实验1机器人机械系统 一、实验目的 1、了解机器人机械系统的组成； 2、了解机器人机械系统各部分的原理和作用； 3、掌握机器人单轴运动的方法； 二、实验设备 1、RBT-5T/S02S教学机器人一台 2、RBT-5T/S02S教学机器人控制系统软件一套 3、装有运动控制卡的计算机一台 三、实验原理 RBT-5T/S02S五自由度教学机器人机械系统主要由以下几大部分组成：原动部件、传动部件、执行部件。基本机械结构连接方式为原动部件——传动部件——执行部件。机器人的传动简图如图2——1所示。 图2-1机器人的传动简图 Ⅰ关节传动链主要由伺服电机、同步带、减速器构成，Ⅱ关节传动链有伺服电机、减速器构成，Ⅲ关节传动链主要由步进电机、同步带、减速器构成，Ⅳ关节传动链主要由步进电机、公布戴、减速器构成，Ⅴ关节传动链主要由步进电机、同步带、锥齿轮、减速器构成在机器人末端还有一个气动的夹持器。 本机器人中，远东部件包括步进电机河伺服电机两大类，关节Ⅰ、Ⅱ采用交流伺服电机驱动方式：关节Ⅲ、Ⅳ、Ⅴ采用步进电机驱动方式。本机器人中采用了带传动、谐波减速传动、锥齿轮传动三种传动方式。执行部件采用了气动手爪机构，以完成抓取作业。 下面对在RBT-5T/S02S五自由度教学机器人中采用的各种传动部件的工作原理及特点作一简单介绍。1、同步齿形带传动 同步齿形带是以钢丝为强力层，外面覆聚氨酯或橡胶，带的工作面制成齿形（图2-2）。带轮轮面也制成相应的齿形，靠带齿与轮齿啮合实现传动。由于带与轮无相对滑动，能保持两轮的圆周速度同步，故称为同
步齿形带传动。 同步齿形带传动如下特点： 1.平均传动比准确； 2.带的初拉力较小，轴和轴承上所受的载荷较小； 3.由于带薄而轻，强力层强度高，故带速可达40m/s,传动比可达10，结构紧凑，传递功率可达200kW，因而应用日益广泛； 4.效率较高，约为0.98。 5.带及带轮价格较高，对制造安装要求高。 同步齿形带常用于要求传动比准确的中小功率传动中，其传动能力取决于带的强度。带的模数 m 及宽度b 越大，则能传递的圆周力也越大。 图2-2同步齿形带传动结构 2.谐波传动 谐波齿轮减速器是利用行星齿轮传动原理发展起来的一种新型减速器。谐波齿轮传动（简称谐波传动），它是依靠柔性零件产生弹性机械波来传递动力和运动的一种行星齿轮传动。 （一）传动原理 图2-3谐波传动原理 图2-3示出一种最简单的谐波传动工作原理图。 它主要由三个基本构件组成： （1）带有内齿圈的刚性齿轮（刚轮）2，它相当于行星系中的中心轮； （2）带有外齿圈的柔性齿轮（柔轮）1，它相当于行星齿轮； （3）波发生器H，它相当于行星架。 作为减速器使用，通常采用波发生器主动、刚轮固定、柔轮输出形式。
机器视觉软件HALCON 实验指导书 目录 实验1 HALCON 概述，应用范例 实验2 HDevelop介绍，操作编程范例 实验3 HALCON编程接口，高级语言编程 实验4 HALCON数据结构，采集硬件接口 实验5 HALCON采集硬件配置，图像采集 实验6 HALCON二维测量，配准测量与识别定位 实验7 HALCON一维测量，尺寸测量 实验8 HALCON三维测量，3D重建测量 实验1 HALCON 概述，应用范例 实验2 HDevelop介绍，操作编程范例 1 邮票分割 文件名: stamps.dev 第一个例子进行文件分析任务。图5.1展示了部分邮票目录页。它描述了两种不同的邮票：以图形描述为主和以文字描述为主。 为了使用这个例子，必须把文字描述转化为计算机所能理解的形式。你可能使用OCR编程方式，你很快发现由于邮票的图形描述会导致大多数的可使用模块产生错误。于是另一项任务必须要进行预处理：对所有的邮票进行转化(例如,把邮票转化为灰色有价值的纸)，这样就可以使用OCR处
理邮票的剩余部分了。 当创造一个应用程序来解决这种问题,对要处理的对象进行特征提取是非常有帮助的。这个任务可以为新手提供解决的这类问题一些的经验。 ●一般而言，特征提取有如下步骤：邮票比纸要黑。 ●邮票包含图像的部分不重叠。 ●邮票具有最大最小尺寸。 ●邮票是长方形的。
图 5.1: Mi c he l图表的部分页. 如果直接使用属性清单而非编程，任务会变得很简单。可惜由于语言的含糊，这是不可能的。所以你需要建构具有精确的语法和语义的语言,尽可能接近非正式的描述。使用HDevelop语法，一个通常的程序看起来如下： dev_close_window () read_image (Catalog, ’swiss1.tiff’) get_image_pointer1 (Catalog, Pointer, Type, Width, Height) dev_open_window (0, 0,Width/2, Height/2, ’black’, WindowID) dev_set_part (0, 0,Height-1, Width-1) dev_set_draw (’fill’)
