精华内容
下载资源
问答
  • 机械视觉传感器供应商康耐视(Cognex)日前宣布推出In-Sight 5400R,这是一款工业级In-Sight 5400版本具远端镜头相机的视觉传感器。In-Sight 5400R是专供狭小空间,或需要轻巧相机等应用时的理想工具。 康耐视公司...
  • 机械视觉传感器供应商康耐视(Cognex)日前宣布推出In-Sight 5400R,这是一款工业级In-Sight 5400版本具远端镜头相机的视觉传感器。In-Sight 5400R专门针对狭小空间,或需要轻巧相机等应用而设计。 康耐视公司视觉...
  • 本文介绍了机器视觉系统中PWM/电压输出电路、I\O 口电路与QEP 电路设计,使得开发人员可以通过电路介绍将数字技术与摄像头、传感器、电机和其他外设集成来轻松构建 3D 点云。整个机器人车现在可以完成所需功能,同时...
  • 常用机器人传感器

    千次阅读 2018-10-29 09:28:53
    随着智能化的程度提高,机器人传感器应用越来越多。智能机器人主要有交互机器人、传感机器人和自主...机器介机电一体化的产品,内传感器和电机、轴等机械部件或机械结构如手臂(Arm)、手腕(Wrist)等安装在一...

     

    随着智能化的程度提高,机器人传感器应用越来越多。智能机器人主要有交互机器人、传感机器人和自主机器人3种。从拟人功能出发,视觉、力觉、触觉最为重要,早已进入实用阶段,听觉也有较大进展,其它还有嗅觉、味觉、滑觉等,对应有多种传感器,所以机器人传感产业也形成了生产和科研力量。

    内传感器

    机器介机电一体化的产品,内传感器和电机、轴等机械部件或机械结构如手臂(Arm)、手腕(Wrist)等安装在一起,完成位置、速度、力度的测量,实现伺服控制。

    位置(位移)传感器

    直线移动传感器有电位计式传感器和可调变压器两种。角位移传感器有电位计式、可调变压器(旋转变压器)及光电编码器三种,其中光电编码器有增量式编码器和绝对式编码器。增量式编码器一般用于零位不确定的位置伺服控制,绝对式编码器能够得到对应于编码器初始锁定位置的驱动轴瞬时角度值,当设备受到压力时,只要读出每个关节编码器的读数,就能够对伺服控制的给定值进行调整,以防止机器人启动时产生过剧烈的运动。

    速度和加速度传感器

    速度传感器有测量平移和旋转运动速度两种,但大多数情况下,只限于测量旋转速度。利用位移的导数,特别是光电方法让光照射旋转圆盘,检测出旋转频率和脉冲数目,以求出旋转角度,及利用圆盘制成有缝隙,通过二个光电二极管辨别出角速度,即转速,这就是光电脉冲式转速传感器。此外还有测速发电机用于测速等。

    应变仪即伸缩测量仪,也是一种应力传感器,用于加速度测量。加速度传感器用于测量工业机器人的动态控制信号。一般有由速度测量进行推演、已知质量物体加速度所产生动力,即应用应变仪测量此力进行推演,还有就是下面所说的方法:

    与被测加速度有关的力可由一个已知质量产生。这种力可以为电磁力或电动力,最终简化为对电流的测量,这就是伺服返回传感器,实际又能有多种振动式加速度传感器。

    力觉传感器

    力觉传感器用于测量两物体之间作用力的三个分量和力矩的三个分量。机器人中理想的传感器是粘接在依从部件的半导体应力计。具体有金属电阻型力觉传感器、半导体型力觉传感器、其它磁性压力式和利用弦振动原理制作的力觉传感器。

