纺织学报 ›› 2020, Vol. 41 ›› Issue (12): 137-143.doi: 10.13475/j.fzxb.20200300607

• 机械与器材 • 上一篇    下一篇

基于机器视觉的纱笼纱杆快速定位方法

张文昌1,2, 单忠德1(), 卢影2   

  1. 1.机械科学研究总院集团有限公司 先进成形技术与装备国家重点实验室, 北京 100083
    2.北京机科国创轻量化科学研究院有限公司, 北京 100083
  • 收稿日期:2020-03-03 修回日期:2020-05-15 出版日期:2020-12-15 发布日期:2020-12-23
  • 通讯作者: 单忠德
  • 作者简介:张文昌(1985—),男,高级工程师,博士。主要研究方向为机器视觉。
  • 基金资助:
    国家杰出青年科学基金资助项目(51525503);机械科学研究总院集团有限公司技术发展基金项目(512006Q9)

Fast location of yarn-bars on yarn-cage based on machine vision

ZHANG Wenchang1,2, SHAN Zhongde1(), LU Ying2   

  1. 1. State Key Laboratory of Advanced Forming Technology and Equipment, China Academy of Machinery Science and Technology Group Co., Ltd., Beijing 100083, China
    2. Beijing National Innovation Institute of Lightweight Ltd., Beijing 100083, China
  • Received:2020-03-03 Revised:2020-05-15 Online:2020-12-15 Published:2020-12-23
  • Contact: SHAN Zhongde

RichHTML

1

PDF (PC)

51

摘要：

为实现纺织印染过程全流程自动化、数字化、智能化生产,针对纺织印染行业大尺寸纱笼上密集纱杆数字化精确定位问题,提出一种离线检测与在线检测相结合的数字化视觉定位方法。该方法将单目工业相机安装在机器人末端,离线检测单元在非生产时间时对纱笼上的纱杆位置进行定位检测,并将纱笼上所有纱杆的位置信息记录到数据库中;在线检测单元在生产过程中对纱笼上少数几个纱杆进行定位检测,结合离线检测的纱杆位置信息,采用最小二乘法计算得到纱笼的整体位姿偏移,然后根据纱笼位姿偏移计算得到所有纱杆的位置信息,从而引导机器人完成相应的取放作业。实验表明,该方法定位准确,鲁棒性强,生产中占用节拍少,实用性强。

关键词: 单目视觉, 机器人, 纱笼, 纱杆, 最小二乘法, 离线检测, 在线检测

Abstract:

In order to realize automatic, digital and intelligent production in textile dyeing industry, a vision based locating method was proposed for an eye-in-hand system aiming at the problem of location of dense yarn-bars on yarn-cage, combing the offline with online detection information. The offline detection unit recognized and located all the yarn-bars on yarn-cage during the machine idle time, and the location information of the yarn-bars was sent to the database. The online detection unit calculated the positions of all the yarn-bars on the yarn-cage, and guided the robot picking or putting objects on the yarn-bars in the productive time. For the online detection a few yarn-bars were detected firstly, and then a least square method were used to calculate the rotation angle and translation vector of the yarn-cage between its online position and offline position. All the positions of yarn-bars on yarn-cage were calculated using the data from the database. Experiment results show that the proposed method offers accuracy, robustness and practicality.

Key words: monocular vision, robot, yarn-cage, yarn-bar, least square method, offline detection, online detection

中图分类号: 

  • TS190.4

图1

纱笼纱杆视觉机器人"

图2

成像模型"

图3

纱杆识别"

图4

手动选择纱杆特征"

图5

离线检测流程"

图6

在线视觉示意图"

图7

在线检测流程"

图8

120个纱杆布局"

图9

离线检测实验照片"

图10

离线检测效果比对图"

表1

在线检测数据"

检测
杆号		 数据库离线数据 在线检测结果
x y x y
1 1 764.25 911.10 1 771.43 910.95
13 825.60 1 081.24 832.95 1 080.92
77 499.43 1 958.34 507.62 1 958.27
120 1 103.05 2 696.04 1 112.03 2 695.90
108 2 049.63 2 558.20 2 057.70 2 557.63
44 2 376.87 1 661.00 2 384.67 1 660.22

表2

在线检测误差"