工业机器人实验指导书实验一、工业机器人的安装与调试 一、实验学时：2学时 二、实验目的： 1、学习并掌握六自由度工业机器人的结构特点。 2、能根据安装说明书对机器人套件进行安装调试 三、实验设备： 1、六自由度工业机器人套件 2、LOBOT机器人舵机控制板 3、计算机一台 四、实验原理： 六自由度机械手臂是一套具有6个自由度的典型串联式小型关节型机械手臂, 带有小型手抓式;主要由机械系统和控制系统两大部分组成,其机械系统的各部分采用模块化结构,每个部分分别由一个伺服电动机来带动,每个电动机在根据控制要求以及程序的要求来运动从而实现运动要求。 此六自由度机械手臂的特点：1.手部和手腕连接处可拆卸，手部和手腕连接处为机械结构。b.手部是机械手臂的末端操作器，只能抓握一种工件或几种在形状、尺寸、质量等方面相近似的工件，只能执行一种作业任务。c.手部是决定整个机械手臂作业完成好坏，作业柔性好坏的关键部件之一。此机械手臂的手爪是机械钳爪式类别中的平行连杆式钳爪。
五、实验步骤： 1.首先，先熟悉一下需要用到的螺丝及铜柱 2.取1 个圆盘和1 个金属舵盘 3.用4 个M3*6 螺丝的将金属舵盘装在圆盘上面。 4.再取出1 个圆盘和1 个多功能支架，用M4*15 螺丝和螺母，将其固定 5.取2 个圆环+大轴承+双通铜柱（长15mm）+4 个M4*80 螺丝。 6.将螺丝穿入圆环。2 个圆环中间是轴承，下面用铜柱锁紧。（越紧越好）。 7.取出方孔圆盘+1 个MG996R 舵机，用4 个M4*8 螺丝和M4 螺母将舵机固 定在圆盘上。注意方向不要搞错，舵机输出轴在圆盘中心位置。这个舵机要调到90 度（中间）的位置，即往左往右都可以控制旋转90 度。 8.取出之前装好的带有金属舵盘的圆盘。将其固定在舵机输出轴上，注意 图中的位置，将小圆盘上2 个孔之间连线和方孔大圆上2 个孔之间的连线处于平行状态。 9.将之前装好的这两个部分，连到一起 10.方孔大圆盘下面用M4 螺母锁紧。 11.将另一个小圆盘，放上去，孔位和下面对准，取出4 个M4*20螺丝及螺丝， 将上下两个圆盘锁紧，越紧越好！（上螺丝的时候，手指可以抵着M4 螺
本文部分内容来自网络整理，本司不为其真实性负责，如有异议或侵权请及时联系，本司将立即删除！ == 本文为word格式，下载后可方便编辑和修改！ == 机器视觉实验报告 实验报告 课程名称： 班级： 姓名： 学号： 实验时间： 实验一 一．实验名称 Matlab软件的使用 二．实验内容 1.打开MATLAB软件，了解菜单栏、工具栏、状态栏、命令窗口等； 2.了解帮助文档help中演示内容demo有哪些； 3.找到工具箱类里面的Image Processing工具箱，并进行初步学习，为后续实验做准备。 三．实验原理： 通过matlab工具箱来进行图像处理 四．实验步骤 1. 双击桌面上的matlab图标，打开matlab软件 2. 了解菜单栏、工具栏、状态栏、命令窗口等
如下图1-1所示 图 1-1 3. 了解帮助文档help中演示内容demo有哪些； 步骤如下图1-2 图1-2 打开help内容demo后，里面的工具箱如图所示。 图1-3 4. 找到工具箱类里面的Image Processing工具箱，并进行初步学习，为后续实验做准备。找到并打开Image Processing工具箱，窗口如图1-4 ，图1-5所示 图 1-4 图 1-5 五.实验总结和分析 通过实验前的理论准备和老师的讲解，对matlab有了一定认识，在实验中，了解了实际操作中的步骤以及matlab中的图像处理工具箱及其功能，为后续的学习打下了基础，并把理论与实际相结合，更加深入的理解图像处理。 实验二 一．实验名称 图像的增强技术 二．实验内容 1.了解图像增强技术/方法的原理； 2.利用matlab软件，以某一用途为例，实现图像的增强； 3.通过程序的调试，初步了解图像处理命令的使用方法。 三．实验原理： 通过matlab工具箱来进行图像处理，通过输入MATLAB可以识别的语言命令来让MATLAB执行命令，实现图像的增强。
一、实验目的 采用影像测量仪验收印刷电路板。 要求： （1）学习并掌握影像测量仪的构成和工作原理； （2）通过实践，掌握影像测量仪的操作使用，包括仪器的调节、标定、瞄准、测量；（3）掌握仪器软件的使用，测量数据采集，数据处理，误差评定； （4）采用投射/反射照明测量，测量印刷电路板，要求测量BGA封装（至少测量10个焊盘）焊盘的尺寸、焊盘间距；至少测量十条引线的线宽和间距；至少测量10 个过孔的尺寸。 （5）对照设计图纸，给出合格性结论，形成测量报告。 （6）撰写实验报告，包括原理、步骤、数据与处理、结论等。 二、影像测量仪的构成和工作原理 （1）构成 影像测量仪是一种由高解析度CCD彩色镜头、连续变倍物镜、彩色显示器、视频十字线显示器、精密光栅尺、多功能数据处理器、数据测量软件与高精密工作台结构组成的高精度光学影像测量仪器。 图1总体结构
加工定制：否分辨率：0.001（mm）测量行程：250*150*200（mm） 品牌：贵阳新天型号：JVB250 放大倍率：光学0.7-4.5X 影像28-180X 操作方式：手动测量精度：(3+L/200)um 外形尺寸（长*宽*高）：1000*650*1650（mm） JVB250的规格参数： ①测量范围: X坐标: 250mm Y坐标: 150mm 调焦行程: Z坐标: 200mm ②X、Y、坐标分辨率： 0.0005mm ③仪器准确度：(3+L/200)μm 其中L为被测长度，单位mm ④CCD摄像机：1/3″彩色摄像机，象素数：795(H)×596(V) ⑤物镜放大率： 0.7 ～ 4.5×连续变倍，影像放大28～ 180倍。 ⑥与放大率对应的物镜工作距离：75mm～90mm ⑦与放大率对应的物面最大高度：150mm～130mm ⑧工作台承重：30kg ⑨金属工作台尺：450mm×300mm ⑩主机外形尺寸：580mm×750mm×660mm （2）工作原理 影像测量仪是基于机器视觉的自动边缘提取、自动理匹、自动对焦、测量合成、影像合成等人工智能技术，具有点哪走哪自动测量、CNC走位自动测量、自动学习批量测量的功能，影像地图目标指引，全视场鹰眼放大等优异的功能。同时，基于机器视觉与微米精确控制下的自动对焦过程，可以满足清晰影像下辅助测量需要，亦可加入触点测头完成坐标测量。支持空间坐标旋转的优异软件性能，可在工件随意放置或使用夹具的情况下进行批量测量与SPC结果分类。 被测工件置于工作台上，在投射或反射光照明下，工件影像被摄像头摄取并传送到计算机，此时可使用软件的影像、测量等功能，配合对工作台的坐标采集，对工件进行点、线、面全方位测量。 影像测量仪是利用表面光或轮廓光照明后，经变焦距物镜通过摄像镜头，摄取影像再通过S端子传送到电脑屏幕上，然后以十字线发生器在显示器上产生的视频十字线为基准对被测物进行瞄准测量。并通过工作台带动光学尺，在X、Y方向上移动由DC-3000多功能数据处理器进行数据处理，通过软件进行演算完成测量工作。影像测量主要是利
简介 单片机益智系列——智能寻迹机器人是由益芯科技为科教方便而研发设计。根据现代学校对嵌入式系统开发的需求。依据提高学生实际动手操作能力和思考能力，以加强学生对现实生活中嵌入式系统的应用为参照。智能寻迹机器人全新的设计模式，良好的电路设计，一体化的机电组合，智趣的系统开发，更是成为加强学生学习兴趣的总动源。 智能寻迹机器人采用现在较为流行的8位单片机作为系统大脑。以8051系列家族中的AT89S51/AT89S52为主芯片。40脚的DIP封装使它拥有32个完全IO(GPIO—通用输入输出)端口，通过对这些端口加以信号输入电路，控制电路，执行电路共同完成寻迹机器人。P0.0，P0.1，P0.2，P0.3分别通过LG9110电机驱动来驱动电机1和电机2。由电机的正转与反转来完成机器人的前进，后退，左转，右转，遇障碍物绕行，避悬崖等基本动作。在机器人前进时如果前方有障碍物，由红外发射管发射的红外信号被反射给红外接收管，红外接管将此信号经过P3.7传送入AT89S52中，主芯片通过部的代码进行机器人的绕障碍物操作，同时主芯片将P3.7的信号状态通过P2.5的LED 指示灯显示出来。机器人行走时会通过P3.5与P3.6的红外接收探头来进行检测。当走到悬崖处时，P3.5或P3.6将收到一个电平信号，此电平信号将通过相应端口传送入主芯片中，主芯片通过部代码完成机器人的避悬崖操作。同时P3.5与P3.6的信号状态将通过P2.6/P2.7显示出来。在机器人的左转，右转，后退的过程，可以通过观看以P2.0/P0.7为指示灯的运行状态。P0.4为机器人的声控检测端口，在运行为前进状态时，可以能过声控(如拍手声)来控制它的运行与停止。P0.6为机器人的声音输出端。在机器人遇到障碍物时。进行绕障碍物与避悬崖时可以通过此端口控制蜂鸣器发出报警声。当为白天或黑夜时可以通过P0.5端口中的光敏电阻来进行判断，以方便完成机器人夜间
实验一机器人运动学实验 一、基本理论 本实验以SCARA四自由度机械臂为例研究机器人的运动学问题.机器人运动学问题包括运动学方程的表示,运动学方程的正解、反解等,这些是研究机器人动力学和机器人控制的重要基础,也是开放式机器人系统轨迹规划的重要基础。 机械臂杆件链的最末端是机器人工作的末端执行器(或者机械手)，末端执行器的位姿是机器人运动学研究的目标，对于位姿的描述常有两种方法：关节坐标空间法和直角坐标空间法。 关节坐标空间： 末端执行器的位姿直接由各个关节的坐标来确定，所有关节变量构成一个关节矢量，关节矢量构成的空间称为关节坐标空间。图1-1是GRB400机械臂的关节坐标空间的定义。因为关节坐标是机器人运动控制直接可以操纵的，因此这种描述对于运动控制是非常直接的。
图1-1 机器人的关节坐标空间图1-2 机器人的直角坐标空间法直角坐标空间： 机器人末端的位置和方位也可用所在的直角坐标空间的坐标及方位角来描述，当描述机器人的操作任务时，对于使用者来讲采用直角坐标更为直观和方便（如图1-2）。 当机器人末端执行器的关节坐标给定时，求解其在直角坐标系中的坐标就是正向运动学求解（运动学正解）问题；反之，当末端执行器在直角坐标系中的坐标给定时求出对应的关节坐标就是机器人运动学逆解（运动学反解）问题。运动学反解问题相对难度较大，但在机器人控制中占有重要的地位。 机器人逆运动学求解问题包括解的存在性、唯一性及解法三个问题。 存在性：至少存在一组关节变量来产生期望的末端执行器位姿，如果给定末端执行器位置在工作空间外，则解不存在。 唯一性：对于给定的位姿，仅有一组关节变量来产生希望的机器人位姿。机器人运动学逆解的数目决定于关节数目、连杆参数和关节变量的活动围。通常按
实验五图像的分割与边缘提取 一、实验内容 1.图像阂值分割 实验代码： clear all, close all; I=imread('flower.tif'); figure(1),imshow(I) figure(2); imhist(I) T=120/255; Ibw1=im2bw(I,T); figure(3); subplot(1,2,1), imshow(Ibw1); T=graythresh(I); L=uint8(T*255) Ibw2=im2bw(I,T); subplot(1,2,2), imshow(Ibw2); help im2bw; help graythresh; 运行结果：