    还有转矩传感器(如用光电传感器测量转矩)、腕力传感器(如国际斯坦福研究所的由6个小型差动变压器组成,能测量作用于腕部X、Y和Z三个方向的动力及各轴动转矩)等。

    由于机器人发展历史较长,近年来普遍采用以交流永磁电动机为主的交流伺服系统,对应位置、速度等传感器大量应用的是:各种类型的光电编码器、磁编码器和旋转变压器。

    外传感器

    以往一般工业机器人是没有外部感觉能力的,而新一代机器人如多关节机器人,特别是移动机器人、智能机器人则要求具有校正能力和反应环境变化的能力,外传感器就是实现这些能力的。

     触觉传感器

      微型开关是接触传感器最常用型式,另有隔离式双态接触传感器(即双稳态开关半导体电路)、单模拟量传感器、矩阵传感器(压电元件的矩阵传感器、人工皮肤——变电导聚合物、光反射触觉传感器等)。

      应力传感器

      如多关节机器人进行动作时需要知道实际存在的接触、接触点的位置(定位)、接触的特性即估计受到的力(表征)这三个条件,所以用上节已指出的应变仪,结合具体应力检测的基本假设,如求出工作台面与物体间的作用力,具体有对环境装设传感器、对机器人腕部装设测试仪器用传动装置作为传感器等方法。

      接近度传感器

      由于机器人的运动速度提高及对物体装卸可能引起损坏等原因需要知道物体在机器人工作场地内存在位置的先验信息以及适当的轨迹规划,所以有必要应用测量接近度的遥感方法。接近传感器分为无源传感器和有源传感器,所以除自然信号源外,还可能需要人工信号的发送器和接收器。

      超声波接近度传感器用于检测物体的存在和测量距离。它不能用于测量小于30~50cm的距离,而测距范围较大,它可用在移动机器人上,也可用于大型机器人的夹手上。还可做成超声导航系统。

      红外线接近度传感器,其体积很小,只有几立方厘米大,因此可以安装在机器人夹手上。

      声觉传感器

      用于感受和解释在气体(非接触感受)、液体或固体(接触感受)中的声波。声波传感器复杂程度可以从简单的声波存在检测到复杂的声波频率分析,直到对连续自然语言中单独语音和词汇的辨别。

      接触式或非接触式温度传感器

      近年在机器人中应用较广,除常用的热电阻(热敏电阻)、热电偶等外,热电电视摄像机测及感觉温度图像方面也取得进展。

      滑觉传感器

      用于检测物体的滑动。当要求机器人抓住特性未知的物体时,必须确定最适当的握力值,所以要求检测出握力不够时所产生的物体滑动信号。

      目前有利用光学系统的滑觉传感器和利用晶体接收器的滑觉传感器,后者的检测灵敏度与滑动方向无关。

      距离传感器

      用于智能移动机器人的距离传感器有:激光测距仪(兼可测角)、声纳传感器等,近几年得到发展。

      视觉传感器

      这是应用很广泛的外传感器,有鉴于它的内容很丰富,而且机器视觉经常独立形成产品,与软件技术关系很密切。

     

    展开全文
  • 如果机械手端点的运动是先验未知的,例如,由视觉传感器驱动或由人类操作员引导,则路径规划必须在本地和实时进行,而不是全局和离线进行。 本报告介绍了后一种情况下平台的控制算法,该算法将测量的机械手关节...
  • 视觉传感器是指具有从一整幅图像捕获光线的数发千计像素的能力,图像的清晰和细腻程度常用分辨率来衡量,以像素数量表示,邦纳工程公司提供的部分视觉传感器能够瞧捕获130万像素,因此,无论距离目标数... 系统由机械手、CC
  • 视觉传感器是指具有从一整幅图像捕获光线的数发千计像素的能力,图像的清晰和细腻程度常用分辨率来衡量,以像素数量表示,邦纳工程公司提供的部分视觉传感器能够瞧捕获130万像素,因此,无论距离目标数... 系统由机械手、CC
  • 视觉传感器能直观反映物体的外部信息,但单个摄像头只能获得物体的二维图像,立体视觉虽能提供三维信息,但对于外形相同,仅深度有差别的物体难以识别(如有孔物体、阶梯状物等) ,且对环境光线有一定的要求. 由于超声...
  • 将机器人的行为与机器人视觉传感器有机的结合到一起,通过运算使得机器人的手眼成为一个整体,使得机器人的手部可以与眼部获得的外部信息进行智能的动态交互。 Eye-to-Hand 是指机械臂与摄像

