【技术实现步骤摘要】
本专利技术涉及自动化，具体涉及一种视觉校正设备拧紧位置系统及其方法。
技术介绍
1、在各类装配过程中，工人从抓取到手持旋入并拧紧零部件，难免出现差错。而机器人拧紧装配技术则可以大幅减少人工参与，甚至实现完全无人化操作，具备显著的优势。这些优势包括提高生产效率、减少人工成本和避免人为错误，因而在现代制造业中得到了广泛应用。
2、然而，现有的机器人拧紧系统在实际应用中面临一些挑战。它们通常是先建立机器人与产品的相对坐标关系，然后拍摄拧紧位置特征，识别位置特征后进行拧紧，循环这个步骤从而导致效率低下。同时由于实际操作环境中存在多种变量，例如工件的位置误差、视觉系统的畸变等，这种固定坐标的方法在实践中常常会导致定位不准的问题。具体来说，当工件未能准确放置在预定位置时，机器人可能会产生偏差，导致无法正确完成拧紧操作。此外，视觉系统的畸变、工件高度和环境光线的变化也会影响机器人的定位精度。
技术实现思路
1、本专利技术的被拧紧对象为机加工产品，其定位基准和待拧紧点位的重复精度较好，可设计配套的定位工作台可保证产品的拧紧点位只出现在固定点位置，如附图1所示，但产品种类多，各产品需拧紧点位分布多样。因此，通过大视场相机拍摄可一次获得待拧紧点位，而大视场相机拍摄精度低，外加机器人绝对定位精度低，导致无法按照识别的点位坐标来让机器人完成拧紧。
2、本专利技术的目的在于针对现有技术的缺陷和不足，提供一种能够自动校正和精确定位的方法，所有的固定拧紧点位可以预先分别示教机器人程序并且
3、为实现上述目的，本专利技术采用的技术方案是：一种视觉校正设备拧紧位置系统，其创新点包括以下组件：
4、第一相机：为了匹配实际场景中的操作环境，设计布置在工件斜上方，同时与背光源位于同一侧，且位于背光源的上方，用于确定拧紧孔位置；
5、第二相机：位于工件的另一侧，与背光源位于同一水平线，用于拍摄工件侧面图像；
6、背光源：位于第一相机下方，且与第二相机位于同一水平线，用于帮助获取工件外轮廓图像，减少环境因素影响，同时可以为确定孔位提供合适的亮度。
7、一种视觉校正设备拧紧位置方法，其创新点包括以下步骤：
8、（1）相机标定：
9、通过标定获得内参外参的有效参数，对棋盘格拍摄多张图像，并通过opencv计算相机内外参数；
10、（2）图像获取：
11、通过第一相机和第二相机分别获取拧紧孔位置和工件的图像；
12、（3）透视校正：
13、在图像处理中，对拍摄角度造成的透视失真进行矫正，采用透视变换算法进行校正，且使用opencv进行开发；
14、（4）模板匹配：
15、模板匹配是通过在图像中找到与预先设定的模板图像最匹配的区域；基于相关系数（normalized cross correlation, ncc）的匹配方法；
16、（5）坐标误差匹配：
17、计算实际坐标和理论坐标之间的差值，使用欧氏距离判断误差最小的两个点，匹配孔的序号；
18、（6）工件高度测量：
19、计算工件的最高高度，发送给拧紧设备避免在拧钉时与工件发生碰撞。
20、进一步的，所述步骤3中的透视变换算法在图像处理中用来矫正由于拍摄角度造成的图像畸变；
21、在图像处理中，透视变换是一种重要的技术，用于矫正拍摄角度引起的透视失真。特别是在从斜上方拍摄带有多个孔的平面时，近处的孔看起来比远处的孔大，导致图像畸变。为了进行孔位匹配，采用透视变换算法进行校正，使用opencv进行开发。
22、基本原理是利用四个对应点（源图像中的四点与目标图像中的四点），计算出一个3×3的透视变换矩阵h，然后应用该矩阵对图像进行变换。
23、设源图像中的四个点为 (x1,y1),(x2,y2),(x3,y3),(x4,y4)，目标图像中的四个对应点为 (x1′,y1′),(x2′,y2′),(x3′,y3′),(x4′,y4′)。透视变换矩阵h可以表示为：
24、
25、透视变换的计算公式为：
26、
27、其中 (x,y)是源图像中的点，(x′,y′)是目标图像中的点，是归一化因子。通过归一化，我们可以得到目标点的坐标，为进一步提高透视矫正的精度，引入一个误差校正因子 ϵ，考虑到实际拍摄过程中可能存在的微小误差。修正后的透视变换公式可以表示为：