实验代码： clear all, close all; I=imread('flower.tif'); figure(1),imshow(I) figure(2); imhist(I) T=240/255; Ibw1=im2bw(I,T); figure(3); subplot(1,2,1), imshow(Ibw1); T=graythresh(I); L=uint8(T*255) Ibw2=im2bw(I,T); subplot(1,2,2), imshow(Ibw2); help im2bw; help graythresh; 运行结果：
2.边缘检测 实验代码： clear all, close all; I=imread('flower.tif'); BW1=edge(I,'sobel'); BW2=edge(I,'canny'); BW3=edge(I,'prewitt'); BW4=edge(I,'roberts'); BWS=edge(I,'log'); figure(1), imshow(I), title('Original Image'); figure(2), imshow(BW1), title('sobel'); figure(3), imshow(BW2), title('canny'); figure(4), imshow(BW3), title('prewitt'); figure(5), imshow(BW4), title('roberts'); figure(6), imshow(BWS), title('log'); %在完成上述试验后,查看函数edge()使用说明。help edge 运行结果：
《机器视觉》教学大纲 课程编码：08241059 课程名称：机器视觉 英文名称：MACHINE VISION 开课学期：7 学时/学分：36/2 （其中实验学时：4 ） 课程类型：专业方向选修课 开课专业：机械工程及自动化 选用教材：贾云得编著《机器视觉》科学出版社 2002年 主要参考书： 1.ROBOTICS: Control, Sensing, Vision, and Intelligence, K. S. Fu，McGraw-Hill Publishing Company, 1987 2.张广军编著，机器视觉，科学出版社，2005年 执笔人：孔德文 本课程主要内容包括：二值图像分析、图像预处理、边缘检测、图像分割、纹理分析、明暗分析、彩色感知、深度图与立体视觉。通过本课程的学习，学生应掌握机器视觉的基础理论、基本方法和实用算法。 一、课程性质、目的与任务 机器视觉课程是机械工程及自动化专业在智能机器方向的一门专业方向选修课。机器智能化是机械学科的重要发展方向，也是国际上跨学科的热门研究领域。而机器视觉是智能机器的重要组成部分，它与图象处理、模式识别、人工智能、人工神经网络以及神经物理学及认知科学等都有紧密的关系。本课程对于开阔学生视野、使学生了解本专业的发展前沿，把学生培养成面向二十一世纪的复合型人才具有重要的地位和作用。通过本课程的学习，学生也能掌握一定的科学研究方法与技能，为有潜力成为研究型人才的学生打下一定基础。 二、教学基本要求 本课程主要内容包括：二值图像分析、图像预处理、边缘检测、图像分割、纹理分析、明暗分析、深度图与立体视觉。通过本课程的学习，学生应掌握机器视觉的基础理论、基本方法和实用算法。 本大纲仅列出达到教学基本要求的课程内容，不限制讲述的体系、方式和方法，列出的内容并非要求都讲，有些内容，可以通过自学达到教学基本要求。 使用CAI课件作为辅助教学手段可以节省大量时间，传递更多的信息量，所以本课程建议使用CAI课件。 作业是检验学生学习情况的重要教学环节，为了帮助学生掌握课程的基本内容，培养分析、运算的能力，建议布置作业5－8次，并在期末前安排一次综合作业作为主要考查环节。实验是教学的一个主要环节，实验时间共4学时，每次实验每小组4－6人，使每个学生均有亲自操作的机会。 三、各章节内容及学时分配 1．人类视觉与机器视觉 (4学时) : 人类视觉原理与视觉信息的处理过程；机器视觉理论框架与应用；成像几何学基础。
六自由度串联机器人实验指导书
实验1 机器人的认识 1.1 实验目的 1、了解机器人的机构组成； 2、掌握机器人的工作原理； 3、熟悉机器人的性能指标； 4、掌握机器人的基本功能及示教运动过程。 1.2 实验设备 1、RBT-6T/S01S机器人一台； 2、RBT-6T/S01S机器人控制柜一台。 1.3 实验原理 机器人是一种具有高度灵活性的自动化机器，是一种复杂的机电一体化设备。本程所使用的机器人为6自由度串联机器人，其轴线相互平行或垂直，能够在空间内进行定位，采用交流伺服电机和步进电机混合驱动，主要传动部件采用可视化设计，控制简单，编程方便。 整个系统包括机器人1台、电控柜1台、控制卡2块、实验附件1套（包括轴、套）、喷绘装置1套和机器人控制软件1套（实验设备用户可选）。 机器人采用串联式开链结构，即机器人各连杆由旋转关节或移动关节串联连接，如图1-1所示。各关节轴线相互平行或垂直。连杆的一端装在固定的支座上（底座），另一端处于自由状态，可安装各种工具以实现机器人作业。关节的作用是使相互联接的两个连杆产生相对运动。关节的传动采用模块化结构，由锥齿轮、同步齿型带和谐波减速器等多种传动结构配合实现。 机器人各关节采用伺服电机和步进电机混合驱动，并通过Windows环境下的软件编程和运动控制卡实现对机器人的控制，使机器人能够在工作空间内任意位置精确定位。
