| 实战视频演示： 基于机器视觉的智能分拣机械臂 | 您所在的位置：网站首页 › 基于视觉的机械臂有哪些 › 实战视频演示： 基于机器视觉的智能分拣机械臂 |
实战视频演示： 基于机器视觉的智能分拣机械臂
|
前言 本作品是一个基于机器人机器视觉的智能机械臂操作平台，其采用atmega32单片机作为主控制系统并通过串口与视觉识别模块进行通讯；控制系统使用12V5A开关电源供电；机械臂是一个六关节机械臂，六个伺服电机分别驱动六个关节转动，主控制系统控制六个伺服电机实现机械臂空间复杂运动。该智能平台实现了，对不同大小，颜色，二维码等目标物品的识别，按指令进行分类、抓取、搬移等动作。
该作品制作稍微复杂，但并不困难。机械臂控制代码可通过图形化软件来生成，没有难度，机器视觉则由集成度很高的图像处理器OpenMV来负责，只需要调用官方的API，很轻松地就能实现机器视觉。整个作品花些心思即可完成。 材料 MG996R 996 舵机 *6 长U型支架单轴舵机支架 *3 U型梁 *2 S3115通用支架 *5 L型支架单轴 *1 金属 机械手臂 夹持器 *1 M3螺丝螺母若干 35步进电机 *1 M8丝杆20cm *2 联轴器5X8 *1 丝杆固定轴承 *4 A4纸 *1 A4988驱动板 *1 ARDUINO PRO MINI *1 12V1A电源 *1 OPENMV *1 步骤 一、机械臂部分 1、组装
2、驱动板 驱动板用的KittenBot家的RosBot机器人开发板，图像化编程还是很好用的。
3、程序 void setup(){ Serial.begin(9600); kb.init(); pinMode(A0, INPUT); kb.servoArray(2, 160, 10); delay(1*1000); kb.servoArray(3, 160, 10); delay(1*1000); kb.servoArray(4, 10, 10); delay(1*1000); kb.servoArray(5, 90, 5); delay(1*1000); kb.servoArray(3, 90, 10); kb.servoArray(4, 10, 10); kb.servoArray(0, 90, 10); kb.servoArray(1, 70, 10); kb.servoArray(2, 70, 10); kb.servoArray(3, 80, 10); delay(1*1000); kb.servoArray(5, 180, 10); delay(3*1000); } void loop(){ char val = Serial.read(); if(val == '1'){ delay(1*1000); kb.servoArray(0, 125, 10); delay(1*1000); kb.servoArray(2, 130, 20); kb.servoArray(4, 20, 20); kb.servoArray(5, 145, 5); delay(1*1000); kb.servoArray(1, 160, 20); delay(2*1000); kb.servoArray(0, 100, 20); delay(2*1000); kb.servoArray(4, 10, 10); kb.servoArray(0, 90, 10); kb.servoArray(1, 70, 10); kb.servoArray(2, 70, 10); kb.servoArray(3, 80, 10); delay(1*1000); kb.servoArray(5, 180, 10); } if(val == '2'){ delay(1*1000); kb.servoArray(0, 125, 10); delay(1*1000); kb.servoArray(4, 30, 10); kb.servoArray(3, 135, 10); delay(1*1000); kb.servoArray(5, 130, 10); kb.servoArray(2, 70, 10); delay(1*1000); kb.servoArray(1, 160, 20); delay(2*1000); kb.servoArray(0, 100, 20); delay(2*1000); kb.servoArray(4, 10, 10); kb.servoArray(0, 90, 10); kb.servoArray(1, 70, 10); kb.servoArray(2, 70, 10); kb.servoArray(3, 80, 10); kb.servoArray(5, 180, 10); } if(val == '3'){ delay(1*1000); kb.servoArray(0, 120, 10); delay(1*1000); kb.servoArray(4, 20, 10); kb.servoArray(3, 130, 10); delay(1*1000); kb.servoArray(5, 115, 10); kb.servoArray(2, 55, 10); delay(1*1000); kb.servoArray(1, 160, 20); delay(2*1000); kb.servoArray(0, 100, 20); delay(2*1000); kb.servoArray(4, 10, 10); kb.servoArray(0, 90, 10); kb.servoArray(1, 70, 10); kb.servoArray(2, 70, 10); kb.servoArray(3, 80, 10); kb.servoArray(5, 180, 10); } } 二、传送带部分 1、结构图
2、驱动电路
3、程序 #include Servo servo1; void setup() { servo1.attach(5); Serial.begin(9600); } void loop() { int angle = analogRead(A0); angle = map(angle, 0, 1023, 0, 180); Serial.print("angle = "); Serial.println(angle); servo1.write(angle); delay(15); } 三、视觉部分 视觉模块是参考开源的OPENMV绘制的PCB，采用基于OPENMV的图像识别模块，主控为STM32F767,工作频率可达260MHZ，摄像头使用0V7725，30W像素。机器视觉识别系统的主控芯片STM32F767通过串口通信方式与主控制系统ATMEGA32单片机传输信息 1、原理图
