本發(fā)明涉及自動(dòng)裝配，尤其涉及一種基于機(jī)器視覺(jué)的汽車(chē)安全帶預(yù)緊器自動(dòng)裝配方法及系統(tǒng)。

背景技術(shù)：

1、汽車(chē)安全帶預(yù)緊器是車(chē)輛被動(dòng)安全系統(tǒng)中的關(guān)鍵部件，其裝配質(zhì)量直接關(guān)系到安全帶預(yù)緊功能的可靠性。隨著汽車(chē)產(chǎn)業(yè)的快速發(fā)展和智能制造技術(shù)的推廣應(yīng)用，預(yù)緊器自動(dòng)裝配成為提高生產(chǎn)效率和裝配質(zhì)量的重要發(fā)展方向。機(jī)器視覺(jué)技術(shù)作為工業(yè)自動(dòng)化的重要支撐，能夠?yàn)轭A(yù)緊器自動(dòng)裝配提供精確的位置信息和實(shí)時(shí)的狀態(tài)監(jiān)測(cè)。

2、在現(xiàn)有技術(shù)中，預(yù)緊器自動(dòng)裝配方法還是存在問(wèn)題，傳統(tǒng)的視覺(jué)定位方法難以適應(yīng)預(yù)緊器零部件的復(fù)雜結(jié)構(gòu)特征，特別是在不同視角下的特征識(shí)別和位置確定方面存在較大誤差；裝配過(guò)程中的位置偏差補(bǔ)償缺乏實(shí)時(shí)性和準(zhǔn)確性，往往需要多次調(diào)整才能完成精確裝配裝配過(guò)程缺乏有效的狀態(tài)監(jiān)測(cè)和自適應(yīng)控制機(jī)制，容易因裝配力度不當(dāng)或位置偏差過(guò)大而導(dǎo)致裝配失敗或零部件損壞。

3、綜上所述，亟需一種基于機(jī)器視覺(jué)的汽車(chē)安全帶預(yù)緊器自動(dòng)裝配方法，提高預(yù)緊器自動(dòng)裝配的精度和可靠性，解決現(xiàn)有技術(shù)中存在的定位精度低、實(shí)時(shí)性差、可靠性不足等技術(shù)問(wèn)題，為預(yù)緊器自動(dòng)裝配提供一種實(shí)用可行的技術(shù)方案。本發(fā)明能夠解決現(xiàn)有技術(shù)中的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明實(shí)施例提供一種基于機(jī)器視覺(jué)的汽車(chē)安全帶預(yù)緊器自動(dòng)裝配方法及系統(tǒng)，能夠解決現(xiàn)有技術(shù)中的問(wèn)題。

2、本發(fā)明實(shí)施例的第一方面，

3、提供一種基于機(jī)器視覺(jué)的汽車(chē)安全帶預(yù)緊器自動(dòng)裝配方法，包括：

4、采集預(yù)緊器標(biāo)準(zhǔn)零部件在不同角度下的部件圖像，對(duì)所述部件圖像執(zhí)行灰度化處理和高斯濾波降噪，利用邊緣檢測(cè)算子提取所述部件圖像的邊緣特征，通過(guò)區(qū)域生長(zhǎng)法分割所述邊緣特征的目標(biāo)區(qū)域，計(jì)算并提取所述目標(biāo)區(qū)域的幾何特征參數(shù)，將所述幾何特征參數(shù)投影至世界坐標(biāo)系，建立二維圖像坐標(biāo)到三維空間坐標(biāo)的映射關(guān)系，基于所述映射關(guān)系，計(jì)算預(yù)緊器標(biāo)準(zhǔn)零部件的裝配基準(zhǔn)點(diǎn)和裝配路徑點(diǎn)坐標(biāo)；