    常用术语:

    位姿:位置与姿态,为了描述空间物体的位置与姿态,我们一般先在物体上设置一个坐标系(位姿)。

    工具坐标系:我们通常采用设置于机器末端执行器上的工具坐标系(相对于设置于操作臂固定底座的基坐标系)来描述操作臂的位置。

    TCP:工具中心点,Tool Central Point。操作点。

    手眼标定的作用

    将机器人的行为与机器人视觉传感器有机的结合到一起,通过运算使得机器人的手眼成为一个整体,使得机器人的手部可以与眼部获得的外部信息进行智能的动态交互。

    Eye-to-Hand

    是指机械臂与摄像机分离,通过设置在机器人外侧的摄像机,监测机器人的状态以及规定范围内的目标物位置,从而控制机器人进行规定的作业任务。但是摄像机的安装位置,很难确定,过近过远都会对作业任务产生影响,因此这种视觉系统并不常用。

    Eye-in-Hand手眼系统

    由于同步的运动,使得相机可以对三维空间内的目标进行更准确的观测,同时不会因为机械臂的大幅度运动导致遮挡或者位姿关系计算精度下降等问题。因此大多数工业机器人选取更加稳定的Eye-in-Hand手眼系统。由于随着机械臂与目标距离变小,Eye-in-Hand系统的摄像机也会离目标越来越近,这样摄像机测量的绝对误差会越来越小,因此Eye-in-Hand系统更适合于工业机器人

    Eye-in-Hand手眼系统的标定可以归结为对方程AX=XB求解,并且对这个问题已经有了很多成熟的解决办法。Tsai等人通过不同位置拍摄的不同位姿,以此解出方程AX=XB求的解。

    假设A、B、C分别代表人的眼、脑、手,那么在知道眼和脑的关系,以及脑和手的关系,就可以计算出出眼和手的关系。类比到机器人系统,相机是A可以计算出像素坐标、机械手是C可以得到空间坐标,因此标定的过程其实就是像素坐标与空间坐标间的转换过程。

     

     

     

     

     

     

     

     

     

    展开全文
  • 获得Kinect坐标和机械手坐标中的第一个标记点​​。 然后使用准牛顿法以初始标记点获得Kinect和机械手之间的校准。 为了提高准确性,我们提出了基于迭代最近点(ICP)的改进配准,以进一步得出最终的变换矩阵。 ...
  • 玩家从“准备区”投出皮球,经过约半秒时间穿过飞行区,到达回球平面时,机械手对准来球将其推回。如下图所示: 咋一看,这个功能并不复杂,但实现起来非常有挑战性。我们先理一下方案的大致思路:用3D视觉传感器...

    先回顾一下需要达成的应用场景:简单说就是利用3D视觉传感技术实现人与机器之间的投球互动。玩家从“准备区”投出皮球,经过约半秒时间穿过飞行区,到达回球平面时,机械手对准来球将其推回。如下图所示:
    在这里插入图片描述
    咋一看,这个功能并不复杂,但实现起来非常有挑战性。我们先理一下方案的大致思路:用3D视觉传感器(即深度相机)对球进行跟踪定位,然后通过图像处理尽快的预测出球抵达回球平面时的具体位置,并发送给机器人控制器,再由控制器发出运动指令,机械臂执行到指定位置回击球。

    有小伙伴可能会问了,为什么要预测位置,我们不能在球抵达平面时,直接从图像中计算出实际位置吗?显然是不行的,因为时间上来不及。图像传输,图像处理,机械运动都需要时间,这几部分加起来大约 210毫秒,如果等球到了再判断,黄花菜都凉了。所以只能提前根据球进入飞行区的初始6帧的深度图,计算出球在每一帧的位置,再根据这6个位置拟合抛物线,从而得到球抵达回球平面时的具体位置和时间。所以切记,这部分计算能快尽量快,时间就是生命线!

