专利交易市场

本发明公开了一种基于3D视觉系统的堆叠工件无序抓取方法及系统，涉及计算机视觉技术领域，方法包括：通过深度相机获取堆叠工件的RGB图像和深度图像，并生成点云数据；利用集成MSDA模块的改进Mask R‑CNN模型对RGB和深度图像进行实例分割，结合ICP算法与模板点云配准实现工件位姿估计；通过手眼标定建立相机与机械臂的坐标关系，获取工件在机械臂基座坐标系下的6D位姿；根据点云质心距离和点数计算抓取优先级，选取最优目标进行抓取，循环完成所有工件的无序抓取。本发明通过集成MSDA模块的改进Mask R‑CNN模型和ICP算法结合3D视觉系统，实现对堆叠工件的精确实例分割与位姿估计，从而准确地完成无序抓取任务。

本发明公开了一种基于3D视觉的机械臂修坯方法，包括：点云数据采集、目标点云提取、点云配准、表面重建、机械臂轨迹规划。点云数据采集使用融合式深度相机采集包含目标工件的多角度场景点云数据，然后对场景点云进行目标提取。在此基础上，对多视角目标点云进行点云配准，建立全视角的点云模型，然后对该模型进行表面重建，重建出较为完整且接近于实物的重建模型。机械臂轨迹规划步骤是根据重建模型上的作业点坐标和相应的目标函数规划出轨迹点，并在仿真环境中进行验证与执行，仿真执行完成后，将轨迹数据发送至机械臂控制器进行修坯作业处理。本发明提高了系统作业自动化程度的同时，提高了稳定性和可靠性。

本发明公开了一种基于3D视觉的深框工件抓取方法，包括：基于虚拟环境构建机械臂在深框内的位姿关系式；基于位姿关系式对匹配成功位姿集合初步处理生成一个可抓取位姿集合和备选位姿集合；对可抓取位姿集合和备选位姿集合中的位姿进行归一化处理并算出对应目标函数值，通过排序取出最合适的抓取位姿。通过本发明的上述方法，后续路径规划中可去掉深框障碍物，从而使得路径规划效率更高，可快速判断匹配成功的工件是否可抓，并且能够提高清框率。

本发明提供一种基于3D视觉技术的首胎字符检测与识别方法和系统，其中，所述方法包括以下步骤：获取轮胎侧面字符区域的点云数据；对点云数据进行预处理，包括过滤掉异常值点云数据以及将轮胎表面的曲面点云拟合后展开为平面点云；将预处理后的点云数据转换成深度图像；对深度图像进行标注，并生成与标注信息相对应的文件；根据字符区域的坐标数据样本对字符检测网络进行训练，以得到字符检测模型；根据字符区域的字符数据样本对字符识别网络进行训练，以得到字符识别模型；通过字符检测模型和字符识别模型对轮胎侧面字符区域进行检测和识别，将字符检测模型的检测结果和字符识别模型的识别结果分别在原图像中显示出来。

本实用新型公开了一种基于3D视觉的机器人上下料工作站，包括输送单元、3D视觉单元、机器人及多个机床，输送单元包括提升机，提升机连接有输送机，待加工的工件经提升机自动运送至输送机上，设于输送机上方的3D视觉单元可对输送机上的工件进行状态信息的采集，机器人根据状态信息对工件进行准确抓取、并将工件放置到机床上，工件加工完毕后机器人再将工件从机床上取出，抓取过程快速、准确，提高了工作效率；同时，多个机床共用一个输送单元、一个3D视觉单元、及机器人，通过多个机床的间歇工作即可实现工作站连续24小时的连续作业，进一步大大提高工作效率。