5、采集待裝配零部件的實(shí)時(shí)圖像，對(duì)所述實(shí)時(shí)圖像執(zhí)行自適應(yīng)直方圖均衡化增強(qiáng)處理，通過(guò)特征點(diǎn)檢測(cè)算法，提取所述實(shí)時(shí)圖像的特征數(shù)據(jù)；將所述特征數(shù)據(jù)與標(biāo)準(zhǔn)零部件的幾何特征參數(shù)進(jìn)行匹配，通過(guò)射影變換特征匹配方法，得到保留匹配點(diǎn)，基于保留匹配點(diǎn)，計(jì)算待裝配零部件相對(duì)于裝配基準(zhǔn)點(diǎn)的位置偏差值和角度偏差值，根據(jù)所述位置偏差值和角度偏差值計(jì)算補(bǔ)償量，更新裝配路徑點(diǎn)坐標(biāo)；

6、控制機(jī)器人按照更新后的裝配路徑點(diǎn)坐標(biāo)執(zhí)行零部件裝配，采集裝配過(guò)程中的力傳感器數(shù)據(jù)和位移傳感器數(shù)據(jù)，輸入卡爾曼濾波器進(jìn)行數(shù)據(jù)融合，計(jì)算得到裝配狀態(tài)評(píng)估指標(biāo)，包括裝配力曲線(xiàn)斜率、位移變化率和力位移關(guān)系曲線(xiàn)；當(dāng)所述裝配狀態(tài)評(píng)估指標(biāo)超出預(yù)設(shè)閾值時(shí)，根據(jù)所述力傳感器數(shù)據(jù)和位移傳感器數(shù)據(jù)的變化趨勢(shì)，動(dòng)態(tài)調(diào)整機(jī)器人的裝配速度和裝配力度，直到完成自動(dòng)裝配。

7、在一種可選的實(shí)施例中，

8、利用邊緣檢測(cè)算子提取所述部件圖像的邊緣特征包括：

9、通過(guò)水平方向一階差分算子和垂直方向一階差分算子分別與預(yù)緊器標(biāo)準(zhǔn)零部件的部件圖像進(jìn)行卷積運(yùn)算，得到部件圖像的水平方向梯度值和垂直方向梯度值；基于所述水平方向梯度值和所述垂直方向梯度值，計(jì)算部件圖像中每個(gè)像素點(diǎn)的梯度幅值和梯度方向；

10、將部件圖像劃分為多個(gè)局部區(qū)域，基于每個(gè)像素點(diǎn)的梯度幅值，計(jì)算每個(gè)局部區(qū)域的梯度幅值均值和梯度幅值標(biāo)準(zhǔn)差，根據(jù)所述梯度幅值均值和所述梯度幅值標(biāo)準(zhǔn)差，計(jì)算每個(gè)局部區(qū)域的局部閾值，對(duì)局部區(qū)域之間的重疊區(qū)域采用雙線(xiàn)性插值方法平滑過(guò)渡；

11、在每個(gè)所述局部區(qū)域內(nèi)，將每個(gè)像素點(diǎn)的梯度幅值與對(duì)應(yīng)的局部閾值進(jìn)行比較，并將目標(biāo)像素點(diǎn)的梯度幅值與沿目標(biāo)像素點(diǎn)對(duì)應(yīng)梯度方向的相鄰像素點(diǎn)的梯度幅值進(jìn)行比較，當(dāng)目標(biāo)像素點(diǎn)的梯度幅值大于局部閾值且大于所述相鄰像素點(diǎn)的梯度幅值時(shí)，將目標(biāo)像素點(diǎn)標(biāo)記為邊緣點(diǎn)；

12、對(duì)所述邊緣點(diǎn)進(jìn)行八鄰域連通性分析，得到端點(diǎn)像素，在端點(diǎn)像素的五乘五鄰域內(nèi)搜索連接點(diǎn)，當(dāng)兩個(gè)端點(diǎn)像素之間的距離小于預(yù)設(shè)距離閾值且梯度方向差異小于預(yù)設(shè)角度閾值時(shí)，將兩個(gè)端點(diǎn)像素連接；

13、沿每個(gè)所述邊緣點(diǎn)的梯度方向?qū)λ鲞吘夵c(diǎn)的梯度幅值進(jìn)行插值計(jì)算，保留局部最大值對(duì)應(yīng)的邊緣點(diǎn)，確定主邊緣點(diǎn)，采用形態(tài)學(xué)細(xì)化算法對(duì)所述主邊緣點(diǎn)進(jìn)行處理，得到寬度為一個(gè)像素的邊緣特征。

