面向小部件的机器人抓取系统设计含4张CAD图+说明书

ABB机械臂组装图

面向小部件的机器人抓取系统设计

Robot crawl system design for widgets

摘要
工业革命将制造业推向新的起点，在之后的工业发展中，机械制造逐渐占领了市场，落后的制造技术逐渐被淘汰。随着各方面不断的发展，为满足现代生活需求，机器人技术开始走向人们生活中。西方国家在机器人技术领域已经研究了很多年了，中国也开始了追赶的脚步，中国版的“工业4.0”指明了以后中国机器人的发展方向。为了满足制造需求，现代机器人向着智能化发展，依靠机器人视觉技术完成工件的加工、焊接、抓取等等。为实现机器人精确地进行小部件抓取工作，本文采用基于深度学习的目标检测用于检测目标物体位置，配合基于深度学习的抓取位置检测和手眼定标，完成对目标物体抓取位置的锁定，通过上位机与ABB机器人IRB1200的结合完成抓取，提高精度，能够很好的针对小部件进行抓取操作。具体工作如下：
首先，为了对目标物体进行定位，我们选用基于深度学习的目标检测，为快速完成检测功能，对其建立相关的数据集，通过训练能使得它对目标物体进行种类和位置的确定，从而完成对目标物体位置的定位。
之后，为抓取方便，我们采用基于深度学习的抓取位置检测。建立相关的训练模型和数据集，通过相机定标及手眼标定完成对目标物体最优抓取位置的确定。
其后，通过上位机进行数据的传输与控制，上位机与机器人之间以套接字实现通信，将目标物体最优抓取位置的坐标以字符串的形式发与机器人。
最后，机器人接收并提取出目标物体最优抓取位置的坐标值，再通过视觉信息将机器人引导至最优抓取点，通过电磁阀的通断控制真空吸盘，以此达到对目标物体的抓取与放置工作。

关键字：深度学习；视觉定位；手眼定标；相机定标；套接字
目录
摘要1
ABSTRACT 1
第1章综述1
1.1本设计的研究背景1
1.1.1设计意义2
1.2国内外发展现状以及未来的趋势3
1.2.1国外发展现状3
1.2.2国内发展现状4
1.2.3未来发展趋势4
1.3内容安排5
1.4本章小结6
第2章深度学习的目标检测7
2.1 PASCAL VOC数据集7
2.2创建抓取位置检测的数据集8
2.3各目标检测方法的对比与选型8
2.4 Faster R-CNN目标检测介绍10
2.5本章小结11
第3章系统的相关定标及抓取点获取12
3.1相机定标12
3.1.1线性相机标定技术12
3.1.2非线性相机标定14
3.2机器人手眼定位15
3.3基于深度学习的抓取位置检测模型15
3.3.1模型系统简介16
3.3.2模型数据处理16
3.4本章小结17
第4章数据传输、控制与最终执行18
4.1数据传输、控制单元18
4.1.1传输控制18
4.1.2数据传输19
4.2执行机构20
4.2.1 IRB1200简介21
4.2.2真空吸盘的介绍与控制21
4.2.3端口设计23
4.2.4创建机器人工作站23
4.3本章小结24
第5章系统设计过程25
5.1相机选型及位置固定25
5.1.1相机选用25
5.1.2相机的位置固定26
5.2线路连接27
5.2.1电脑与IO板的连接27
5.2.2 IO板与IRB1200机器人连接29
5.3本章小结30
第6章总结与展望31
6.1总结31
6.2未来展望32
参考文献33
致谢35

字数

连接图

IO板

传感器原理图

摘要

目录