[发明专利]机器人视觉系统及其处理方法在审

专利信息
申请号: 201910889556.3 申请日: 2019-09-19
公开(公告)号: CN110587608A 公开(公告)日: 2019-12-20
发明(设计)人: 杨胜涛;刘威 申请(专利权)人: 唐山智无忧机器人科技有限公司
主分类号: B25J9/16 分类号: B25J9/16;B25J19/04
代理公司: 11435 北京志霖恒远知识产权代理事务所(普通合伙) 代理人: 郭栋梁
地址: 064100 河北省唐山市玉田*** 国省代码: 河北;13
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 处理模块 主机 机器人 机器人视觉系统 图像处理机构 存储模块 图像采集机构 高性能计算 算法模块 云服务器 运算模块 轻量化 云平台 通讯 卸载 服务器
【说明书】:

发明公开了一种机器人视觉系统,包括图像采集机构和图像处理机构,所述图像处理机构包括主机处理模块和至少一个经与服务器与所述主机处理模块相通讯的从机处理模块。本发明采用上述结构的机器人视觉系统,通过将主机和至少一个从机经云服务器相通讯,可将机器人自身的高性能计算、大存储模块全部卸载,所有的运算模块、存储模块、算法模块全部依靠远程云平台执行,降低了机器人的成本且使机器人更加轻量化。

技术领域

本发明涉及一机器人技术,尤其涉及一种机器人视觉系统及其处理方法。

背景技术

随着科技的发展,机器人视觉技术得到了很大的发展,并且相应的视觉识别算法也逐渐成熟。然而,机器人视觉系统的采样率低、图像数据量大、算法复杂度高、运行周期长等问题阻碍了机器人视觉的推广应用。随着云技术的不断成熟,出现了云机器人的概念。云机器人就是云计算与机器人学的结合,就像其它网络终端一样,机器人本身不需要存储所有资料信息,或具备超强的计算能力,只是在需要的时候可以连接相关服务器并获得所需信息。这种方式是解决上述瓶颈问题的重要途径。传统的机器人视觉系统存在以下不足:

(1)传统机器人本体携带大量的计算和存储等设备,这样就导致机器人的功能与机器人自身的轻量化、低成本相矛盾;

(2)传统机器人视觉识别平台采用高性能计算机的单机训练模式,导致系统代码不能复用且很难解决异构机器人的代码使用问题;

(3)传统的并行计算大多依托于高性能计算机集群,高性能计算机更新换代速度太快造成成本较高并且服务器节点数量相对固定,不够灵活;传统私有图像识别平台缺乏相关网络安全防护,极易造成黑客、病毒等干扰,而且平台服务器硬件维护和管理,浪费大量的人力及物力资源。

(4)目前,机器人没有统一的体系结构,其功能构件的模块化与标准化缺乏相应的标准体系与接口规范,在研发中存在大量低水平的简单重复工作,不能实现各种功能构件之间的可重用与置换,因此没有形成专业化的配套与产业链分工,不能实现工业化级别的生产,致使制造成本高昂,制约了其产业的形成和发展。

以上不足导致了机器人的图像识别效率低、周期长且数据结构、协议不统一等问题阻碍了视觉在机器人方向的应用推广。

发明内容

本发明的目的是提供一种机器人视觉系统,通过将主机和至少一个从机经云服务器相通讯,可将机器人自身的高性能计算、大存储模块全部卸载,所有的运算模块、存储模块、算法模块全部依靠远程云平台执行,降低了机器人的成本且使机器人更加轻量化。

为实现上述目的,本发明提供了一种机器人视觉系统,包括图像采集机构和图像处理机构,所述图像处理机构包括主机处理模块和至少一个经与服务器与所述主机处理模块相通讯的从机处理模块;

所述主机处理模块包括:

图像接收单元,用于实时接收图像采集机构传送来的编码后的视频帧图像;

存储文件信息检测单元,用于实时检测各从机处理模块的存储文件信息;

文件存储任务分配单元,用于根据从机处理模块的存储文件信息,向各从机处理模块分配相应的文件存储任务,将编码后的视频帧图像存储至相应的从机处理模块内;

图像识别任务分配单元,用于向各从机处理模块分配图像识别任务;所述从机处理模块包括图像识别任务接收单元,用于接收图像识别任务;且所述从机处理模块内配置有封装若干个图像识别算法的图像识别引擎;

算法调取单元,用于调取图像识别引擎内相应的图像识别算法来执行图像识别任务;

识别结果传送单元,用于将识别结果传送至主机处理模块。

优选的,所述图像采集机构包括光学组件和CCD图像传感器,所述光学组件依次经所述CCD图像传感器、AD转换模块将采集的图像信息发送至所述图像处理机构。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于唐山智无忧机器人科技有限公司,未经唐山智无忧机器人科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910889556.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top