杆号 误差 杆号 误差 杆号 误差 杆号 误差 杆号 误差
1 0.44 25 0.47 49 0.28 73 0.16 97 0.38
2 0.43 26 0.13 50 0.53 74 0.57 98 0.56
3 0.12 27 0.57 51 0.53 75 0.56 99 0.28
4 0.26 28 0.19 52 0.54 76 0.55 100 0.34
5 0.45 29 0.44 53 0.45 77 0.31 101 0.24
6 0.44 30 0.41 54 0.54 78 0.69 102 0.48
7 0.50 31 0.49 55 0.26 79 0.17 103 0.33
8 0.38 32 0.47 56 0.65 80 0.64 104 0.43
9 0.05 33 0.14 57 0.30 81 0.57 105 0.39
10 0.34 34 0.38 58 0.51 82 0.45 106 0.47
11 0.48 35 0.60 59 0.41 83 0.31 107 0.35
12 0.55 36 0.41 60 0.53 84 0.52 108 0.29
13 0.36 37 0.07 61 0.44 85 0.43 109 0.40
14 0.25 38 0.48 62 0.26 86 0.60 110 0.42
15 0.57 39 0.24 63 0.49 87 0.27 111 0.32
16 0.17 40 0.25 64 0.45 88 0.08 112 0.45
17 0.06 41 0.38 65 0.32 89 0.58 113 0.53
18 0.36 42 0.21 66 0.75 90 0.61 114 0.70
19 0.42 43 0.41 67 0.36 91 0.45 115 0.12
20 0.65 44 0.08 68 0.19 92 0.44 116 0.17
21 0.60 45 0.59 69 0.20 93 0.70 117 0.17
22 0.29 46 0.43 70 0.41 94 0.42 118 0.40
23 0.43 47 0.15 71 0.48 95 0.70 119 0.36
24 0.19 48 0.49 72 0.35 96 0.26 120 0.56

表3

少杆数纱杆在线定位检测结果"