图1-1 机器人结构机器人技术参数如表1-1所示。 表1-1 机器人技术参数
1.4 实验步骤 1、接通控制柜电源，待系统启动后，运行机器人软件，出现如图1-3所示主界面； 2、按下控制柜“启动”按钮； 3、点击主界面“机器人复位”按钮，机器人进行回零运动。观察机器人的运动，六个关节全部运动完成后，系统会提示复位完成，机器人处于零点位置； 图 1-3 主界面 4、点击“关节示教”按钮，出现如图1-4所示界面，按下“打开”按钮，在机器人软件安装目录下选择示教文件BANYUN.RBT6，示教数据会在示教列表中显示； 5、在2个支架的相应位置上分别放置轴和轴套，然后按下“再现”按钮，机器人实现装配动作； 6、如果想再做一次装配动作，按下“再现”按钮即可； 7、点击“机器人复位”按钮，使机器人回到零点位置； 8、按下控制柜的“停止”按钮；
数字图像处理 实验指导书
目录 实验一MATLAB数字图像处理初步实验二图像的代数运算 实验三图像增强-空间滤波 实验四图像分割 3
实验一 MATLAB数字图像处理初步 一、实验目的与要求 1．熟悉及掌握在MATLAB中能够处理哪些格式图像。 2．熟练掌握在MATLAB中如何读取图像。 3．掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。 4．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。 5．图像间如何转化。 二、实验原理及知识点 1、数字图像的表示和类别 一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标，f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由单个二维图像组合形成的。例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。因此，许多为黑白图像处理开发的技术适用于彩色图像处理，方法是分别处理三副独立的分量图像即可。 图像关于x和y坐标以及振幅连续。要将这样的一幅图像转化为数字形式，就要求数字化坐标和振幅。将坐标值数字化成为取样；将振幅数字化成为量化。采样和量化的过程如图1所示。因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。 作为MATLAB基本数据类型的数值数组本身十分适于表达图像，矩阵的元素和图像的像素之间有着十分自然的对应关系。 图1 图像的采样和量化 根据图像数据矩阵解释方法的不同，MA TLAB把其处理为4类： ?亮度图像(Intensity images)
《工业机器人》课程教学大纲 课程编号：0803701069 课程名称：工业机器人 英文名称：Industrial Robot 课程类型：专业任选课 总学时：32 讲课学时：24 实验学时：8 学分：2 适用对象：四年制机械设计制造及其自动化专业、四年制机械电子工程专业。 先修课程：高等数学、线性代数、工程制图、机械工程材料、理论力学、材料力学、机械原理、机械设计、电子技术、电工技术、机械制造基础、互换性与技术测 量、液压与气压传动、机电传动控制、单片机原理及应用、自动控制原理等。 一、课程性质、目的和任务 工业机器人课程是机械设计制造及其自动化专业各专业方向的一门主要专业技术课，是一门多学科的综合性技术，它涉及自动控制、计算机、传感器、人工智能、电子技术和机械工程等多学科的内容。其目的是使学生了解工业机器人的基本结构，了解和掌握工业机器人的基本知识，使学生对机器人及其控制系统有一个完整的理解。培养学生在机器人技术方面分析与解决问题的能力，培养学生在机器人技术方面具有一定的动手能力，为毕业后从事专业工作打下必要的机器人技术基础。 二、教学基本要求 本课程以机器人为研究对象，以工业机器人为重点。学完本课程应达到以下基本要求：1．了解机器人的由来与发展、组成与技术参数，掌握机器人分类与应用，对各类机器人有较系统地完整认识。 2．了解机器人运动学、动力学的基本概念，能进行简单机器人的位姿分析和运动分析。 3．了解机器人本体基本结构，包括机身及臂部结构、腕部及手部结构、传动及行走机构等。 4．了解机器人轨迹规划和关节插补的基本概念和特点。 5.了解机器人控制系统的构成、编程语言与编程特点。 6．了解工业机器人工作站及生产线的基本组成和特点。 7．对操纵型机器人、智能机器人有一般的了解。 三、教学内容及要求 绪论 0.1概述 0.1.1机器人的由来与发展 0.1.2机器人的定义 0.1.3机器人技术的研究领域与学科范围 0.2机器人的分类 0.2.1 按机器人的开发内容与应用分类
《机器视觉与智能检测相关创新实践》 课外实验报告 实验一、图像融合 1.实验内容： 对同一场景的红外图像和可见光图像进行融合，采用图1中的参考图形，以及自己 的手掌图像（可见光图像和红外光图像），并对结果进行简要分析，融合方法可采 用以下方法中的一种或多种：直接加权融合方法，傅里叶变换融合方法，小波变换 融合方法； 2.实验目标： 1）. 了解融合的概念； 2）. 比较融合方法中不同参数的效果（如直接加权融合中权值的分配） 3.参考图像： （a）红外图像（b）可见光图像 图1 待融合图像 4.实验内容 1）直接加权融合方法： 线性混合操作也是一种典型的二元（两个输入）的像素操作：