14、在一種可選的實(shí)施例中，

15、通過(guò)區(qū)域生長(zhǎng)法分割所述邊緣特征的目標(biāo)區(qū)域，計(jì)算并提取所述目標(biāo)區(qū)域的幾何特征參數(shù)包括：

16、計(jì)算所述邊緣特征所在部件圖像的局部方差，在所述部件圖像中選取灰度值大于第一預(yù)設(shè)灰度閾值且非邊緣點(diǎn)的像素點(diǎn)作為候選種子點(diǎn)，計(jì)算所述候選種子點(diǎn)八鄰域內(nèi)像素點(diǎn)的灰度均值和灰度標(biāo)準(zhǔn)差，當(dāng)所述灰度標(biāo)準(zhǔn)差小于第二預(yù)設(shè)灰度閾值且所述八鄰域內(nèi)像素點(diǎn)的灰度值與所述灰度均值的差值均小于第三預(yù)設(shè)灰度閾值時(shí)，將相互間距大于預(yù)設(shè)距離閾值的所述候選種子點(diǎn)確定為生長(zhǎng)種子點(diǎn)，將所述生長(zhǎng)種子點(diǎn)加入待處理隊(duì)列；

17、基于待處理隊(duì)列中的每個(gè)生長(zhǎng)種子點(diǎn)，標(biāo)記生長(zhǎng)種子點(diǎn)的八鄰域中的每個(gè)像素點(diǎn)為待生長(zhǎng)點(diǎn)，計(jì)算每個(gè)待生長(zhǎng)點(diǎn)與對(duì)應(yīng)生長(zhǎng)種子點(diǎn)的灰度差值，當(dāng)所述灰度差值小于灰度相似性初始閾值時(shí)，計(jì)算待生長(zhǎng)點(diǎn)與已生長(zhǎng)區(qū)域的平均灰度差值，當(dāng)所述平均灰度差值小于區(qū)域一致性初始閾值且待生長(zhǎng)點(diǎn)未跨越所述邊緣特征時(shí)，將所述待生長(zhǎng)點(diǎn)加入所述待處理隊(duì)列并標(biāo)記為已處理像素點(diǎn)；

18、在生長(zhǎng)過(guò)程中，每處理預(yù)設(shè)數(shù)量的像素點(diǎn)，計(jì)算已生長(zhǎng)區(qū)域的灰度標(biāo)準(zhǔn)差，基于所述灰度標(biāo)準(zhǔn)差與生長(zhǎng)種子點(diǎn)對(duì)應(yīng)的八鄰域的灰度標(biāo)準(zhǔn)差的比值，分別更新所述灰度相似性初始閾值和所述區(qū)域一致性初始閾值，得到新灰度相似性閾值和新區(qū)域一致性閾值，迭代執(zhí)行生長(zhǎng)過(guò)程；

19、基于多個(gè)所述生長(zhǎng)種子點(diǎn)生長(zhǎng)形成的子區(qū)域，計(jì)算相鄰子區(qū)域之間的灰度差異度和子區(qū)域邊界的梯度強(qiáng)度，當(dāng)所述灰度差異度小于差異度閾值且所述梯度強(qiáng)度小于梯度強(qiáng)度閾值時(shí)，將所述相鄰子區(qū)域進(jìn)行合并，得到合并子區(qū)域；對(duì)合并子區(qū)域進(jìn)行優(yōu)化處理，去除面積小于面積閾值的噪聲區(qū)域，對(duì)區(qū)域內(nèi)空洞進(jìn)行填充，對(duì)區(qū)域邊界進(jìn)行平滑處理，得到所述邊緣特征對(duì)應(yīng)的目標(biāo)區(qū)域；計(jì)算所述目標(biāo)區(qū)域的重心坐標(biāo)、面積值、周長(zhǎng)值和圓度值，得到所述目標(biāo)區(qū)域的幾何特征參數(shù)。

