發(fā)布時間：2024-10-04 19:37

　　近年來,隨著電子商務行業(yè)的迅猛發(fā)展,與之配套的倉儲物流行業(yè)同樣發(fā)展迅速。倉儲物流行業(yè)存在商品種類繁多、商品數(shù)量龐大等特點,為了提高空間的利用率降低運輸和存儲成本,混合垛逐漸代替整形垛在倉儲物流行業(yè)扮演重要的角色。針對混合垛拆垛,由于箱體尺寸未知、存在高度差等問題,采用傳統(tǒng)的二維視覺技術難以滿足定位精度的需求,采用主流的三維視覺技術存在時間消耗較大、穩(wěn)定性不足的問題。本文結(jié)合三維視覺技術,提出了用于混合垛拆垛的點云分割以及位姿估計算法,并搭建實驗平臺,對其定位精度、穩(wěn)定性以及實時性進行研究。根據(jù)拆垛系統(tǒng)的需求,確定了混合垛拆垛系統(tǒng)的總體方案以及工作流程。針對成像速度快、識別區(qū)域面積大以及精度需求較低的混合垛識別需求,選用基于TOF技術的快照式深度相機。然后進行了系統(tǒng)標定工作的原理和算法研究,主要包括深度相機內(nèi)參標定、機器人TCP標定和系統(tǒng)的手眼標定。進行混合垛點云預處理算法研究。針對原始點云數(shù)據(jù)存在的噪聲點云、點云空洞、數(shù)據(jù)量大等問題,進行點云濾波,點云精簡和點云平滑等工作。進行混合垛點云分割和位姿估計算法研究。根據(jù)混合垛存在高度差的特點,本文提出了一種“兩步走”的分割策略,第一步建立了R...

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 三維視覺技術的發(fā)展
        1.2.2 視覺引導機械臂拆垛方案研究
        1.2.3 基于三維視覺的分割和定位算法研究
        1.2.4 國內(nèi)外研究現(xiàn)狀簡析
    1.3 本文的主要研究內(nèi)容
第2章 基于三維視覺混合垛拆垛系統(tǒng)方案設計
    2.1 引言
    2.2 系統(tǒng)總體方案設計
        2.2.1 系統(tǒng)結(jié)構方案設計
        2.2.2 系統(tǒng)工作流程方案設計
    2.3 系統(tǒng)標定技術研究
        2.3.1 深度相機標定技術研究
        2.3.2 TCP標定技術研究
        2.3.3 手眼標定技術研究
    2.4 本章小結(jié)
第3章 混合垛點云的預處理算法研究
    3.1 引言
    3.2 混合垛點云的濾波算法
        3.2.1 原始點云噪聲分析
        3.2.2 混合垛點云濾波算法研究
        3.2.3 混合垛點云濾波算法實驗及分析
    3.3 基于MLS的點云重采樣算法
        3.3.1 MLS點云重采樣算法研究
        3.3.2 MLS點云重采樣算法實驗及分析
    3.4 基于體素濾波的混合垛點云降采樣算法
        3.4.1 體素濾波降采樣算法研究
        3.4.2 體素濾波降采樣算法實驗及分析
    3.5 本章小結(jié)
第4章 混合垛點云的分割以及位姿估計算法研究
    4.1 引言
    4.2 基于RANSAC算法的目標平面提取
        4.2.1 混合垛組成特性分析
        4.2.2 RANSAC算法基本原理
        4.2.3 RANSAC算法實驗分析
    4.3 基于區(qū)域生長算法的目標平面分割
        4.3.1 等高緊貼箱體預處理算法原理及分析
        4.3.2 目標平面分割算法原理及分析
    4.4 混合垛位姿估計算法研究
    4.5 混合垛拆垛策略
    4.6 混合垛點云分割與位姿估計方案對比分析
    4.7 本章小結(jié)
第5章 基于ROS的實驗平臺搭建與實驗驗證
    5.1 引言
    5.2 硬件實驗系統(tǒng)搭建
        5.2.1 點云采集系統(tǒng)
        5.2.2 機器人系統(tǒng)
        5.2.3 末端抓取系統(tǒng)
    5.3 軟件實驗系統(tǒng)搭建
        5.3.1 軟件系統(tǒng)介紹
        5.3.2 軟件框架搭建
    5.4 實驗驗證
        5.4.1 系統(tǒng)標定實驗及精度分析
        5.4.2 拆垛系統(tǒng)實驗及分析
    5.5 本章小結(jié)
結(jié)論
參考文獻
致謝



本文編號：4007062