工业机器人感知技术

工业机器人的感知技术,工业机器人的传感器,工业机器人视觉,机器人视觉概述-组成,工业机器人视觉的应用,工业机器人视觉,康耐视公司 （COGNEX） AlignPlus视觉引导的高精度对位方案 3D位移传感器-视觉检测系统 新产品In-Sight 2000视觉传感器 代表了机器视觉领域最前沿最先进的技术水平。,工业机器人视觉的应用,工业机器人视觉,智能制造对机器人智能化识别、定位、抓取零件的要求越来越高，2D/3D机器视觉技术成为机器人应用核心技术之一。,工业机器人视觉的应用,工业机器人视觉,自动拾取：提高拾取精度，降低机械固定成本 传送跟踪：视觉跟踪传送带上移动的产品，进行精确定位及拾取 精确放置：精确放置到装配和加工位置 姿态调整：从拾取到放置过程中对产品姿态进行精确调整,工业机器人视觉的应用,工业机器人视觉,一般认为触觉包括接近觉、接触觉、压觉、滑觉、力觉五种，狭义的触觉按字面上来看是指接触觉、压觉、滑觉三种感知接触的感觉。 用接近觉可感知物体在附近，手臂减速慢慢接近物体；用接触觉可知已接触到物体，控制手臂让物体到手指中间，合上手指握住物体；用压觉控制握力。如果物体较重，则靠滑觉来检查滑动，修正设定的握力来防止滑动；靠力觉控制与被测物体自重和转矩相应的力，或举起或移动物体。另外，力觉在旋紧螺母、轴与孔的嵌入等装配工作中也有广泛的应用。,工业机器人触觉,工业机器人触觉,机器人的接近觉,接近觉是指机器人能感觉到距离几毫米到十几厘米远的对象物或障碍，能检测出物体的距离、相对倾角或对象物表面的性质。这是非接触式感觉。 接近觉传感器可分为6种；电磁式(感应电流式)、光电式(反射或透射式)、静电容式、气压式、超声波式和红外线式。,开关式触觉传感器,做成阵列形式 （放于机器人手部内侧）,工业机器人触觉,机器人的接触觉,阵列式接触觉传感器可用于测定自身与物体的接触位置、物体中心位置和倾斜度，甚至还可以识别物体的大小和形状。,由微动开关组成，用于探测物体、探索路径和安全保护,压阻式阵列触觉传感器,碳毡（CSA）灵敏度高，具有较强的耐过载能力。缺点是有迟滞，线性差。 导电橡胶的电阻也会随压力的变化而变化，因此也常用来作为触觉传感器的敏感材料。,工业机器人触觉,机器人的压觉,另外还有光学式触觉传感器、电容式阵列触觉传感器等。,它利用一种具有压电和热释电性的高分子材料研制而成。,工业机器人触觉,机械手一般采用两种抓取方式：硬抓取和软抓取。硬抓取（无感知时采用） ：末端执行器利用最大的夹紧力抓取工件。软抓取（有滑觉传感器时采用）：末端执行器使夹紧力保持在能稳固抓取工件的最小值，以免损伤工件。,工业机器人触觉,（a）振动 （b）转动 （c）剪动力 （d）位移（压力分布）,机器人的滑觉,力觉传感器使用的主要元件是电阻应变片。,（3）装在机器人手爪指关节（或手指上）的力传感器，称为指力传感器。,通常我们将机器人的力传感器分为三类：,（1）装在关节驱动器上的力传感器，称为关节力传感器。,（2）装在末端执行器和机器人最后一个关节之间的力传感器，称为腕力传感器。,工业机器人触觉,机器人的力觉,SRI （Stanford Research Institute）研制的六维腕力传感器，如图所示。它由一只直径为75mm的铝管铣削而成，具有八个窄长的弹性梁，每个梁的颈部只传递力，扭矩作用很小。梁的另一头贴有应变片。图中从Px+到Qy-代表了8根应变梁的变形信号的输出。,工业机器人触觉,机器人的力觉,日本大和制衡株式会社林纯一研制的腕力传感器。它是一种整体轮辐式结构，传感器在十字梁与轮缘联结处有一个柔性环节，在四根交叉梁上共贴有32个应变片（图中以小方块），组成8路全桥输出 。,工业机器人触觉,机器人的力觉,工业机器人触觉,机器人的力觉,力感测可以通过机械臂上内嵌的力传感器获得，目前市场上的大部分协作机器人已经具备。 使用内置力传感器的唯一缺点是，没有一个精度相同的设备可以把力“读”出来。大多是内置力传感器都是通过读取电流来测量力的。 当然，有些力传感器采用的是其他方式，例如根据材料变形来确定施加在上面的力的大小。 在有些应用中，力传感器可以完爆视觉系统，让你省钱又实用。,工业机器人触觉,机器人力觉的应用,1. 恒力 力矩传感器首次制造出来，是用于打磨、抛光等应用。由于这些应用都很难实现自动化，因为机器人需要某些力反馈来确定它推动的力够不够。 通过在程序中引入力反馈回路，可以很轻易地让这些应用实现自动化，实现制造流程的一致性。,工业机器人触觉,机器人力觉的应用,2. 称量东西 把橙色和蓝色的冰球分开。然而，我们采用的方式却跟它们的颜色没有任何关系。实际上，跟他们的重量有关。橙色冰球比蓝色冰球重一些，根据重量的不同，传感器可以将它们区分开来。 这还可用于区分外形相似的不同零部件。然而，在现实生活中，知道你的抓手里是否有正确的物体，或物体是否已经掉落，是非常有帮助的，它在你的生产流程中可以真正帮到你。