检测杆号 在线检测计算结果 120杆误差
θ/rad Tx/mm Ty/mm 平均值 最大值
1, 13 0.000 14 7.40 -0.41 1.01 1.95
1, 77 -0.000 43 7.07 0.38 0.45 0.91
1, 120 -0.000 89 6.48 1.13 0.47 0.97
13, 77, 120 -0.000 90 6.45 0.56 0.52 1.08
13, 77, 108 -0.000 40 7.13 0.13 0.43 0.96
13, 108, 44 -0.000 37 7.10 0.08 0.47 1.06
77, 120, 108,44 -0.000 48 7.19 0.34 0.40 0.87
1, 77, 120, 108 -0.000 57 6.95 0.54 0.40 0.82
13, 77, 108, 44 -0.000 39 7.15 0.12 0.43 0.82
1, 13, 77, 108, 44 -0.000 42 7.04 0.25 0.45 0.94
1, 13, 120, 108, 44 -0.000 61 6.79 0.60 0.41 0.75
13, 77, 120,108, 44 0.000 53 7.03 0.35 0.39 0.75
[1] 吴双峰, 单忠德, 王德成, 等. 染色工序经轴纱自动装卸夹持器设计[J]. 毛纺科技, 2018,46(5):1-4.
WU Shuangfeng, SHAN Zhongde, WANG Decheng, et al. Design of automatic loading and unloading warp beam holder in dyeing process[J]. Wool Textile Journal, 2019,46(5):1-4.
[2] 蔡逸超, 周晓, 宋明峰, 等. 应用多尺度多方向模板卷积的筒子纱缺陷检测[J]. 纺织学报, 2019,40(4):152-157.
CAI Yichao, ZHOU Xiao, SONG Mingfeng, et al. Defect detection of cheese yarn bsed on multi-scale multi-direction template convolution[J]. Journal of Textile Research, 2019,40(4):152-157.
[3] WANG Weichien, CHEN Liangbi, CHANG Wangjung, et al. A machine vision based automatic optical inspection system for measuring drilling quality of printed circuit boards[J]. IEEE Access, 2017,5:10817-10833.
[4] CHANDRA S N, BIPAN T, CHIRANJIB K. A machine vision-based maturity prediction system for sorting of harvested mangoes[J]. IEEE Transactions on Instrumentation and Measurement, 2014,63(7):1722-1730.
doi: 10.1109/TIM.2014.2299527
[5] ZHANG Wenchang, MEI Jiangping, DING Yabin, et al. Angle recognition algorithm based on discrete series data of object-boundary in polar coordinate[J]. Optik, 2013,124:1273-1277.
doi: 10.1016/j.ijleo.2012.03.025
[6] ZHANG Wenchang, WANG Ronghao, JI Lijuan, et al. High precise position method based on 2 CCD cameras in alternate-angle image acquisition mode[C]// 2018 IEEE International Conference on Mechatronics, Robotics and Automation (ICMRA). Hefei: IEEE, 2018,21(6):946-949.
[7] 朱永国, 张文博, 邓正平, 等. 基于激光跟踪仪和机器视觉的飞机翼身对接装配偏差动态综合修正[J]. 机械工程学报, 2018,55(24):187-196.
ZHU Yongguo, ZHANG Wenbo, DENG Zhengping, et al. Dynamic sysjournal correction of deviation for aircraft wing-fuselage checking assembly based on laser tracker and machine vision[J]. Journal of Mechanical Engineering, 2018,55(24):187-196.
[8] GU Fengwei, GAO Hongwei, LIU Jingguo, et al. Research on static vision-based target localization for astronaut assistant robots[J]. IEEE Access, 2019,7:128394-128407.
[9] KUO Yonglin, LIU Bohan, WU Chunyu, et al. Pose determination of a robot manipulator based on monocular vision[J]. IEEE Access, 2014,4:8454-8464.
[10] FRANK Chen. Robot manipulation of 3D cylindrical objects with a robot-mounted 2D vision camera[C]// 2017 Computing Conference. London: IEEE, 2017: 192-199.
[11] ROMULO G L, SIDNEY N G, PAULO R G K, Vision-based measurement for localization of objects in 3-D for robotic applications[J]. IEEE Transactions on Instrumentation and Measurement, 2016,64(11):2950-2958.
[12] 季旭全, 王君臣, 赵江地, 等. 基于机器人和视觉引导的星载设备智能装配方法[J]. 机械工程学报, 2018,54(23):63-72.
JI Xuquan, WANG Junchen, ZHAO Jiangdi, et al. Intelligent robotic assembly method of spaceborne equipment based on visual guidance[J]. Journal of Mechanical Engineering, 2018,54(23):63-72.
[1] 沈津竹, 赵晓露, 张帆, 俞青, 苏军强. 柔性康复手套设计与工效性评价[J]. 纺织学报, 2020, 41(09): 119-127.
[2] 李珣, 南恺恺, 赵征凡, 王晓华, 景军锋. 多智能体博弈的纺织车间搬运机器人任务分配[J]. 纺织学报, 2020, 41(07): 78-87.
[3] 张建新, 李琦. 基于机器视觉的筒子纱密度在线检测系统[J]. 纺织学报, 2020, 41(06): 141-146.
[4] 刘建宝, 李平, 金福江, 梅小华. 多辊型整纬器改进方案及其实践[J]. 纺织学报, 2020, 41(06): 153-160.
[5] 周虎, 刘涛, 高金杰, 周强, 罗滨鸿, 游政, 苏炳望, 巴拉. 手工地毯植绒机轨迹规划及其速度控制优化[J]. 纺织学报, 2019, 40(10): 177-182.
[6] 任荟颖, 邹鲲, 胡小荣. 化纤长丝自动落卷系统仿真平台开发[J]. 纺织学报, 2019, 40(07): 151-157.
[7] 金肖克 田伟 朱炜婧 蒋晶晶 祝成炎. 基于高光谱成像系统的纺织品成分定性鉴别[J]. 纺织学报, 2018, 39(10): 50-57.
[8] 常永和 薛元 韩晨晨 杨瑞华 高卫东 张毅. 环锭纺导纱板受力信号在线检测及纺纱张力分析[J]. 纺织学报, 2018, 39(09): 146-152.
[9] 田俊杰 张李超 赵星 白宇 . 纺织品图案主结构的快速提取方法[J]. 纺织学报, 2018, 39(04): 137-143.
[10] 李霞 杜磊 许明月 方园 邹奉元. 应用电子鼻技术的鹅绒与鸭绒区分[J]. 纺织学报, 2018, 39(04): 19-23.
[11] 牟新刚 蔡逸超 周晓 陈国良. 基于机器视觉的筒子纱缺陷在线检测系统[J]. 纺织学报, 2018, 39(01): 139-145.
[12] 吕汉明 王晓叶 马崇启. 基于电容传感器的醋酸纤维含油率检测[J]. 纺织学报, 2017, 38(06): 106-110.
[13] 李强 杨艺 刘基宏 高娜. 赛络纺粗纱断纱在线检测[J]. 纺织学报, 2016, 37(10): 120-0124.
[14] 宋晓亮 刘建立 徐阳 刘基宏 高卫东. 光电式环锭断纱在线检测系统[J]. 纺织学报, 2014, 35(8): 94-0.
[15] 管瑜 张毅 于坤 邵路. 样本质量对近红外法预测远红外纤维含量的影响[J]. 纺织学报, 2014, 35(5): 19-0.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
京ICP备14006648号　 京公网安备11010502044800号
版权所有 © 2021 《纺织学报》编辑部
地址： 北京市朝阳区延静里中街3号主楼6层《纺织学报》杂志社　邮政编码：100025　
电话：010-65017711,65917740　传真：010-65016539　Email:fangzhixuebao@vip.126.com
本系统由北京玛格泰克科技发展有限公司设计开发