20、在一種可選的實(shí)施例中，

21、通過(guò)特征點(diǎn)檢測(cè)算法，提取所述實(shí)時(shí)圖像的特征數(shù)據(jù)包括：

22、對(duì)實(shí)時(shí)圖像進(jìn)行多尺度分解，構(gòu)建三層圖像金字塔，其中第一層圖像采用原始分辨率，第二層圖像將所述原始分辨率降采樣為二分之一，第三層圖像將所述原始分辨率降采樣為四分之一；

23、在所述三層圖像金字塔的每一層圖像中執(zhí)行特征點(diǎn)檢測(cè)，對(duì)所述每一層圖像中的每個(gè)像素點(diǎn)，獲取以所述像素點(diǎn)為中心的圓周上的十六個(gè)采樣點(diǎn)，計(jì)算所述像素點(diǎn)與所述十六個(gè)采樣點(diǎn)的灰度差值；

24、當(dāng)所述十六個(gè)采樣點(diǎn)中存在連續(xù)九個(gè)及以上采樣點(diǎn)的灰度差值大于預(yù)設(shè)灰度閾值時(shí)，將所述像素點(diǎn)標(biāo)記為候選特征點(diǎn)，計(jì)算所述候選特征點(diǎn)與所述十六個(gè)采樣點(diǎn)的灰度差值絕對(duì)值，將所述灰度差值絕對(duì)值與預(yù)設(shè)灰度閾值的差值的最大值作為所述候選特征點(diǎn)的響應(yīng)值；

25、對(duì)所述候選特征點(diǎn)執(zhí)行非極大值抑制，以所述候選特征點(diǎn)為中心，獲取三乘三鄰域內(nèi)的像素點(diǎn)，計(jì)算所述三乘三鄰域內(nèi)所有像素點(diǎn)的響應(yīng)值，當(dāng)所述候選特征點(diǎn)的響應(yīng)值大于所述三乘三鄰域內(nèi)所有像素點(diǎn)的響應(yīng)值時(shí)，將所述候選特征點(diǎn)確定為特征點(diǎn)；

26、以所述特征點(diǎn)為中心，提取三十二乘三十二像素的圖像塊，將所述圖像塊劃分為四乘四的子塊，計(jì)算每個(gè)子塊的灰度均值，得到十六維特征向量，對(duì)所述十六維特征向量中的每個(gè)分量與其他分量進(jìn)行比較，得到二進(jìn)制位，將二進(jìn)制位組合形成二百五十六位的二進(jìn)制特征描述子，將所述特征點(diǎn)的位置信息和所述二進(jìn)制特征描述子作為所述實(shí)時(shí)圖像的特征數(shù)據(jù)。

27、在一種可選的實(shí)施例中，

28、將所述特征數(shù)據(jù)與標(biāo)準(zhǔn)零部件的幾何特征參數(shù)進(jìn)行匹配，通過(guò)射影變換特征匹配方法，得到保留匹配點(diǎn)包括：

29、基于所述特征數(shù)據(jù)和所述幾何特征參數(shù)進(jìn)行特征匹配，計(jì)算所述二進(jìn)制特征描述子與所述幾何特征參數(shù)之間的漢明距離，對(duì)于每個(gè)幾何特征參數(shù)，找出具有最小漢明距離和次小漢明距離的二進(jìn)制特征描述子，計(jì)算所述最小漢明距離與所述次小漢明距離的比值，當(dāng)所述比值小于預(yù)設(shè)閾值時(shí)，將對(duì)應(yīng)的特征點(diǎn)位置信息和幾何特征參數(shù)確定為匹配點(diǎn)對(duì)；

30、從所述匹配點(diǎn)對(duì)中隨機(jī)選取三對(duì)匹配點(diǎn)，獲取所述三對(duì)匹配點(diǎn)中每對(duì)匹配點(diǎn)的坐標(biāo)位置，根據(jù)所述坐標(biāo)位置構(gòu)建坐標(biāo)映射關(guān)系，通過(guò)所述坐標(biāo)映射關(guān)系中的x方向分量和y方向分量建立線(xiàn)性方程組，求解所述線(xiàn)性方程組得到變換系數(shù)，將所述變換系數(shù)構(gòu)成用于坐標(biāo)變換的變換矩陣；