28、
29、其中，ϵ是一个通过实验数据拟合得到的校正因子，可以进一步减小透视变换中的微小误差，提高矫正后的图像精度。通过这种方式，可以更加精准地进行图像透视校正，适用于高精度要求的工业检测和图像分析任务。
30、实现步骤如下
31、读取图像；获取四个点：获取目标区域图像上的四个点，这四个点是需要校正区域的四个顶点；计算透视变换矩阵：使用 cv2.getperspectivetransform 函数计算透视变换矩阵；应用透视变换：使用 cv2.warpperspective 函数应用透视变换矩阵，将源图像变换为校正后的图像。
32、进一步的，所述步骤4中匹配方法的计算公式为：
33、
34、其中，r(x,y)表示模板图像t在位置(x,y)与图像i的匹配程度，值越大表示匹配度越高，w和h分别为模板图像的宽度和高度。
35、进一步的，所述步骤5中欧氏距离计算公式如下：
36、。
37、进一步的，所述模板匹配算法可以采用yolov5算法代替，所述yolov5算法的网络结构主要包括backbone、neck和head三个部分：
38、（1）backbone：在不同图像细粒度上聚合并形成图像特征的卷积神经网络；yolov5采用了cspdarknet53作为backbone，该网络在保持较高精度的同时，通过改进网络结构，提高了模型的推理速度；
39、（2）neck：一系列混合和组合图像特征的网络层，并将图像特征传递到预测层；yolov5采用了panet（path aggregation network）作为neck，通过自顶向下的路径增强和自底向上的特征融合，实现了多尺度特征的融合和利用；
40、（3）head：对图像特征进行预测，生成边界框并预测类别；yolov5采用了yolov3的anchor-free方式，通过计算预测框与gt框之间的损失，优化网络参数，实现目标的准确检测。
41、进一步的，yolov5算法在输入端采用了mosaic数据增强的方式，通过随机缩放、裁剪、排布和拼接四张图片，生成一本文档来自技高网...
【技术保护点】
1.一种视觉校正设备拧紧位置系统，其特征在于，包括以下组件：
2.一种视觉校正设备拧紧位置方法，其特征在于，包括以下步骤：
3.根据权利要求2所述的视觉校正设备拧紧位置方法，其特征在于：所述步骤3中的透视变换算法在图像处理中用来矫正由于拍摄角度造成的图像畸变；
4.根据权利要求2所述的视觉校正设备拧紧位置方法，其特征在于：所述步骤4中匹配方法的计算公式为：
5.根据权利要求2所述的视觉校正设备拧紧位置方法，其特征在于：所述步骤5中欧氏距离计算公式如下：
6.根据权利要求2或3所述的视觉校正设备拧紧位置方法，其特征在于：所述模板匹配算法可以采用YOLOv5算法代替，所述YOLOv5算法的网络结构主要包括Backbone、Neck和Head三个部分：
7.根据权利要求6所述的视觉校正设备拧紧位置方法，其特征在于：YOLOv5算法在输入端采用了Mosaic数据增强的方式，通过随机缩放、裁剪、排布和拼接四张图片，生成一张新的训练样本，使得模型在训练过程中能够学习到更多的目标特征。
8.根据权利要求6所述的
...【技术特征摘要】
1.一种视觉校正设备拧紧位置系统，其特征在于，包括以下组件：
2.一种视觉校正设备拧紧位置方法，其特征在于，包括以下步骤：
3.根据权利要求2所述的视觉校正设备拧紧位置方法，其特征在于：所述步骤3中的透视变换算法在图像处理中用来矫正由于拍摄角度造成的图像畸变；
4.根据权利要求2所述的视觉校正设备拧紧位置方法，其特征在于：所述步骤4中匹配方法的计算公式为：
5.根据权利要求2所述的视觉校正设备拧紧位置方法，其特征在于：所述步骤5中欧氏距离计算公式如下：
6.根据权利要求2或3所述的视觉校正设备拧紧位置方法，其特征在于：...
【专利技术属性】
技术研发人员：章易镰，薛雨豪，苗雨奇，张越，孙晓俊，
申请(专利权)人：江苏精惟智造科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。