    在这里插入图片描述
    初步估计,球飞行时间约400550ms,扣除6帧飞拍所需的180ms,剩余220370ms,可用于视觉系统处理和机器人响应(需要约210ms,刚刚够),能给到各个环节的时间是很紧张的,如果某个环节稍微入不敷出,这个功能就实现不了。所以,第一个挑战就是如何保证实时性。

    挑战二,就是上边提到的位置预测误差。这个预测位置如果不够准确的话,机器人回击球会失败。仔细分析的话,这个误差的构成因素有很多。这里主要列举:像素精度,标定误差,圆拟合误差,抛物线拟合误差,时间误差。

    像素精度,是指每一个像素代表的实际尺寸。比如,当VGA分辨率(640480)对应的区间大小为 21.5米,那么每个像素的实际尺寸就是3.1mm。这个尺寸如果越大,从图像中计算的位置误差也就越大。

    标定误差,是指每一个像素映射到实际空间中的坐标时,会偏离实际值。一方面,坐标转换矩阵不一定很准确,而且,每个相机的个体之间有差异;另一方面,现场的相机安装有时会有轻微松动异位,那么转换矩阵就实效了。

    拟合误差。由于球的快速运动产生拖影(见图),造成圆拟合后的球心位置有误差;另外,由于点云数据丢失,球的成像会出现孔洞,这给圆拟合算法带来挑战。
    在这里插入图片描述在这里插入图片描述
    抛物线拟合误差。在我们利用6帧的球心位置来拟合一条抛物线时,由于理论几何模型与实际有差异,会带来额外的定位误差,且该误差有可能很大。

    时间误差。即便预测到的位置非常准确,但如果抵达时间预测得不准,会导致机械臂击球节奏的丢失,也无法满足功能。这个误差的诱因可能是图像传输和图像处理的耗时不稳定,也可能是抛物线模型不准确。

    挑战三,图像处理算法。图像处理包括图像去背景噪声,圆拟合。如果背景噪声不能去除干净的话,会造成把背景物体识别为球的情况。但也不能去除的太“狠”,造成球像素的受损,也会影响定位准确性。圆拟合可以采用2D平面拟合,或者3D球面拟合;前者鲁棒性和定位能力差一些,后者会比较耗时。

    战四,机器人运动控制、路径规划。一方面要足够块,另一方面要根据来球的速度矢量,设计好机械臂出击的方向和力道,使得回击球的效果最优。

    综上所述,这四大挑战决定了这个应用研发的难度不小,因为它不是单纯的理论研究,而是要实现一个工程,就必然受到时间和空间上的强约束。但我们不畏惧困难,要相信办法总比困难多 后续几篇笔记会介绍些应对方法。

    备注:

    点击下面链接,进入奥比中光开发者社区,了解更多3D视觉技术信息:
    https://developer.orbbec.com.cn/

    或扫描下方二维码,进入奥比中光开发者社区:
    在这里插入图片描述

    展开全文
  • 本篇论文介绍基于外部传感器控制的水下航行器-机械手系统。控制律的设计需要满足几个约束条件以及优化整体行为的标准。任务空间被定义在传感器空间,使用从相机或声纳图像获取信息的视觉伺服。 关键词-移动操作,...

    简要介绍

    本篇论文介绍基于外部传感器控制的水下航行器-机械手系统。控制律的设计需要满足几个约束条件以及优化整体行为的标准。任务空间被定义在传感器空间,使用从相机或声纳图像获取信息的视觉伺服。

    关键词-移动操作,视觉伺服,水下机器人,干扰抑制

    在这里插入图片描述我们的目的希望在绿色平面视野里有我们的目标物体,基于声呐的距离测量和相机姿态信息,我们可以估计出蓝色平面,使用蓝色平面视野,相比于之前的平面更稳定精确。
    在这里插入图片描述
    在这里插入图片描述

