基于PC的视觉引导DELTA机械手高速分拣系统设计

摘要

为了更方便地在运动控制系统中集成机器视觉，简化系统复杂程度，节约控制系统成本，借助Windows操作系统的实时拓展套件KRTS(Kithara Real-timeSuite)高性能的实时特性和易开发性，在一台多核PC上，建立运行实时任务的实时子系统，该系统能与运行非实时任务的Windows系统并行运行。使用通用的以太网卡进行运动控制数据与图像数据的传输，取代了运动控制卡、图像采集卡等专用硬件。开发了运动控制与机器视觉一体化解决方案，实现了控制平台的标准化、通用性和网络化。
　　基于该平台，开发了视觉引导的DELTA机械手高速分拣系统，视觉处理系统与机械手运动控制系统均在同一台计算机上的一个Visual Studio工程中开发，对集成视觉的运动控制系统深入开发具有借鉴意义。建立DELTA机械手分拣系统的数学模型，该模型包括DELTA机械手的运动学模型，视觉模型和机械手跟踪物体模型，并分别抽象出这三种模型的数学算法，最后进行了分析和验证。
　　针对DELTA机械手往复高速抓取振动冲击较大的工况，按照S曲线的思路，提出一种加减速更加柔顺的加减速算法，加加速度曲线由多段正余弦曲线组合而成，连续没有突变。在加加速度曲线的基础上，不断积分分别得到加速度、速度与位移曲线，最后对该加减速算法进行了分析和验证。
　　针对视觉分拣过程中工件被重复拍照的问题，提出一种基于控制平台统一时间机制的图像去重算法，使用系统时间和世界坐标系坐标来唯一描述一个在传送带上运动的物体;建立了机械手动态抓取工作区域内多个连续运动工件的数学模型，并通过牛顿-拉夫森迭代求解该非线性数学模型，实验测试抓取成功率为99.97％，最快抓取速度为110次/min，证明该算法能够满足实时性要求，具有较高的稳定性和准确性。

目录

声明

摘要

第1章 绪论

1．1 课题研究背景

1．2 基于视觉的工业机器人研究现状

1．2．1 视觉在工业机器人领域应用研究现状

1．2．2 集成视觉的工业机器人控制系统研究现状

1．2．3 机器人视觉发展方向

1．3 主要研究内容

第2章 集成视觉的运动控制平台设计

2．1 概述

2．2 Kithara软件构架

2．3 平台硬件结构

2．4 平台软件结构

2．4．1 用户界面层(Windows API)

2．4．2 核心运动控制层(KRHs Kernel)

2．4．3 KRTS配置管理模块

2．4．4 视觉模块

2．5 本章小结

第3章 分拣系统数学模型

3．1 DELTA并联机械手数学模型

3．1．1 并联机械手逆解

3．1．2 并联机械手正解

3．2 并联机械手抓取轨迹规划

3．2．1 加减速算法设计

3．2．2 机械手运行轨迹设计

3．3 机械手抓取算法设计

3．3．1 图像去重复算法

3．3．2 机械手动态抓取物体算法

3．3．3 算法测试

3．3 本章小结

第4章 视觉模块设计

4．1 视觉模块组成

4．1．1 相机选型

4．1．2 镜头选型

4．1．3 光源选型

4．2 相机标定

4．3 图像处理

4．3．1 图像处理软件

4．3．2 图像处理过程

4．4 本章小结

第5章 分拣系统实现及性能测试

5．1 分拣系统实现

5．1．1 系统硬件实现

5．1．2 系统软件实现

5．2 平台实时性能测试

5．3 系统分拣性能测试

5．4 样机运行效果展示

5．5 本章小结

总结与展望

总结

创新点

展望

参考文献

攻读硕士学位期间发表的学术论文

致谢