针对机械手抓取物体大多以指定位置抓取特定物体的方式及柔性差的问题,提出利用基于深度学习方式的目标检测算法对物体进行识别。通过双目视觉算法检测物体所在的空间位置,利用D-H法进行机械手的坐标解算,从而实现物体的抓取。根据实际需求,采用实时性较好的YOLOv4目标检测算法与OpenCV中的立体匹配算法SGBM相结合的方式实现目标定位检测,并且通过租用云端服务器来训练神经网络和运行程序的方式降低本地硬件要求。实验结果表明:该机械手抓取物体的成功率达到了84%,验证了该方法具有较好的准确性,基本满足智能制造中的实际需求。

针对目前自动引导小车(AGV)导航精度低、轨迹柔性差等问题,提出一种基于视觉和RFID的AGV复合导航方法。利用RFID读取AGV所处站点的射频卡信息,采用视觉技术检测地标相对于AGV的位置并纠偏,实现AGV导航定位;在视觉定位中引入卡尔曼滤波,提高AGV的导航精度和稳定性;在地图构建中,采用地标图案中嵌入射频卡的方式建立网格型地图,保证轨迹的柔性。结果表明:所提出的复合导航方法具有较高的定位精度,平均轨迹误差为5.85 mm,平均角度误差为0.65°,可以满足实际应用需求。