用于自动插线系统的连接器识别与定位算法

doi:10.12141/j.issn.1000-565X.200449

华南理工大学学报(自然科学版) ›› 2021, Vol. 49 ›› Issue (3): 17-24,33.doi: 10.12141/j.issn.1000-565X.200449

所属专题： 2021年机械工程

用于自动插线系统的连接器识别与定位算法

胡广华黄俊锋王宁蔡鑫垚李静蓉王清辉

华南理工大学机械与汽车工程学院，广东广州 510640

收稿日期:2020-07-31 修回日期:2020-08-24 出版日期:2021-03-25 发布日期:2021-03-01
通信作者: 胡广华(1980-) ，男，博士，副教授，主要从事智能制造、机器视觉研究。 E-mail:ghhu@scut.edu.cn
作者简介:胡广华(1980-) ，男，博士，副教授，主要从事智能制造、机器视觉研究。
基金资助:
国家自然科学基金青年基金资助项目 ( 51505155) ; 广东省自然科学基金资助项目 ( 2020A1515010698) ; 华南理工大学中央高校基本科研业务费专项资金资助项目 ( 2019MS056) ; 广东省普通高校特色创新项目 ( 2020KTSCX007)

Identification and Location Algorithm of Connectors for Automatic Wiring System

HU Guanghua HUANG Junfeng WANG Ning CAI Xinyao LI Jingrong WANG Qinghui

School of Mechanical and Automotive Engineering，South China University of Technology，Guangzhou 510640，Guangdong，China

Received:2020-07-31 Revised:2020-08-24 Online:2021-03-25 Published:2021-03-01
Contact: 胡广华(1980-) ，男，博士，副教授，主要从事智能制造、机器视觉研究。 E-mail:ghhu@scut.edu.cn
About author:胡广华(1980-) ，男，博士，副教授，主要从事智能制造、机器视觉研究。
Supported by:
Supported by the National Natural Science Foundation of China for Young Scholars ( 51505155) and the Natural Science Foundation of Guangdong Province ( 2020A1515010698)

摘要/Abstract

摘要： 为实现导线端子－连接器插孔装配的自动化，设计了基于机器视觉的机器人自动插线系统。为克服成像视角变化及杂乱背景对连接器目标识别造成的干扰，提出一种基于累积量化梯度方向特征的连接器识别方法，提高了目标连接器识别的稳定性; 在此基础上，针对因插孔密集排列造成的多插孔中心定位问题，提出一种基于扫描线直方图特征的多插孔定位算法，实现了目标连接器插孔中心位置的精确获取。实验结果表明，所提出的算法能够稳定识别目标连接器，并满足插孔定位的精度要求。

关键词: 插线系统, 连接器识别, 梯度方向特征, 扫描线直方图, 多插孔定位

Abstract: In order to realize automated wire-socket assembly，an automatic robot wiring system based on machine vision was designed． And，to avoid the interference caused by the change of imaging angle and the clutter background，a connector identification method based on cumulative quantization gradient orient feature was proposed to improve the stability of target connector identification． On this basis，a multi-socket positioning algorithm based on scan line histogram characteristics was proposed to solve the problem of multi-sockets' center positioning caused by the dense arrangement of sockets． Experimental results show that the designed algorithm can stably identify the target connector and meet the accuracy requirements of socket positioning．

Key words: wiring system, connectors identification, gradient orient feature, scan line histogram, multi-socket positioning

中图分类号:

TP242

胡广华, 黄俊锋, 王宁, 等. 用于自动插线系统的连接器识别与定位算法[J]. 华南理工大学学报(自然科学版), 2021, 49(3): 17-24,33.

HU Guanghua, HUANG Junfeng, WANG Ning, et al. Identification and Location Algorithm of Connectors for Automatic Wiring System[J]. Journal of South China University of Technology(Natural Science Edition), 2021, 49(3): 17-24,33.

[1]	张铁, 陈亿杰, 邹焱飚. 基于扰动卡尔曼滤波外力矩观测器的机器人碰撞检测[J]. 华南理工大学学报(自然科学版), 0, (): 0-0.
[2]	万珍平, 罗钊, 陆龙生, 等. 关节角参数化结合接近矢量可行方向的五自由度机械臂逆运动学求解[J]. 华南理工大学学报(自然科学版), 2023, 51(1): 16-21.
[3]	史步海, 欧华海, 郭清达. 基于位置跟踪器的机器人快速示教方法[J]. 华南理工大学学报(自然科学版), 2022, 50(10): 62-69.
[4]	张铁, 许锦盛, 邹焱飚. 基于扰动卡尔曼滤波的机器人免力矩传感器拖动示教方法[J]. 华南理工大学学报(自然科学版), 2022, 50(9): 116-125.
[5]	陈朋, 江勇奇, 俞天纬, 等. 基于局部软约束优化的无人机航迹规划方法[J]. 华南理工大学学报(自然科学版), 2022, 50(6): 27-36.
[6]	马立徐梦聪周磊. 基于RGB-D相机的点线特征融合SLAM算法[J]. 华南理工大学学报(自然科学版), 2022, 50(2): 76-83.
[7]	张香竹, 张立家, 宋逸凡, 等. 基于深度学习的无人机单目视觉避障算法[J]. 华南理工大学学报（自然科学版）, 2022, 50(1): 101-108, 131.
[8]	魏武, 韩进, 李艳杰, 等. 基于双树 Quick-RRT* 算法的移动机器人路径规划[J]. 华南理工大学学报（自然科学版）, 2021, 49(7): 51-58.
[9]	翟宇毅, 马新愿, 陈冬冬, 等. 柔性穿戴式上肢康复机器人关节运动控制研究[J]. 华南理工大学学报(自然科学版), 2021, 49(6): 19-27.
[10]	全燕鸣何一明. 多机器人任务分配调度的克隆选择算法[J]. 华南理工大学学报（自然科学版）, 2021, 49(5): 102-110.
[11]	华德正, 刘新华, 赵欣, 等. 基于磁流变液的球形磁控机器人设计及实验[J]. 华南理工大学学报（自然科学版）, 2021, 49(2): 151-160.
[12]	刘凯, 陈伊宁, 吴阳, 等. 基于 RBF 神经网络的气动人工肌肉 PID 位置控制[J]. 华南理工大学学报（自然科学版）, 2020, 48(5): 142-148.
[13]	王丹丹谭开拓高素玲袁赣南. 基于模糊逻辑四元数的平方根 UKF 算法[J]. 华南理工大学学报（自然科学版）, 2019, 47(4): 53-60.
[14]	魏武李艳杰廖志鹏张晶. 基于旋量理论的蛇形机器人运动学建模 [J]. 华南理工大学学报（自然科学版）, 2019, 47(2): 1-8.
[15]	叶国强李伟光万好. 球体图像视觉伺服投影距离的非线性观测 [J]. 华南理工大学学报（自然科学版）, 2018, 46(3): 16-22.

用于自动插线系统的连接器识别与定位算法

Identification and Location Algorithm of Connectors for Automatic Wiring System

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价