-
公开(公告)号：CN116038684B
公开(公告)日：2025-04-22
申请号：CN202211101086.8
申请日：2022-09-09
Applicant: 南京埃斯顿机器人工程有限公司 , 南京埃斯顿自动化股份有限公司
IPC: B25J9/16
Abstract: 本发明提出了一种基于视觉的机器人碰撞预警方法，涉及机器人控制方法领域。根据不同安全等级，机器人进行相应的不同动作，从而避免机器人与周围的物体或人的直接接触，达到安全保护的目的。判断是否有障碍物；定位任意三个连续等时间间隔的障碍物位置和高度；建立障碍物时间运动轨迹模型以及原地运动模型；预测障碍物下一时刻运动轨迹位置信息；设定自适应安全阈值碰撞预警规则；根据规则判断是否需要预警，以及是否需要报警；重复上述步骤，在线实时更新障碍物时间轨迹模型和原地运动模型，直至机器人工作结束。可以用于工厂、展馆、实验室等使用工业机器人或服务机器人的场所，具有安全、高效、精准识别的特点。
-
公开(公告)号：CN111145258B
公开(公告)日：2023-06-02
申请号：CN201911403775.2
申请日：2019-12-31
Applicant: 南京埃斯顿机器人工程有限公司
IPC: G06T7/73 , G06T7/66 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种工业机器人多种汽车玻璃自动化上下料的方法，通过MLP分类器实现智能分类汽车玻璃类别，并结合图像矩特征和PCA主元进行模板初定位，再利用最小二乘法优化，获得更高精度的位姿，算法复杂度为O(C)，而传统模板定位算法时间复杂度高达O(n4)，相比之下，本发明方法极大程度地提高了时效性，实现高效定位多类别物料上下料，减少人工干预，降低生产成本。
-
公开(公告)号：CN112232399B
公开(公告)日：2022-04-15
申请号：CN202011077848.6
申请日：2020-10-10
Applicant: 南京埃斯顿机器人工程有限公司
IPC: G06V10/80 , G06V10/774 , G06V10/764 , G06V10/56 , G06V10/54 , G06V10/82 , G06N3/04 , G06N3/08 , G06T7/00 , G06T7/11 , G06T7/136 , G06T7/187 , G06T7/194 , G06T5/00 , G01N21/88
Abstract: 本发明涉及机器视觉检测领域，尤其涉及一种基于多特征融合机器学习的汽车座椅缺陷检测方法。本发明公开了一种基于多特征融合机器学习的汽车座椅缺陷检测方法，适用于不同颜色、材质的物料，无需多模板匹配，工业机器人根据检测结果自动分拣至指定区域。通过提取多类别汽车座椅物料的颜色和纹理特征，训练多特征融合分类器以识别物料类别信息，筛选物料类别异常；根据分类结果，结合Blob分析进行缺陷检测，判断是否存在破损、污渍；工业机器人接收缺陷检测结果，抓取工件，自动分拣至物料类别异常、破损、污渍、合格品指定区域。本发明无需多模板匹配，时效性高，实现高效分拣多类别汽车座椅物料缺陷。
-
Patent Agency Ranking
公开(公告)号：CN112232399A
公开(公告)日：2021-01-15
申请号：CN202011077848.6
申请日：2020-10-10
Applicant: 南京埃斯顿机器人工程有限公司
IPC: G06K9/62 , G06K9/46 , G06N3/04 , G06N3/08 , G06T7/00 , G06T7/11 , G06T7/136 , G06T7/187 , G06T7/194 , G06T5/00 , G01N21/88
Abstract: 本发明涉及机器视觉检测领域，尤其涉及一种基于多特征融合机器学习的汽车座椅缺陷检测方法。本发明公开了一种基于多特征融合机器学习的汽车座椅缺陷检测方法，适用于不同颜色、材质的物料，无需多模板匹配，工业机器人根据检测结果自动分拣至指定区域。通过提取多类别汽车座椅物料的颜色和纹理特征，训练多特征融合分类器以识别物料类别信息，筛选物料类别异常；根据分类结果，结合Blob分析进行缺陷检测，判断是否存在破损、污渍；工业机器人接收缺陷检测结果，抓取工件，自动分拣至物料类别异常、破损、污渍、合格品指定区域。本发明无需多模板匹配，时效性高，实现高效分拣多类别汽车座椅物料缺陷。
