机器视觉主要应用于生产制造中的视觉引导、尺寸测量、产品检测、物体识别等多个领域。在这些领域中,最基本的算法之一就是产品识别和定位。例如,视觉引导机器人必须识别图像中要抓取的产品并定位坐标,然后才能引导机器人到达产品位置。尺寸测量、产品检验等也是如此。在测量和检验之前,首先要知道产品是否存在以及产品在哪里,然后才能应用后续的各种分析工具。因此,产品的识别和定位是一个根本性的问题。
01视觉定位系统组成
依靠机器视觉的机器人定位系统包括摄像系统和控制系统。摄像系统包括计算机(带有图像采集卡)和摄像头,主要采集视觉图像并应用机器视觉算法。控制系统包括控制箱和计算机,控制计算机终端的具体位置。工作区采用CCD摄像机拍摄,并利用计算机识别图像,获取跟踪特征,完成数据计算和识别,利用逆运动学得到机器人各个位置的误差,进而控制高位机器人的运动轨迹。精准末端执行模块并科学调整。机器人的位置和姿态。
02视觉定位系统的关键因素
在工业生产领域,尤其是工业机器人的应用中,视觉识别与定位系统显得尤为重要。在实际生产中,我们不仅要关注它是否能够准确把握,还要关注它的速度,而这一块一直是行业中的难题。我们经常遇到的工业机器人通常速度都比较慢。一旦速度提高,抓取的准确性就会出现问题。这也是视觉识别定位系统面临的问题。接下来就跟随小墨一起来了解一下吧。首先是数据量。在更加复杂的生产环境中,系统需要准确地找到需要识别和定位的产品;第二是速度。如何在一些标准生产线中将速度提高到ms级别。虽然过去的算法在普通情况下可以发挥作用,但是,随着算法的不断发展,深度学习算法往往需要用更理想的GPU来实现;然后就是核心问题,定位精度。在深度学习系统中,我们看到的图像具有一定的缩放比例,我们需要整个系统在原始图像中实现像素精度的匹配;剩下的就是识别的准确性。在许多情况下,我们可用的学习数据非常少。在这种状态下,如何进一步提高识别的准确率!
03视觉定位面临挑战
如果想要设计出可行的产品识别定位算法,需要克服几个难点:
1. 快速指定产品工业产品千差万别。因此,对于每一个具体应用,都需要从多张甚至一张图片中快速指定要查找的产品。例如,当前的生产线需要定位铆钉的位置,拍照并进行相应的学习,那么就可以在后续的图像中进行搜索和定位。
2.快速搜索产品。对于2 兆像素的图像,通常需要数十毫秒来识别和定位产品。
3、高精度定位工业生产对精度和公差有严格的要求,因此产品定位必须准确。现在普遍要求识别定位算法能够达到像素级,甚至亚像素级的定位精度。
4、能够适应产品缺失、遮挡、脏污等影响。如果产品被遮挡,导致图像中缺失一定比例的产品,仍然必须对物体进行识别和定位。相反,如果产品表面脏了,导致表面特性发生变化,仍然需要能够识别和定位。
5.能适应光线亮度不均匀的影响。如果产品的亮度发生变化,比如半明半暗,仍然需要能够识别和定位。
6.可识别旋转产品。产品通常可能在360 度范围内旋转。
7、可识别多种产品。一张图片中可能有多个产品,需要单独识别和定位。
8.能够准确识别近似对称的物体。接近对称的物体很容易被错误的方向识别,需要进行相应的设计。
9.可以应对物体极性反转。比如你正在研究的产品是白底黑字,但实际上产品图片可能是黑底白字,需要具有可识别性。
上一篇
新型工业化展开,新型工业化进程