选择特殊符号
选择搜索类型
请输入搜索
(1)额定负载:4kg;(2)重复定位精度:±0.02mm;3)臂长:水平臂长 (到安装面): 665mm 水平臂长 (到腕心): 600mm 垂直臂长 (到安装面): 885mm 垂直臂长 (到腕心): 820mm;(4)最大运动范围: J1(Turning): ±170 deg J2(Lower Arm):-160 to 65 deg J3(Upper Arm):-51 to 225 deg J4(Wrist Roll): ±200 deg J5(Wrist Bend): ±135 deg J6(Wrist Twist): ±360 deg。
可实现三维视觉引导、机器人运动控制、视觉检测、三维建模等方面的实验和创建算法开发平台。 2100433B
PLC、机器人技术和运动控制集成在同一平台中
德国Beckhoff在2011欧洲国际自动化组装机械展(Motek)上展出了其针对装配和搬运技术的自动化解决方案。Beckhoff展台上,KOCH Pac—Systeme GmbH公司KRH—D Delta机器人的现场应用演示让观众对基于Pc和EtherCAT控制技术所具备的优异性能有了更深入的体会和了解。先进的高性能PC技术结合高速以太网通讯系统,除了PLC、运动控制和测量技术之外,还可将机器人技术集成在同一个硬件和软件平台中。
双臂并联机器人的运动控制程序设计
分析双臂并联机器人的结构特点及任务需求,建立数学模型,使用Sysmac Studio软件编写满足控制要求的程序。经调试,运行效果理想。
第1章 绪论
1.1 机器人视觉控制
1.1.1 机器人视觉的基本概念
1.1.2 机器人视觉控制的作用
1.2 机器人视觉控制的研究内容
1.2.1 摄像机标定
1.2.2 视觉测量
1.2.3 视觉控制的结构与算法
1.3 机器人视觉系统的分类
1.3.1 根据摄像机与机器人的相互位置分类
1.3.2 根据摄像机数目分类
1.3.3 根据测量方式进行分类
1.3.4 根据控制模型进行分类
1.4 视觉控制的发展现状与趋势
1.4.1 视觉系统标定研究进展
1.4.2 机器人的视觉测量研究进展
1.4.3 机器人的视觉控制研究进展
1.4.4 机器人视觉控制的应用现状
1.4.5 机器人视觉测量与控制的发展趋势
参考文献
第2章 摄像机与视觉系统标定
2.1 摄像机模型
2.1.1 小孔模型
2.1.2 摄像机内参数模型
2.1.3 摄像机外参数模型
2.2 单目二维视觉测量的摄像机标定
2.3 Faugems的摄像机标定方法
2.3.1 Faugems摄像机标定的基本方法
2.3.2 Faugeras摄像机标定的改进方法
2.4 Tsai的摄像机标定方法
2.4.1 位姿与焦距求取
2.4.2 畸变矫正系数与焦距的精确求取
2.5 手眼标定
2.6 基于消失点的摄像机内参数自标定
2.6.1 几何法
2.6.2 解析法
2.7基于运动的摄像机自标定
2.7.1 基于正交平移运动和旋转运动的摄像机自标定
2.7.2 基于单参考点的摄像机自标定
2.8 畸变校正与非线性模型摄像机的标定
2.8.1 基于平面靶标的非线性模型摄像机标定
2.8.2 基于平面靶标的大畸变非线性模型摄像机的标定
2.9 结构光视觉的参数标定
2.9.1 基于立体靶标的激光平面标定
2.9.2 主动视觉法激光平面标定
2.9.3 斜平面法结构光视觉传感器标定
参考文献
第3章 视觉测量
3.1 视觉测量中的约束条件
3.1.1 特征匹配约束
3.1.2 不变性约束
3.1.3 直线约束
3.2 单目视觉位置测量
3.3 立体视觉位置测量
3.3.1 双目视觉
3.3.2 结构光视觉
3.4 基于目标约束的位姿测量
3.4.1 基于立体视觉的位姿测量
3.4.2 基于矩形的位姿测量
3.5 基于PnP问题的位姿测量
3.5.1 P3P的常用求解方法
3.5.2 PnP问题的通用线性求解
3.6 基于消失点的位姿测量
3.6.1 基于消失点的单视点三维测量
3.6.2 基于消失点的单视点仿射测量
3.7 移动机器人的视觉定位