31、將所述變換矩陣作用于除所述三對(duì)匹配點(diǎn)之外的其他匹配點(diǎn)對(duì)中的特征點(diǎn)位置信息，得到變換后位置信息，計(jì)算所述變換后位置信息與對(duì)應(yīng)匹配點(diǎn)對(duì)中的幾何特征參數(shù)之間的歐式距離作為重投影誤差；

32、將重投影誤差小于誤差閾值的匹配點(diǎn)對(duì)標(biāo)記為符合變換模型的內(nèi)點(diǎn)，統(tǒng)計(jì)所述內(nèi)點(diǎn)的內(nèi)點(diǎn)數(shù)量，將所述內(nèi)點(diǎn)數(shù)量與當(dāng)前最優(yōu)內(nèi)點(diǎn)數(shù)量進(jìn)行比較，當(dāng)所述內(nèi)點(diǎn)數(shù)量大于所述當(dāng)前最優(yōu)內(nèi)點(diǎn)數(shù)量時(shí)，使用所述內(nèi)點(diǎn)數(shù)量更新所述當(dāng)前最優(yōu)內(nèi)點(diǎn)數(shù)量，使用對(duì)應(yīng)的變換矩陣更新當(dāng)前最優(yōu)變換矩陣；

33、重復(fù)執(zhí)行，直到達(dá)到預(yù)設(shè)的最大迭代次數(shù)，將最后更新的所述當(dāng)前最優(yōu)變換矩陣對(duì)應(yīng)的內(nèi)點(diǎn)作為保留匹配點(diǎn)。

34、在一種可選的實(shí)施例中，

35、控制機(jī)器人按照更新后的裝配路徑點(diǎn)坐標(biāo)執(zhí)行零部件裝配，采集裝配過(guò)程中的力傳感器數(shù)據(jù)和位移傳感器數(shù)據(jù)，輸入卡爾曼濾波器進(jìn)行數(shù)據(jù)融合，計(jì)算得到裝配狀態(tài)評(píng)估指標(biāo)，包括裝配力曲線(xiàn)斜率、位移變化率和力位移關(guān)系曲線(xiàn)包括：

36、控制機(jī)器人按照裝配路徑點(diǎn)坐標(biāo)執(zhí)行零部件裝配，采集所述機(jī)器人末端執(zhí)行器上力傳感器輸出的力數(shù)據(jù)和位移傳感器輸出的位移數(shù)據(jù)，所述力數(shù)據(jù)包括三個(gè)方向的力分量和力矩分量，所述位移數(shù)據(jù)包括三個(gè)方向的位移分量；

37、構(gòu)建包含所述力數(shù)據(jù)、所述位移數(shù)據(jù)、力變化率和位移變化率的狀態(tài)向量，構(gòu)建包含所述力數(shù)據(jù)和所述位移數(shù)據(jù)的觀測(cè)向量，計(jì)算所述狀態(tài)向量與上一時(shí)刻預(yù)測(cè)狀態(tài)向量的偏差得到狀態(tài)誤差協(xié)方差矩陣；基于所述狀態(tài)誤差協(xié)方差矩陣計(jì)算理論協(xié)方差矩陣和實(shí)際協(xié)方差矩陣，計(jì)算所述理論協(xié)方差矩陣的跡與所述實(shí)際協(xié)方差矩陣的跡的比值，得到自適應(yīng)因子；

38、將所述自適應(yīng)因子與上一時(shí)刻過(guò)程噪聲協(xié)方差的乘積作為當(dāng)前過(guò)程噪聲協(xié)方差，基于所述狀態(tài)向量和所述觀測(cè)向量的差值序列計(jì)算得到當(dāng)前測(cè)量噪聲協(xié)方差；將所述狀態(tài)向量、所述觀測(cè)向量、所述過(guò)程噪聲協(xié)方差和所述測(cè)量噪聲協(xié)方差輸入自適應(yīng)卡爾曼濾波器，經(jīng)過(guò)濾波器的預(yù)測(cè)步驟和更新步驟得到濾波后狀態(tài)向量；