通过在范围内改变。 核心代码：image((Y1+Y2)/2); %权值相等 图2 直接融合图像1 图3 直接融合图像2 改变参数的影响：那个图的参数比例高，那个图在融合图像中的影响就越高。2）傅里叶变换融合：
对一张图像使用傅立叶变换就是将它分解成正弦和余弦两部分。也就是将图像从空间域(spatial domain)转换到频域(frequency domain)。然后通过在频域的处理来实现融合。 图4傅里叶变换融合图像1 图5 傅里叶变换融合2 3）小波融合： 小波变换（Wavelet Transform）是一种新型的工程数学工具，由于其具备的独特数学性质与视觉模型相近，因此，小波变换在图像处理领域也得到了广泛的运用。用在图像融合领域的小波变换，可以说是金字塔方法的直接拓展。
图6 小波融合1 图7 小波融合2 5．实验完整代码 1．直接融合 addpath('E:\学习\课件\机器视觉创新实践\曾东明') Y1=imread('1.PNG'); subplot(1,3,1); imshow(Y1); title(' 直接融合1.PNG');
实验一 机器人运动学实验 一、基本理论 本实验以SCARA 四自由度机械臂为例研究机器人的运动学问题.机器人运动学问题包括运动学方程的表示,运动学方程的正解、反解等,这些是研究机器人动力学和机器人控制的重要基础,也是开放式机器人系统轨迹规划的重要基础。 机械臂杆件链的最末端是机器人工作的末端执行器(或者机械手)，末端执行器的位姿是机器人运动学研究的目标，对于位姿的描述常有两种方法：关节坐标空间法和直角坐标空间法。 关节坐标空间： 末端执行器的位姿直接由各个关节的坐标来确定，所有关节变量构成一个关节矢量，关节矢量构成的空间称为关节坐标空间。图1-1是GRB400机械臂的关节坐标空间的定义。因为关节坐标是机器人运动控制直接可以操纵的，因此这种描述对于运动控制是非常直接的。 直角坐标空间： 机器人末端的位置和方位也可用所在的直角坐标空间的坐标及方位角来描述，当描述机器人的操作任务时，对于使用者来讲采用直角坐标更为直观和方便（如图1-2）。 当机器人末端执行器的关节坐标给定时，求解其在直角坐标系中的坐标就是正向运动学求解（运动学正解）问题；反之，当末端执行器在直角坐标系中的坐标给定时求出对应的关节坐标就是机器人运动学逆解（运动学反解）问题。运动学反解问题相对难度较大，但在机器人控制中占有重要的地位。 图1-1 机器人的关节坐标空间 图1-2 机器人的直角坐标空间法
机器人逆运动学求解问题包括解的存在性、唯一性及解法三个问题。 存在性：至少存在一组关节变量来产生期望的末端执行器位姿，如果给定末端执行器位置在工作空间外，则解不存在。 唯一性：对于给定的位姿，仅有一组关节变量来产生希望的机器人位姿。机器人运动学逆解的数目决定于关节数目、连杆参数和关节变量的活动范围。通常按照最短行程的准则来选择最优解，尽量使每个关节的移动量最小。 解法：逆运动学的解法有封闭解法和数值解法两种。在末端位姿已知的情况下，封闭解法可以给出每个关节变量的数学函数表达式；数值解法则使用递推算法给出关节变量的具体数值，速度快、效率高，便于实时控制。下面介绍D-H 变化方法求解运动学问题。 建立坐标系如下图所示 连杆坐标系{i }相对于{ i ?1 }的变换矩阵可以按照下式计算出，其中连杆坐标系D-H 参数为由表1-1给出。 齐坐标变换矩阵为： 其中描述连杆i 本身的特征；和描述连杆i?1与i 之间的联系。对于旋转关节，仅是关节变量，其它三个参数固定不变；对于移动关节，仅是关节变量，其它三个参数不变。
视觉检测技术试验 题目：MV-BDP2000S视觉皮带传送试验台功能认识试验 学院：信息科学与工程学院 专业班级：测控技术与仪器1401 学号：14040110X 学生姓名：李二狗 指导教师：宋辉 设计时间：2017.11.06
目录 一、试验台介绍 (1) 1.1试验台主要构成 (1) 1.1.1机柜部分 (2) 1.1.2传送部分 (2) 1.1.3视觉检测部分 (2) 1.1.4分选机构部分 (2) 1.2主要器件的关键指标 (2) 1.2.1工业数字相机 (2) 1.2.2光源 (3) 二、仪器操作及配置流程 (4) 2.1视觉检测部分的调试 (4) 2.1.1调节相机前后位置的方法 (4) 2.1.2调节相机高度的方法 (5) 2.1.3调节光源高度的方法 (5) 2.2设备性能的调试 (6) 2.2.1运动性能调试的参数 (6) 2.2.1视觉检测性能调试的步骤 (6) 三、仪器主要测量指标分析 (7) 3.1OCR&OCV字符识别指标分析 (7) 3.3.1 OCR检测的参数 (7) 3.2 尺寸测量指标分析 (8) 3.2.1 尺寸测量的参数 (8) 四、仪器采集或测量的试样 (9) 4.1字符识别试验结果 (9) 4.2 尺寸测量试验结果 (10) 4.3 实验总结 (11)
