少有人走的路

勇哥的工业自动化技术网站

python知识导航贴,持续更新

C# 语言高级特性知识导航贴,持续更新

netMarketing类库: 类库说明

本站视觉相关教程整理贴子,持续更新

C++相关导航贴,持续更新

本站收费服务公告(netMarketing源码,工业自动化行业培训班等)

2020年勇哥的机器视觉实验项目清单(大纲)

本站连载贴子系列,持续更新中……

勇哥的免费视频教程清单

勇哥在B站发布的视频清单

运动控制专题,持续更新

Epson机器人回原点方法的总结

epson四轴机器人的正常回原方向是在右手0度方向。因此会存在机器人在机器完全安装好后无法在右手0度方向回原的情况。所以下面的说明分为“能右伸直的情况”和“不能右伸直的情况”有经验的安装人员都知道,应该先安装好机器人,回好原点后再安装机台的其它部分。之后机器人再回原点就比较麻烦了。什么情况下机器人要回原点呢?勇哥总结了下面的几条:1。 机器人x,y方向运动不平行2。 机器人的工具坐标精度不够,即旋转较大的角度发现工具坐标原点偏移过大3。 机器人撞机后,这时候相当于工具坐标不准了。以上问题都会造成

EPSON机器人固定下相机自动标定及下相机纠偏抓取程序

来自网友的一个分享。Function VisionCalib_FIXEDUP '固定下相机自动标定 Integer i Double X_Distance, Y_Distance X_Distance = 10 '9宫格X偏移量(设太大可能超出CCD视野) Y_Distance = 10 '9宫格Y偏移量(设太大可能超出CCD视野) Strin

下相机拍照,机器人先取再拍照定位的原理解释

下图中分别为在转盘上的,模板放料位置。位于下相机拍照位置的模板拍照位置。(垂直90的吸嘴C下面就是CCD拍照的位置)下图中,我们计算模板放置位置A2到模板拍照位置A1的偏移。偏移X=A2.X-A1.X偏移Y=A2.Y-A1.Y偏移U=A2.U-A1.U然后旋转偏移U,旋转后的模板特征点B要记下来,后面会用到。当拍照位置吸嘴下面的电池是歪的,它与原来的拍照模板之间存在位置差别,我们的目的是样让它们位置重合。旋转中心为拍照位置的机械坐标(A1),旋转角度为当前特征点与模板特征点的角度差,我们先把当前

一种利用旋转中心进行手眼标定的原理性介绍

首先,我们要了解一下常规的手眼标定流程是怎么样的。(一)如果吸嘴中心就是法兰盘的中心则是下面这样的:按九宫格走九个点,取得九组吸嘴的像素坐标与法兰盘的机械坐标                   (图1)进行标定(二)如果吸嘴位置不在法兰盘中心则标定流程要复杂些:人工创建工具坐标Tool 1,把工具坐标中心创建到标定片的Mark点上去按九宫格走九个点,取得九组特征点的像素坐标与对应的机械坐标进行标

PLC控制Epson机器人取放料、标定等功能,机器人端的框架代码

PLC控制机器人,一般首选“远程以太网”方式。发送go, jump等指令时,需要把xyzu位置信息首先以字符串方式放置于内存区,再合成一条指令发送出去。这种方式要占用大量内存地址,你还得把字符串翻译成16进制数,基本上是要累死人的节奏。勇哥提供的机器人端的框架代码,各位可以参考一下:#define MAX_IN_RANGE 1 Global Preserve Double g_dSafeHeighZ 'Vision Para

工业机器人专题,持续更新

Epson机器人的x,y轴垂直性验证与解决办法

机器人的X轴与Y轴做垂直运动时,其夹角应该近似90度,否则机器人需要做回原点进行修正。勇哥是这样进行验证的:在吸盘上放置一个标定版,方便取得一个特征点。在视野范围内做一个L型的3个点的运动,正好让XY方向进行了相互垂直的运动。取得这3个点的像素坐标。把坐标用下面的程序计算一下,求得角度。read_image (Image, 'C:/Users/Allegro/Desktop/1.bmp') WindowHandle := 3600 p1

Epson机器人标定后验证标定的精度(二)

接上篇。本篇讨论下面的话题:二是绕着特征点旋转,验证特征点的像素偏差,或者是转换后的机械坐标的偏差。三是做放料测试,验证实际的放料精度下面是采用特殊算法标定成功后的数据。后面主要谈谈怎么用旋转特征点的方式验证标定后的精度。因为手眼标定是把视觉像素换算成机器人的机械坐标,而本算法的原理是:把工具坐标1做到特征点上,然后走4组位置,记录4组像素与机械坐标,最后调用halcon的标定函数。因此对于这种标定方式来说,验证工具坐标1是否可靠就是关键地。而验证方法就是围绕特征点进行旋转,理论上来说围绕工具坐

Epson机器人标定后验证标定的精度(一)

所谓的精度是指验证标定后工具1坐标系下的特征点,转为机械坐标系后再与机器人的坐标进行差值比较,越小越好。验证精度我们可以从三方面入手:一是验证特征点在视野最大范围内变换位置,考虑相机畸变因素影响下对精度的影响二是绕着特征点旋转,验证特征点的像素偏差,或者是转换后的机械坐标的偏差。三是做放料测试,验证实际的带料取放料精度。勇哥在本篇先讨论第一种方法。下面是标定后的特征点的信息标定特征点信息 像素x:1051.772 像素y:1424.155 机械x: 371.424923596072 机械y: -

手眼标定之9点法

写在前面由于涉及到公司的一些内容,本文仅做方法和思路记录,请见谅。用途9点法标定是工业上使用广泛的二维手眼标定,所谓二维,即工作平面限制在一个平面上,常用于从固定平面抓取对象进行装配等操作,这种应用场景可以满足大多数的工业应用场景。使用过程和一般的手眼标定一样的是,9点法标定也分eye_in_hand和eye_to_hand两种,标定的结果分别是相机坐标系与工具坐标系的转换矩阵(4*4),以及相机坐标系和工件坐标系的转换矩阵。以下以eye_in_hand为例:机器人手持相机在平行于工作平面的平面
<< < 2 3 4 5 6 7 > >>
«    2025年12月    »
1234567
891011121314
15161718192021
22232425262728
293031
控制面板
您好,欢迎到访网站!
  查看权限
网站分类
搜索
最新留言
文章归档
网站收藏
友情链接

Powered By Z-BlogPHP 1.7.3

Copyright www.skcircle.com Rights Reserved.

鄂ICP备18008319号


站长QQ:496103864 微信:abc496103864