论文部分内容阅读
基于视觉的工业机器人操作过程状态监控与故障诊断是当前机器视觉领域的研究新方向之一,有着重要的理论意义和广泛的应用前景。本文在对码垛机器人的码垛过程进行分析的基础上,运用有关机器视觉及运动目标跟踪的理论及方法,对基于视觉的机器人操作过程的监控与诊断进行了详细的研究。本文的主要研究内容及成果如下:首先,针对运动箱体的识别及环境光照变化问题,本文采用了基于颜色和形状特征的方法对箱体识别进行研究。颜色的色调对环境光照条件有很好的稳定性,同时箱体的颜色与周围环境的颜色不同且箱体为矩形,利用这些特点,监控与诊断系统首先用颜色的色调特征快速地从环境中分离出目标;然后用图像中心矩识别出箱体及运动状态。其次,针对监控系统的快速实时性要求,本文对多项式拟合预测和卡尔曼滤波预测等跟踪算法进行了研究。对运动箱体采用了跟踪窗的方式进行实时跟踪。在进行图像处理时,只处理跟踪窗内的部分图像,这样做既减少了系统对图像中无关信息的处理时间,又提高了系统的抗干扰能力。然后,对机器人码垛过程和码垛过程存在的危险及故障进行了分析,并采用了基于最小二乘法的线性拟合对箱体的运动轨迹曲线进行直线拟合。在此基础上,就可以判断箱体运动的位置是否在拟合运动轨迹的许可范围内及速度是否超过限速等内容,从而诊断出各种不同的故障。最后,采用基于虚拟仪器的图形化编程语言LabVIEW编写程序,实现实时处理算法,并对实时处理效果进行仿真实验求证。在程序设计中采用了模块化编程方法和多种优化处理技术,使监控系统性能达到最优化,对每帧图像的处理时间仅为20毫秒左右。试验仿真结果表明:本文研究的算法在不同的光照条件下均能快速准确的识别出目标位置,且对阴影和部分遮挡有很好的去除和过滤作用;对分辨率为768×576的彩色图像的处理速度为15帧/秒左右,满足了机器人码垛过程监控与诊断的实时性能要求,从而保证了机器人码垛过程监控与诊断系统的成功应用于实际工业生产环境中。