一、试验台介绍 本次试验中以维视数字图像技术有限公司(MICROVISION)推出MV-BDP200S机器视觉皮带传送实验开发平台(高级型)作为主要的实验设备，主要针对小型电子产品的外形和外观检测等，应用于提供高效的产品质量控制系统。本设备采用MV-MVIPS机器视觉图像处理控制器软件，该软件具有强大的缺陷识别功能、测量功能、色差检测、OCR&OCV识别检测，主要针对检测各类小型机械或电子产品的外观和外形，对于OK和NG产品实施分类管理放置。同时硬件上设计了组合式的照明及控制系统，创造了一个最优的光照系统及相对封闭的工作环境，有效的解决了环境对检测精度的影响，同时满足了待检产品对光照条件的要求。运用强大的检测及分析软件工具对被测产品进行定位、测量、分析。 1.1试验台主要构成 从整体外观来看，设备可以分为以下几个部分：机柜部分、传送部分、视觉检测部分、分选机构部分。设备的整体视图如图1所示: 图1整体设备部分视图
六自由度工业机器人实验指导书 前言 机器人已广泛应用于汽车与汽车零部件制造业、机械加工行业、电子电器行业、橡胶及塑料工业、食品工业、木材与家具制造业等领域。在工业生产中，弧焊机器人，点焊机器人，喷涂机器人及装配机器人等都被大量使用。 机器人系统由机器人和作业对象及环境共同组成的，其中包括机器人机械系统、驱动系统、控制系统和感知系统四部分组成，其实际上是一个典型的机电一体化系统，其工作原理为：控制系统发出动作指令，控制驱动器动作，驱动器带动机械系统运动，使末端操作器到达空间某一位置和实现某一姿态，实施一定的作业任务。末端操作器在空间的实时位姿由感知系统反馈给控制系统，控制系统把实际位姿与目标位姿相比较，发出下一个动作指令，如此循环，直到完成作业任务为止。 首钢莫托曼机器人有限公司生产的SG—MOTOMAN—UP6工业机器人，为6轴垂直多关节型，具有节省空间、高速动作时的轨迹精度高、轨迹流畅、动作速度高、动作范围广、安全可靠等特点,在工业上可进行弧焊、点焊、切割、搬运等。 实验项目机器人示教编程与再现控制 一、实验目的 通过本次试验，掌握六自由度工业机器人的工具坐标系及工件坐标系的标定方法、示教编程与再现控制。 二、实验内容 实验前请仔细阅读MOTOMAN-UP6机器人使用说明书、Y ASNAC XRC使用说明书及操作要领书相关内容。 2.1 示教的基本步骤 开始示教前，请做以下准备： 1.开启电源，接通XRC控制柜的控制按钮； 2.确认急停键是否可以正常工作； 3.设置示教锁定： 按下再现操作盒的[TEACH]按钮（指示灯点亮），使机器人工作在示教模式。
● 2.2 输入程序名 ●在示教编程器显示画面中下拉菜单选择【程序】→选择【新建程序】→输入程序名 →按【回车】键→选择【执行】。 2.3 示教 2.3.1 示教任务 机器人卸料作业如下图所示，当自动输送线的卸料工位有工件且运料小车到位时，机器人从卸料工位上抓取工件，堆放到运料箱中（运料箱中可存储工件4×6个），当工件堆满后，机器人停止作业，直到下一个空运料箱到位，重复堆垛工作。 机器人卸料作业示意图 2.3.2 示教要求 1. 画出机器人工作流程图； 2. 完成工具坐标系、工件坐标系的标定 3. 完成机器人卸料作业的示教程序的编写，要求对通用I/O地址、变量进行定义， 实现卸料工位是否有工件、运料小车是否到位等状态检测、堆料工件的计数、启动平移功能时移动量的设定、夹爪的夹紧/松开等等功能。 4. 在再现模式下验证所编写程序的正确性。 2.4 实验报告要求 1. 以小论文的形式完成书面实验报告。 2. 对卸料作业任务要求进行分析，提出机器人卸料的解决方案，并画出机器人的 工作流程。 3. 完成机器人卸料作业所必需的参数设定及坐标系的标定、程序设计等。
工业机器人实验指导书 实验一、工业机器人的安装与调试 一、实验学时：2学时 二、实验目的： 1、学习并掌握六自由度工业机器人的结构特点。 2、能根据安装说明书对机器人套件进行安装调试 三、实验设备： 1、六自由度工业机器人套件 2、LOBOT机器人舵机控制板 3、计算机一台 四、实验原理： 六自由度机械手臂是一套具有6个自由度的典型串联式小型关节型机械手臂, 带有小型手抓式;主要由机械系统和控制系统两大部分组成,其机械系统的各部分采用模块化结构,每个部分分别由一个伺服电动机来带动,每个电动机在根据控制要求以及程序的要求来运动从而实现运动要求。 此六自由度机械手臂的特点：1.手部和手腕连接处可拆卸，手部和手腕连接处为机械结构。b.手部是机械手臂的末端操作器，只能抓握一种工件或几种在形状、尺寸、质量等方面相近似的工件，只能执行一种作业任务。c.手部是决定整个机械手臂作业完成好坏，作业柔性好坏的关键部件之一。此。爪钳式杆连行平的中别类式爪钳械机是爪手
的臂手械机 五、实验步骤： 1.首先，先熟悉一下需要用到的螺丝及铜柱 2.取1 个圆盘和1 个金属舵盘 3.用4 个M3*6 螺丝的将金属舵盘装在圆盘上面。 4.再取出1 个圆盘和1 个多功能支架，用M4*15 螺丝和螺母，将其固定 5.取2 个圆环+大轴承+双通铜柱（长15mm）+4 个M4*80 螺丝。 6.将螺丝穿入圆环。2 个圆环中间是轴承，下面用铜柱锁紧。（越紧越好）。 7.取出方孔圆盘+1 个MG996R 舵机，用4 个M4*8 螺丝和M4 螺母将舵机固定在圆盘上。注意方向不要搞错，舵机输出轴在圆盘中心位置。这个舵机要调到90 度（中间）的位置，即往左往右都可以控制旋转90 度。 8.取出之前装好的带有金属舵盘的圆盘。将其固定在舵机输出轴上，注意图中的位置，将小圆盘上2 个孔之间连线和方孔大圆上2 个孔之间的连线处于平行状态。 9.将之前装好的这两个部分，连到一起 10.方孔大圆盘下面用M4 螺母锁紧。 11.将另一个小圆盘，放上去，孔位和下面对准，取出4 个M4*20螺丝及螺丝，螺M4 将上下两个圆盘锁紧，越紧越好！（上螺丝的时候，