    图像矩

    在这里插入图片描述

    我们的机器人是如何找到目标物体的?
    由于在水下环境下,图像模糊,我们无法准确获取2D点或者线条特征,我们希望使用图像矩信息获得图像物体的轮廓形状作为图像特征。 理想的4个特征为面积,重心位置,主要的转动方向。

    shyb=(a,xg,yg,α,θux,θuy)\mathbf{s}_{hyb} = (a, x_g, y_g, α, θu_x, θu_y)

    if the vehicle is stable in roll and pitch, and if the desired orientation is known, then θuxθuyθu_x θu_y are less likely to be perturbed.

    水下机器人图像雅克比

    在这里插入图片描述水下机器人自由度为4,我们的输入控制为(vx,vy,vz,ωz)(v_x,v_y,v_z,\omega_z)
    正常考虑测量特征和3D坐标位置,如果任务是画一个圆的话,只要考虑X,Y。
    [xmymam]=[1Z0000001Z0000002aZ000][XYZ] \left[\begin{array}{c} x_m\\y_m\\a_m \end{array}\right]= \left[\begin{array}{ccc} \frac{1}{Z}&0&0&0&0&0\\ 0&\frac{1}{Z}&0&0&0&0\\ 0&0&\frac{2a}{Z}&0&0&0 \end{array}\right]\left[\begin{array}{c} X\\Y\\Z \end{array}\right]
    由于我们无法控制ωx\omega_xωy\omega_y,我们的特征雅克比矩阵可以写作3×43 \times 4的。我们观察到的特征为 s1=[xmymam]s_1=\left[\begin{array}{c} x_m\\y_m\\a_m \end{array}\right],我们希望得到的特征为 s=[00am]s^*=\left[\begin{array}{c} 0\\0\\a_m \end{array}\right],这是我们的第一个任务。

    我们控制变量变化时,我们的特征如何变化?
    J1e˙1=0=[01/Z01001/Z02a/Z000] \mathbf{J}_{1 \mid \dot{\mathbf{e}}_{1}^{*}=0}=\left[\begin{array}{cccc} 0 & 1 / Z & 0 & 1 \\ 0 & 0 & 1 / Z & 0 \\ 2 a / Z & 0 & 0 & 0 \end{array}\right]
    在这里插入图片描述

    我们捋清楚这个控制关系,水下机器人向前运动时,影响图片显示画面的大小;机器人左右运动影响的是xmx_m,上下运动影响ymy_m,有z轴旋转时,影响的是xmx_m的轻微变化。
    我们希望机器人执行的另外一个任务是e˙2=[vy]J2=[0100] \dot{\mathbf{e}}_{2}^{*}=\left[\begin{array}{c} \left.v_{y}^{*}\right] \quad \mathbf{J}_{2}=\left[\begin{array}{llll} 0 & 1 & 0 & 0 \end{array}\right] \end{array}\right.

    参考文献

    1.Olivier Kermorgant, Yvan R. Petillot, Matt Dunnigan. A global control scheme for free-floating vehicle-manipulators. IEEE/RSJ Int. Conf. on Intelligent Robots and Systems, IROS’13, Nov 2013, Tokyo, Japan. ⟨hal-00857692v2⟩

    展开全文
  • 机器视觉技术发展的五大趋势 在过去的一年里,人工智能(AI)、大数据、3D成像和机器人过程自动化等领域在取得了空前的发展。...机器视觉用于质量控制检查已经得到了广泛的应用,但是随着3D传感器机械手拾取集...
  • 构建了由双目视觉摄像头、嵌入式中控、六自由度机械臂、视觉处理计算机和监控计算机等组成的乒乓球机器人系统,灵巧臂采用关节模块化设计方法,共有6个自由度,集成有关节位置、电机位置、关节力矩、驱动电流及温度...
  • 基于FPGA的手势识别的多功能机械