3.7.1 基于单应性矩阵的视觉定位
3.7.2 基于非特定参照物的视觉定位
3.8 移动机器人的视觉全局定位
3.8.1 基于非特定参照物的视觉全局定位
3.8.2 视觉定位与里程计推算定位的信息融合
3.9 MEMS装配中的显微视觉测量
3.9.1 显微视觉系统的构成
3.9.2 显微视觉系统的自动调焦与视觉测量
3.9.3 实验与结果
参考文献
第4章 视觉控制
4.1 基于位置的视觉控制
4.1.1 位置给定型机器人视觉控制
4.1.2 机器人的位置视觉伺服控制
4.1.3 基于位置的视觉控制的稳定性
4.1.4 基于位置视觉控制的特点
4.2 基于图像的视觉控制
4.2.1 基于图像特征的视觉控制
4.2.2 基于图像的视觉伺服控制
4.2.3 基于图像的视觉控制的稳定性
4.2.4 基于图像的视觉控制的特点
4.3 混合视觉伺服控制
4.3.1 2.5D视觉伺服的结构
4.3.2 2.5D视觉伺服的原理
4.4 基于结构光的机器人弧焊混合视觉控制
4.4.1 图像空间到机器人末端笛卡儿空间的雅可比矩阵
4.4.2 混合视觉控制
4.4.3 实验与结果
4.5 直接视觉控制
4.5.1 直接视觉控制的结构
4.5.2 visual.motor函数的实现
4.6 基于姿态的视觉控制
4.6.1 姿态测量
4.6.2 基于姿态估计的视觉控制系统的结构与基本原理
4.6.3 实验与结果
4.7 基于图像雅可比矩阵的无标定视觉伺服控制
4.7.1 动态牛顿法
4.7.2 图像雅可比矩阵的估计
4.8 自标定视觉控制
4.8.1 摄像机的自标定
4.8.2 目标跟踪视觉控制
4.9 基于极线约束的无标定摄像机的视觉控制
4.9.1 基本原理
4.9.2 视觉伺服控制
4.9.3 实验与结果
参考文献
第5章 视觉控制的应用
5.1 开放式机器人控制平台
5.1.1 多层次结构的开放式机器人控制平台
5.1.2 本地机器人的实时控制
5.1.3 图形示教实验与结果
5.2 具有焊缝识别与跟踪功能的自动埋弧焊机器人系统
5.2.1 焊接小车与视觉系统
5.2.2 结构光焊缝条纹图像的处理
5.3 曲线焊缝跟踪的视觉伺服协调控制
5.3.1 机器人运动与特征点坐标变化的数学分析
5.3.2 模糊视觉伺服控制器的设计
5.3.3 实验与结果
5.4 仿人形机器人的火炬传递
5.4.1 系统构成与目标特征
5.4.2 目标分割与边缘提取
5.4.3 特征提取
5.4.4 火炬传递任务中的视觉引导
5.4.5 趋近与对准
5.4.6 实验与结果
参考文献
机器人视觉测量与控制涉及光学、电子学、控制科学、计算机科学等众多学科,是一门重要的综合性前沿学科。在工业机器人、移动机器人领域。军事领域、航天与空间探索领域等具有广阔的应用前景。研究实时视觉测量与控制,对于提高机器人的自主作业能力、拓展机器人的应用范围具有十分重要的意义。
本书从控制的角度出发,以工程实现为目标,以机器人的视觉控制为背景,系统全面地介绍了视觉系统的构成和标定、视觉测量的原理与方法、视觉控制的原理与实现,并给出了机器人视觉测量与控制的应用示例。全书以串联关节机器人为主,同时兼顾了移动机器人的控制问题。
全书由5章构成,分别为绪论、摄像机与视觉系统标定、视觉测量、视觉控制、视觉控制的应用。本书从控制角度,以能够进行工程实现为目标,以机器人的视觉控制为背景,系统全面地介绍了视觉系统的构成和标定、视觉测量的原理与方法、视觉控制的原理与实现,并给出了机器人视觉测量与控制的应用示例。
本书面向从事机器人研究和应用的科技人员,注重反映本领域的研究前沿和可实现性。可作为机器人、计算机视觉等领域科研工作者和工程技术人员的参考书,也可作为控制科学与工程、计算机等学科的研究生和高年级本科生的教材。
机器人视觉培训站包含一台工业机器人,一套视觉系统以及配套的控制设备及安全措施,用于演示机器人的视觉功能。机器人视觉培训站通过在机器人本体上 加装视觉采集装置、图像处理与识别单元、结果显示单元以及视觉系统控制单元,来模拟人的视觉功能,实现对目标对象的识别、判断与测量,能够帮助学生机器人视觉采集、转换与处理的过程。 2100433B