2、AprilTag标签识别原理
AprilTag是一个视觉基准系统，可用于各种任务，包括AR，机器人和相机校准。这个Tag可以直接用打印机打印出来，而AprilTag检测程序可以计算相对于相机的精确3D位置，方向和ID。在机器人领域有广泛应用。AprilTag的算法，可以计算出Tag在3维空间中的位置, 与其对应的ID。 3、颜色识别功能 颜色识别是通过识别指定物品的色块，返回色块的值给主控，主控再根据返回的信息控制机械臂执行相应的动作。 4、程序 ①标签识别 import sensor, image, time, math
sensor.reset() sensor.set_pixformat(sensor.RGB565) sensor.set_framesize(sensor.QQVGA) # we run out of memory if the resolution is much bigger... sensor.skip_frames(time = 2000) sensor.set_auto_gain(False) # must turn this off to prevent image washout... sensor.set_auto_whitebal(False) # must turn this off to prevent image washout... clock = time.clock()
tag_families = 0 tag_families |= image.TAG16H5 # comment out to disable this family tag_families |= image.TAG25H7 # comment out to disable this family tag_families |= image.TAG25H9 # comment out to disable this family tag_families |= image.TAG36H10 # comment out to disable this family tag_families |= image.TAG36H11 # comment out to disable this family (default family) tag_families |= image.ARTOOLKIT # comment out to disable this family
def family_name(tag): if(tag.family() == image.TAG16H5): return "TAG16H5" if(tag.family() == image.TAG25H7): return "TAG25H7" if(tag.family() == image.TAG25H9): return "TAG25H9" if(tag.family() == image.TAG36H10): return "TAG36H10" if(tag.family() == image.TAG36H11): return "TAG36H11" if(tag.family() == image.ARTOOLKIT): return "ARTOOLKIT"
while(True): clock.tick() img = sensor.snapshot() for tag in img.find_apriltags(families=tag_families): # defaults to TAG36H11 without "families". img.draw_rectangle(tag.rect(), color = (255, 0, 0)) img.draw_cross(tag.cx(), tag.cy(), color = (0, 255, 0)) print_args = (family_name(tag), tag.id(), (180 * tag.rotation()) / math.pi) print("Tag Family %s, Tag ID %d, rotation %f (degrees)" % print_args) print(clock.fps) ②颜色识别 import sensor, image, time
thresholds = [(0, 100, 51, 127, -3, 127), # generic_red_thresholds (0, 100, -128, -19, -128, 127), # generic_green_thresholds (39, 100, -63, 13, -128, -16)] # generic_blue_thresholds
sensor.reset() sensor.set_pixformat(sensor.RGB565) sensor.set_framesize(sensor.QVGA) sensor.skip_frames(time = 2000) sensor.set_auto_gain(False) # must be turned off for color tracking sensor.set_auto_whitebal(False) # must be turned off for color tracking clock = time.clock()
while(True): clock.tick() img = sensor.snapshot() for blob in img.find_blobs(thresholds, pixels_threshold=800, area_threshold=1500): img.draw_rectangle(blob.rect(), color = (255, 0, 0))#red
img.draw_string(100,100,'red', color=(255,0,0)) img.draw_cross(blob.cx(), blob.cy()) 整个过程比较复杂，但完成之后就只剩下满满的成就感，感兴趣的试一试吧！ |
【本文地址】