39、基于所述濾波后狀態(tài)向量中的力數(shù)據(jù)，計(jì)算相鄰采樣周期的力差值與時(shí)間差值的比值得到裝配力曲線(xiàn)斜率，基于所述濾波后狀態(tài)向量中的位移數(shù)據(jù)，計(jì)算相鄰采樣周期的位移差值與時(shí)間差值的比值得到位移變化率，基于所述力差值與所述位移差值的比值得到力位移關(guān)系曲線(xiàn)。

40、在一種可選的實(shí)施例中，

41、當(dāng)所述裝配狀態(tài)評(píng)估指標(biāo)超出預(yù)設(shè)閾值時(shí)，根據(jù)所述力傳感器數(shù)據(jù)和位移傳感器數(shù)據(jù)的變化趨勢(shì)，動(dòng)態(tài)調(diào)整機(jī)器人的裝配速度和裝配力度，直到完成自動(dòng)裝配包括：

42、將所述裝配力曲線(xiàn)斜率、所述位移變化率和所述力位移關(guān)系曲線(xiàn)輸入模糊神經(jīng)網(wǎng)絡(luò)，通過(guò)所述模糊神經(jīng)網(wǎng)絡(luò)的模糊化層將輸入變量轉(zhuǎn)換為模糊變量，根據(jù)預(yù)設(shè)的模糊規(guī)則庫(kù)在規(guī)則層進(jìn)行模糊推理，在去模糊化層計(jì)算得到第一力度調(diào)整量和第一速度調(diào)整量；

43、將所述裝配力曲線(xiàn)斜率、所述位移變化率和所述力位移關(guān)系曲線(xiàn)作為強(qiáng)化學(xué)習(xí)的狀態(tài)空間，將力度調(diào)整量和速度調(diào)整量作為動(dòng)作空間；計(jì)算所述裝配力曲線(xiàn)斜率與第一預(yù)設(shè)閾值的偏差、所述位移變化率與第二預(yù)設(shè)閾值的偏差、所述力位移關(guān)系曲線(xiàn)與第三預(yù)設(shè)閾值的偏差，基于多個(gè)偏差計(jì)算獎(jiǎng)勵(lì)值；將所述狀態(tài)空間、所述動(dòng)作空間和所述獎(jiǎng)勵(lì)值輸入深度q網(wǎng)絡(luò)，通過(guò)q值迭代更新得到第二力度調(diào)整量和第二速度調(diào)整量；

44、根據(jù)歷史裝配周期中的裝配狀態(tài)評(píng)估指標(biāo)計(jì)算模糊控制權(quán)重和強(qiáng)化學(xué)習(xí)權(quán)重；將所述第一力度調(diào)整量與所述模糊控制權(quán)重的乘積加上所述第二力度調(diào)整量與所述強(qiáng)化學(xué)習(xí)權(quán)重的乘積得到最終力度調(diào)整量，將所述第一速度調(diào)整量與所述模糊控制權(quán)重的乘積加上所述第二速度調(diào)整量與所述強(qiáng)化學(xué)習(xí)權(quán)重的乘積得到最終速度調(diào)整量；

45、將所述最終力度調(diào)整量與當(dāng)前裝配力度疊加得到更新后裝配力度，將所述最終速度調(diào)整量與當(dāng)前裝配速度疊加得到更新后裝配速度；直到更新后的所述裝配力曲線(xiàn)斜率、所述位移變化率和所述力位移關(guān)系曲線(xiàn)同時(shí)處于對(duì)應(yīng)的預(yù)設(shè)閾值范圍內(nèi)，完成零部件自動(dòng)裝配。

