深圳视觉对位系统不抓点是什么原因？

四元数视觉

& i1 V# D% {9 z5 A4 }
5 j& h0 ~0 M3 d- N 一、视觉对位系统不抓点是什么原因？
     主要是Mark点,好的软件可以支持MARK自定义选取。贴合的精度与Mark的大小也有关系,所以Mark越小,一致性越好,对位精度就越高!
二、视觉定位系统的组成
　　机器人视觉定位系统构成如图 1 所示，在关节型机器人末端安装喷涂工具、单个摄像机，使工件能完全出现在摄像机的图像中。系统包括摄像机系统和控制系统：

0 U3 D" d, ?! }% q: @　　(1)摄像机系统：由单个摄像机和计算机(包括图像采集卡)组成，负责视觉图像的采集和机器视觉算法;
! w. Z3 [. q/ D7 u/ [　　(2)控制系统：由计算机和控制箱组成，用来控制机器人末端的实际位置;经 CCD 摄像机对工作区进行拍摄，计算机通过本文使用的图像识别方法，提取跟踪特征，进行数据识别和计算，通过逆运动学求解得到机器人各关节位置误差值，最后控制高精度的末端执行机构，调整机器人的位姿。
2 N% I) X4 ^* f% L) S　　喷涂机器人视觉定位系统组成
三、视觉定位系统工作原理
7 e$ `/ F) }( @. C6 v　　 视觉定位系统的工作原理
　　使用 CCD 摄像机和1394 系列采集卡，将视频信号输入计算机，并对其快速处理。首先选取被跟踪物体的局部图像，该步骤相当于离线学习的过程，在图像中建立坐标系以及训练系统寻找跟踪物。学习结束后，图像卡不停地采集图像，提取跟踪特征，进行数据识别和计算，通过逆运动学求解得到机器人各关节位置给定值，最后控制高精度的末端执行机构，调整机器人的位姿。工作流程如图2 所示。
- d! w# C) s! ~8 q3 X8 @+ S
四、视觉定位系统软件流程图
　　基于区域的匹配
* Y& V7 j( ]$ k( u, x7 P  x& Z, F　　本文采用的就是基于区域的相关匹配方法。它是把一幅图像中的某一点的灰度领域作为模板，在另一幅图像中搜索具有相同(或相似)灰度值分布的对应点领域，从而实现两幅图像的匹配。在基于区域相关的算法中，要匹配的元素是固定尺寸的图像窗口，相似准则是两幅图像中窗口间的相关性度量。当搜索区域中的元素使相似性准则最大化时，则认为元素是匹配的。
9 `' Y/ H9 T& V8 h  y　　定义P (i, j) P 是模板图像中一点，取以P (i, j) P 为中心的某一邻域作为相关窗口K ，大小为(2w +1)，假设K 在原始图中，水平方向平移Δu ，垂直方向平移Δu 后，K 所覆盖下的那块搜索区域叫做子图S k ，若K 和S k 相同，则它们的差为零，否则不为零。
. R5 I: Y$ X+ t: e9 v3 J# m       四元数致力于运动控制、图像与视觉传感等工业自动化技术的研发和应用，产品广泛应用于印刷设备、模切设备、贴合设备、多轴数控设备、机械手、电子加工和检测设备、激光加工设备、抛光机械生产自动化等工业控制领域。
, c' g+ U7 a8 `1 C0 \7 O
, C, ]% ~3 R% M" r9 Q3 y
- ~4 A" A. R/ C4 p