    千次阅读 2020-05-25 11:35:37
    项目来源:2019年第三届全国大学生FPGA创新设计竞赛 01 设计概述 Design Introduction 1.1 ...随着信息技术的发展,人机交互技术逐渐由以...基于机器视觉的手势识别技术,突破硬件局限,从模式识别算法层面革新人机..
  • 该系统使用Kinect视觉图像传感器来识别人体骨骼数据并完成对操作员动作的识别。 通过以计算机软件为核心的上位机平台对实时数据的过滤处理,对算法进行编程,实现了从数据到控制信号的转换。 系统通过串行通信的...
  • 器,实现了 AGV 小车的准确定位,配合工业视觉相机,工业机械手能灵活稳定地存放各类货物。提出了一种上位机集中 调度控制 AGV 的方案。经过长时间的实验室试验,证明本系统稳定,有望大大提高现代仓储运行效率。
  • 涵盖了面向操作任务的运动、接触环境的建模与作业、抓取、合作机械手、触觉学、遥操作机器人、网络遥操作机器人及人体机能增强型外骨骼。  移动式和分布式机器人篇介绍了轮式机器人运动控制、运动规划和避障、环境...
  • (1)机械手设计 (2)机器人运动学、动力学和控制 (3)轨迹设计和路径规划 (4)传感器(包括内部传感器和外部传感器 (5)机器人视觉; (6)机器人语言; (7)装置与系统结构; (8)机器人智能等 2....
  • 物体智能识别技术是人工智能方面极为重要的研究内容,也是现代化智能...包括利用无线zigbee传输模块、语音指令操控系统取代传统接触式操作,利用视觉识别、定位技术和机械手装置来分拣和搬运具有不同颜色等特征的目标物。
  • (一)工业机器人简介

    千次阅读 2019-05-18 12:03:00
    机械手或移动车 末端执行器(焊枪、喷枪等) 驱动器(伺服电机、步进电机、汽缸等) 传感器视觉、力传感器) 控制器(从CPU接受指令,传送脉冲数给驱动器) 处理器(决定如何运动、速度、协调工作) 软件(操作...
  • 现代机器人资料

    2015-02-25 18:30:06
    视觉机器人制作 智能机器人边学边做 现代新型传感器原理与应用 ...Robot机器人和机械手控制系统 196页 7.6M C51单片机与智能机器人 165页 3.0M 电磁诱导农用喷雾机器人路径导航系统的设计与实现
  • 在检疫期间用纸板设计并构建了2个联动机械手,并实现了集中位置控制,混合位置力控制,并实现了具有立体视觉的目标跟踪 设计并制造了两个直流电动机的防角度超调机构 派生EOM和jacobian矩阵,在MATLAB中模拟集中...
  • 可采用寻线传感器或直接运用Open mv模块进行视觉处理模拟场地环境,设计方案包含了电路原理图,机械手和整个车模三维造型,相关材料的购买链接,Open mv模块的Python 程序和Mega 2560的控制程序。本设计方案切实可行...
  • 这项作业已作为41013-机器人技术课程的一部分执行,以便设计和编码涉及带有机械手的DoBot Magician的拾取和放置应用程序。 在整个学期中,该资料库将随着我们的进展而更新。 请参阅每个部分以获取详细说明。 在ROS中...
  • 我们的设计基于了PC机上进行的计算机视觉来处理按键事件。采用了一个由摄像头和激光器组成的测距系统工作。 本设计所需要的硬件非常简单,只需要3个核心部件即可实现:一个摄像头、一个激光器以及投射键盘图案的投射...
  • 虚拟现实技术与应用

    热门讨论 2012-12-31 14:28:39
    2.2.1 视觉感知设备 2.2.2 听觉感知设备 2.2.3 触觉、力觉感知设备 2.3 空间位置跟踪定位设备 2.3.1 磁跟踪系统 2.3.2 光学跟踪系统 2.3.3 机械跟踪系统 2.3.4 声学跟踪系统 2.3.5 惯性位置跟踪系统 2.3.6 图像提取...

空空如也

空空如也

1 2
收藏数 30
精华内容 12
关键字:

机械手视觉传感器