力矩传感器可以很容易地实现这一点。,工业机器人触觉,机器人力觉的应用,3. 重复力 如果你正在考虑使用机器人做装配任务，你希望机器人能够一遍又一遍重复同样的任务。然而，装配任务很难实现自动化的原因之一，就是他们需要操作员进行力检测。通过引入FT传感器，你可以感受到装配过程中施加的外力。,正如你所看到的，力反馈非常有用，可以应用到很多不同的应用中。可以分析一下你的工作流程，看看是否可以使用力传感器替代视觉系统。大部分时候，力传感器更容易集成，不需要集成商，你自己就能完成。,4. 目标定位 采用力传感器来寻找和检测零部件也是可行的。 5. 手动引导 传统工业机器人有了FT传感器，就可以手动引导示教机器人，而不需要使用示教器。,工业机器人触觉,机器人的力觉,国内首台智能打磨机器人“南宁造”，核心部件国际领先。 集成六轴力传感器先，打磨机器人有与人一样的手感，能够感知铸件的差异并自动调整，实现智能化，真正代替人工。,工业机器人触觉,机器人的力觉,WACOH专业机器人6轴力传感器 应用领域：精密打磨抛光机器人、装配机器人、医疗设备等。 1、 产品特点：电容式，内置MCU于温度传感器，内部完成温度补偿等动作 2、 与其他牌品相比的优势: 结构简单，坚固不易损坏，内置MCU避免多余的接线，价格便宜 3、 已经应用在机器人行业的案例介绍: Mitsubishi, Yasukawa, Denso wave, Nachi都是主要客戶, 应用在组装和打磨上，全日本占有率86%,工业机器人触觉,机器人的力觉,日本美蓓亚将把6轴力传感器“OPFT”系列，利用1个该系列传感器便可同时检测3个方向及其各扭转方向的荷重。 该系列产品此前一直用于进行复杂作业的产业用多关节机器人及汽车和精密设备的组装机等。该公司认为，该系列产品在用于护理及做家务等的生活辅助机器人领域存在大量潜在需求。,工业机器人触觉,指尖传感器：让机器人手更灵巧,得益于手指上增加的力垫（force pad），机器人能以轻柔且灵巧的方式来从事一些重复性工作。 新配备的传感器称为“GelSight”，给机器人的夹具增加了“前所未有”的敏感度。通过提供挤压力度的反馈，它可以让机器人将USB充电器插在电源上，甚至是处理鸡蛋等对敏感度要求极高的工作。GelSight传感器是一种塑料材质的正方形物体，有一个合成橡胶层，四周每个边都涂了一层反光金属漆，可以将物体外形反射回传感器，令其对力度有精确的把握，这样一来，机器人就可以进行极为灵巧的操作。,将机械的触觉信号转变为视觉信号 不是依赖于数千个微型力传感器，而是会“看到”物体的形状，以及它离光传感器有多近。,工业机器人位置和位移感觉,相对型光电编码器,增量式编码器特点： 增量式编码器是直接利用光电转换原理输出三组方波脉冲A、B和Z相；A、B两组脉冲相位差90，从而可方便地判断出旋转方向，而Z相为每转一个脉冲，用于基准点定位。 原理构造简单，抗干扰能力强，可靠性高，适合于长距离传输 相对绝对型编码器，成本定，分辨率高 缺点：完成校准操作后才能得到绝对位置信息、没有“记忆”功能,绝对型光电编码器,工业机器人位置和位移感觉,绝对编码器与增量式编码器不同之处在于圆盘上透光、不透光的线条图形，绝对编码器可有若干编码，根据读出码盘上的编码，检测绝对位置。 可以直接读出角度的绝对值 没有累积误差 电源切除后位置信息不会丢失,传感器的分类,根据检测对象的不同可分为内部传感器和外部传感器。,（1）位置传感器,用来检测机器人本身状态（如手臂间角度）的传感器。多 为检测位置和角度的传感器。,a.内部传感器,（2）角度传感器,（3）速度传感器,b.外部传感器,用来检测机器人所处环境（如是什么物体，离物体的距离有多远等）及状况（如抓取的物体是否滑落）的传感器。,具体有接近觉传感器、距离传感器、触觉传感器、力觉传感器，视觉传感器等。,多传感器信息融合,多传感器信息融合技术是通过对这些传感器及其观测信息的合理支配和使用，把多个传感器在时间和空间上的冗余或互补信息依据某种准则进行组合，以获取被观测对象的一致性解释或描述。,多传感器融合系统主要特点是：（1）提供了冗余、互补信息。（2）信息分层的结构特性。（3）实时性。（4）低代价性。,多传感与单传感的比较：多传感器数据融合系统可更大程度获取被探测目标和环境的信息量。单传感器信号处理或低层次的数据处理方式只是对人脑信息处理的一种低水平模仿。,多传感器融合常用的方法有：加权平均法、贝叶斯估计、卡尔曼滤波、DS证据推理、模糊逻辑、产生式规则、人工神经网络等方法。,三种结构形式：串联、并联和混合融合形式。,1.机器人中的传感器信息融合,控制和信 息融合计 算机,自主移动装配机器人,装配机械手,力觉传感器,触觉传感器,视觉传感器,超声波传感器,激光测距传感器,多传感器信息融合自主移动装配机器人,Class is over. Bye-bye!,