摘要：针对流水线上底盘车架外形缺陷检测和识别存在效率低、准确度不高、劳动强度大的缺点,提出一种基于图像配准的车架缺陷检测与识别方法。获取标准图像,通过最大类间方差法与形态学等操作建立形状匹配模板。在线采集待测车架图像,利用形状模板匹配算法查找待测车架图像在标准图像中的位置与旋转角度,对待测车架图像进行配准,使其与标准车架图像处于同一空间位置关系。通过逻辑异或把待测目标图像与标准库图像进行匹配运算,采用形态学算法去除系统中干扰缺陷杂质。RGB分量滤波后,进行图像重叠并调整透明度,从而得到缺陷图。研究结果表明,该方法可有效提取车架外形特征,进而得到过铆、漏铆、多孔、少孔等多种外形缺陷,其检测速度快,具有较好的鲁棒性。

摘要：工业机器人在工业自动化使用过程中,其空间位姿可通过示教器获取,但在实际使用中存在空间位姿变换复杂、模型建立困难以及调试过程复杂等问题。本文以IRB1410型机器人为研究对象,从理论上构建机器人的运动学模型,并通过MATLAB软件结合设备检验所建模型的准确性。研究结果显示,这篇论文构建的模型可有效地缩短了机器人调试工艺所需的时间。本模型机理对于机器人开发的理论和实践操作提供了一定的方法思路。

摘要：随着人工智能技术的不断发展,无人驾驶技术已经成为当下社会发展的热门,车道线检测是无人驾驶技术的关键一环,但传统的基于视觉的车道线检测方法处理时间较长、过程繁琐、需要人为干预。基于深度学习的车道线检测可大大减少此类问题。文章设计了一个完成双任务的Enet网络,分别解决目标区域分割问题和不同车道区分问题,以实现端到端的检测。与主流车道线检测网络模型deeplab v3和YOLO v3进行对比。实验验证表明,网络模型的最终训练准确率为99.8%,相对于deeplab v3和YOLO v3网络分别提升1.2%和0.8%。