工业机器人实验指导书 工业机器人现场教学 实验一工业机器人认知部分 1.实验目的 1）了解各种机器人； 2）了解FANUC ARC Mate 100iB机器人系统组成； 3）介绍机器人试教编程，进行机器人动作演示； 2.实验器材 1)日本FANUC ARC Mate 100iB 焊接机器人一台，ABB机器人两台，众为兴机器人一台，导管架焊 接机器人一台，爬壁式机器人一台 2)工控计算机，ABB公司ROBOTSTUDIO离线编程软件一套 3.实验原理 1）Fanuc机器人简介 ?机器人的主要参数 FANUC机器人本体型号为ARC Mate M6iB，控制柜型号为M-6iB。机器人的具体性能参数如下： 轴数：6 手部负重（kg）:6 运动范围： 重复定位精度： 最大运动速度 ?FANUC 机器人的安装环境 环境温度:0-45 摄氏度 环境湿度:普通:75%RH 短时间:85%（一个月之内） 振动:=0.5G(4.9M/s2) ?FANUC 机器人的编程方式 在线编程 离线编程 ?FANUC 机器人的特色功能 High sensitive collision detector 高性能碰撞检测机能,机器人无须外加传感器, 各种场合均适用 Soft float 软浮动功能用于机床工件的安装和取出,有弹性的机械手. Remote TCP 2）FANUC 机器人的构成 ?FANUC 机器人软件系统 Handling Tool 用于搬运 Arc Tool 用于弧焊 Spot Tool 用于点焊
图2 电焊机Power Wave F355i Sealing Tool 用于布胶 Paint Tool 用于油漆 Laser Tool 用于激光焊接和切割 FANUC 机器人硬件系统 如图15所示，通用FANUC 机器人硬件系统包括：机器人本体、机器人控制柜、操纵台（或变位器）和示教操作盒。 （a ） FANUC 机器人组成 (b) 机器人控制柜内部结构 图1 FANUC 机器人硬件系统 作为焊接机器人的Fanuc ArcMate 100iB 机器人除了具有通用机器人的组件外，还包括焊接所需的各个组件： Power Wave F355i ：如图2 适合材料: 碳钢/不锈钢/合金钢/铝合金 焊接波型: CV/Pulse/Rapid Arc/ Power Mode/Pulse on Pulse 电流范围: 5-425A, 300A/100%, 350A/60% 波型控制技术：Wave Control Technology TM 通讯方式： ArcLink ? 逆变技术： Inverter （60kHz) 全数字焊机: Total Digital 输入电源: 380V/50Hz/3Phase/PE Power Feeder 10R 适合焊丝: 实芯/药芯/铝焊丝 速度反馈装置，闭环精确控制。 四轮驱动，更换焊丝不需工具 通讯方式： ArcLink ? 输入： 40V DC 送丝速度范围: 50-800IPM(1.3-20.3m/min) 70-1200IPM(2.0-30.5m/min) 实芯焊丝范围: .025-3/32 in (0.6-2.4mm) .025-1/16 in (0.6-1.6mm) 图3 送丝机Power Feeder 10R
第一章前言部分 1.1课程项目背景与意义 1.1.1课程项目背景 视觉是各个应用领域，如制造业、检验、文档分析、医疗诊断，和军事等领域中各种智能/自主系统中不可分割的一部分。由于它的重要性，一些先进国家，例如美国把对计算机视觉的研究列为对经济和科学有广泛影响的科学和工程中的重大基本问题，即所谓的重大挑战。计算机视觉的挑战是要为计算机和机器人开发具有与人类水平相当的视觉能力。机器视觉需要图象信号，纹理和颜色建模，几何处理和推理，以及物体建模。一个有能力的视觉系统应该把所有这些处理都紧密地集成在一起。作为一门学科，计算机视觉开始于60年代初，但在计算机视觉的基本研究中的许多重要进展是在80年代取得的。计算机视觉与人类视觉密切相关，对人类视觉有一个正确的认识将对计算机视觉的研究非常有益。 计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。这里所指的信息指Shannon定义的，可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。 科学技术的发展是推动人类社会进步的主要原因之一,未来社会进一步地朝着科技化、信息化、智能化的方向前进。在信息大爆炸的今天,充分利用这些信息将有助于社会的现代化建设,这其中图像信息是目前人们生活中最常见的信息。利用这些图像信息的一种重要方法就是图像目标定位识别技术。不管是视频监控领域还是虚拟现实技术等都对图像的识别有着极大的需求。一般的图像目标定位识别系统包括图像分割、目标关键特征提取、目标类别分类三个步骤。 深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习的概念由Hinton等人于2006年提出。基于深度置信网络提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。