46、本發(fā)明實(shí)施例的第二方面，

47、提供一種基于機(jī)器視覺(jué)的汽車(chē)安全帶預(yù)緊器自動(dòng)裝配系統(tǒng)，包括：

48、第一單元，用于采集預(yù)緊器標(biāo)準(zhǔn)零部件在不同角度下的部件圖像，對(duì)所述部件圖像執(zhí)行灰度化處理和高斯濾波降噪，利用邊緣檢測(cè)算子提取所述部件圖像的邊緣特征，通過(guò)區(qū)域生長(zhǎng)法分割所述邊緣特征的目標(biāo)區(qū)域，計(jì)算并提取所述目標(biāo)區(qū)域的幾何特征參數(shù)，將所述幾何特征參數(shù)投影至世界坐標(biāo)系，建立二維圖像坐標(biāo)到三維空間坐標(biāo)的映射關(guān)系，基于所述映射關(guān)系，計(jì)算預(yù)緊器標(biāo)準(zhǔn)零部件的裝配基準(zhǔn)點(diǎn)和裝配路徑點(diǎn)坐標(biāo)；

49、第二單元，用于采集待裝配零部件的實(shí)時(shí)圖像，對(duì)所述實(shí)時(shí)圖像執(zhí)行自適應(yīng)直方圖均衡化增強(qiáng)處理，通過(guò)特征點(diǎn)檢測(cè)算法，提取所述實(shí)時(shí)圖像的特征數(shù)據(jù)；將所述特征數(shù)據(jù)與標(biāo)準(zhǔn)零部件的幾何特征參數(shù)進(jìn)行匹配，通過(guò)射影變換特征匹配方法，得到保留匹配點(diǎn)，基于保留匹配點(diǎn)，計(jì)算待裝配零部件相對(duì)于裝配基準(zhǔn)點(diǎn)的位置偏差值和角度偏差值，根據(jù)所述位置偏差值和角度偏差值計(jì)算補(bǔ)償量，更新裝配路徑點(diǎn)坐標(biāo)；

50、第三單元，用于控制機(jī)器人按照更新后的裝配路徑點(diǎn)坐標(biāo)執(zhí)行零部件裝配，采集裝配過(guò)程中的力傳感器數(shù)據(jù)和位移傳感器數(shù)據(jù)，輸入卡爾曼濾波器進(jìn)行數(shù)據(jù)融合，計(jì)算得到裝配狀態(tài)評(píng)估指標(biāo)，包括裝配力曲線(xiàn)斜率、位移變化率和力位移關(guān)系曲線(xiàn)；當(dāng)所述裝配狀態(tài)評(píng)估指標(biāo)超出預(yù)設(shè)閾值時(shí)，根據(jù)所述力傳感器數(shù)據(jù)和位移傳感器數(shù)據(jù)的變化趨勢(shì)，動(dòng)態(tài)調(diào)整機(jī)器人的裝配速度和裝配力度，直到完成自動(dòng)裝配。

51、本發(fā)明實(shí)施例的第三方面，

52、提供一種電子設(shè)備，包括：

53、處理器；

54、用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器；

55、其中，所述處理器被配置為調(diào)用所述存儲(chǔ)器存儲(chǔ)的指令，以執(zhí)行前述所述的方法。

56、本發(fā)明實(shí)施例的第四方面，

57、提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序指令，所述計(jì)算機(jī)程序指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)前述所述的方法。

58、在本發(fā)明實(shí)施例中，通過(guò)機(jī)器視覺(jué)精確識(shí)別和定位待裝配零部件，并基于偏差值進(jìn)行補(bǔ)償，可以顯著提高汽車(chē)安全帶預(yù)緊器的裝配精度，確保裝配質(zhì)量的一致性和穩(wěn)定性；利用機(jī)器人自動(dòng)執(zhí)行裝配過(guò)程，并根據(jù)裝配狀態(tài)評(píng)估指標(biāo)動(dòng)態(tài)調(diào)整裝配參數(shù)，可以有效縮短裝配時(shí)間，提高生產(chǎn)效率；融合了機(jī)器視覺(jué)、機(jī)器人控制和傳感器數(shù)據(jù)處理等技術(shù)，實(shí)現(xiàn)了汽車(chē)安全帶預(yù)緊器的自動(dòng)化和智能化裝配，降低了對(duì)人工操作的依賴(lài)，提高了生產(chǎn)的自動(dòng)化水平。