-
公开(公告)号：CN116038684A
公开(公告)日：2023-05-02
申请号：CN202211101086.8
申请日：2022-09-09
Applicant: 南京埃斯顿机器人工程有限公司
IPC: B25J9/16
Abstract: 本发明提出了一种基于视觉的机器人碰撞预警方法，涉及机器人控制方法领域。根据不同安全等级，机器人进行相应的不同动作，从而避免机器人与周围的物体或人的直接接触，达到安全保护的目的。判断是否有障碍物；定位任意三个连续等时间间隔的障碍物位置和高度；建立障碍物时间运动轨迹模型以及原地运动模型；预测障碍物下一时刻运动轨迹位置信息；设定自适应安全阈值碰撞预警规则；根据规则判断是否需要预警，以及是否需要报警；重复上述步骤，在线实时更新障碍物时间轨迹模型和原地运动模型，直至机器人工作结束。可以用于工厂、展馆、实验室等使用工业机器人或服务机器人的场所，具有安全、高效、精准识别的特点。
-
公开(公告)号：CN113989241A
公开(公告)日：2022-01-28
申请号：CN202111269603.8
申请日：2021-10-29
Applicant: 南京埃斯顿机器人工程有限公司
IPC: G06T7/00 , G06V10/764 , G06T7/10 , G06K9/62
Abstract: 本发明公开了一种基于图像处理与深度学习融合的光伏组件EL缺陷检测方法，涉及工业产品生产检测领域。通过对M行N列光伏组件图像进行预分割得到每块光伏板的图像，再对单个光伏板进行正常或可能异常的预分类，对于可能异常的光伏板进行深度学习提取特征，以便于进行更准确的二次缺陷检测。按以下步骤进行：步骤1、组件图像预分割；步骤2、组件类型预分类；步骤3、深度学习二次缺陷检测。一方面，本发明减少了深度学习输入图像的尺寸，降低了计算资源需求，且提升了小缺陷的检出率；另一方面，本发明引入单块电池板OK、NG、CNG初分类机制，大量的正样本无需进行深度学习目标检测，极大减少了光伏组件缺陷检测耗时，提高了检测效率。
-
公开(公告)号：CN113989241B
公开(公告)日：2024-08-02
申请号：CN202111269603.8
申请日：2021-10-29
Applicant: 南京埃斯顿机器人工程有限公司
IPC: G06T7/00 , G06V10/764 , G06T7/10
Abstract: 本发明公开了一种基于图像处理与深度学习融合的光伏组件EL缺陷检测方法，涉及工业产品生产检测领域。通过对M行N列光伏组件图像进行预分割得到每块光伏板的图像，再对单个光伏板进行正常或可能异常的预分类，对于可能异常的光伏板进行深度学习提取特征，以便于进行更准确的二次缺陷检测。按以下步骤进行：步骤1、组件图像预分割；步骤2、组件类型预分类；步骤3、深度学习二次缺陷检测。一方面，本发明减少了深度学习输入图像的尺寸，降低了计算资源需求，且提升了小缺陷的检出率；另一方面，本发明引入单块电池板OK、NG、CNG初分类机制，大量的正样本无需进行深度学习目标检测，极大减少了光伏组件缺陷检测耗时，提高了检测效率。
-
公开(公告)号：CN111145258A
公开(公告)日：2020-05-12
申请号：CN201911403775.2
申请日：2019-12-31
Applicant: 南京埃斯顿机器人工程有限公司
Abstract: 本发明公开了一种工业机器人多种汽车玻璃自动化上下料的方法，通过MLP分类器实现智能分类汽车玻璃类别，并结合图像矩特征和PCA主元进行模板初定位，再利用最小二乘法优化，获得更高精度的位姿，算法复杂度为O(C)，而传统模板定位算法时间复杂度高达O(n4)，相比之下，本发明方法极大程度地提高了时效性，实现高效定位多类别物料上下料，减少人工干预，降低生产成本。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.042 seconds)
