多。详细地介绍了该算法的基本原理和主要实现步骤,并且分析了该算法连续跟踪目标工件的基本过程,通过实验证实了跟踪的有效性。再次,研究了针对三种不同工件的识别方法。由于目标图像的识别是依据其某些特征进行的,本文以图像的矩特征作为识别的重要依据。

针对某一工件多角度的图片进行特征提取并结合该工件的标号组成实验样本,依此训练BP神经网络。为了提高神经网络的识别准确率,引入Adaboost算法对单一神经网络构成的弱分类器进行性能提升。通过对实验数据分析,验证了改进的分类器可较准确的识别目标。针对机械臂的控制策略问题进行研究。首先利用D-H参数法对SCARA机器人进行建模,然后分析了机器人运动学的逆解问题,在此基础上,从控制角度分析了机械手分拣抓取点的位置和机械手转角之间的关系,得出选取*优抓取点的基本原则,*后利用视觉分拣平台完成分拣作业实验。

了解更多信息请点击：爱普生机器人服务商