基于單目視覺的零件抓取信息提取技術

沈寶國，顧寄南，陳雪芳，陳四杰，丁 衛，李國靜

（1.江蘇大學 制造業信息化研究中心，鎮江 212013；2.江蘇省聯合職業技術學院 鎮江分院，鎮江 212016；3.蘇州市職業大學，蘇州 215104）

0 引言

當前，數控機床無人化操作已經成為一個新興的研究領域。在上下料操作過程，為實現機械手智能抓取零件，須對零件圖像進行視覺處理并獲取其抓取信息，是必不可少的一步，已成為目前國內外研究的熱點課題[1～6]。當前研究主要針對單個零件的質心提取，不涉及提取多個零件的抓取信息。

本文以不同長度、不同直徑、非固定位置的軸類零件為研究對象，獲取零件抓取信息。它主要包括抓取順序、抓取位置、抓取角度及手指間距離，從而為手腕回轉運動、手腕直線運動及手指開合運動提供運動參考值。

1 機械手運動過程

在上下料操作過程，機械手須完成以下動作，才能夠準確有效地抓取零件。

1）確定零件抓取順序

針對多個擺放無序的零件，機械手須進行有序地抓取。質心位置是零件的重要位置特征之一即以質心位置確定零件位置。首先提取零件的質心坐標，然后按質心位置按從左到右、從上到下的方向確定抓取零件的順序，即可實現有序抓取零件。

2）手腕回轉運動

由于零件與水平軸的夾角各異，手指開合方向須與零件的直徑方向相吻合，才能有效夾取。首先獲取零件的中軸線，然后提取中軸線的斜率特征，即可確定零件與水平軸的夾角值，為手腕回轉運動提供旋轉角度。

3）手腕直線運動

一般來說，抓取零件的合適部位定在質心處，可避免因兩端重力不同而產生失衡的現象。在獲取零件質心坐標后，手腕分別沿X、Y軸做不同量的直線運動，使手爪形心與零件質心在垂直方向重合。其中，Z軸的運動量由手指頂端的接觸覺傳感器決定[5,6]。

4）手指開合運動

為使手爪能夠用合適的力抓取零件，須使手指閉合至兩手指間的距離為零件直徑值。零件外圓上的點到中軸線的距離即為零件半徑值。由于與零件接觸處，手指面上附有一層彈性材料，可保證零件抓緊的同時而不被損傷。

2 零件二值圖像獲取

對獲取的彩色圖像如圖1所示進行二值化處理，實現零件與背景的分割，獲得二值圖像，如圖2所示，并利用面積法消除噪聲，獲取前景僅為零件的二值圖像，如圖3所示。

圖1 原始圖像

圖2 二值圖像

圖3 去噪后的二值圖像

圖4 中軸線圖像

圖5 邊緣圖像

根據后續信息提取的需要，分別獲取零件的中軸線圖像和邊緣圖像，前者利用骨骼化技術，后者利用邊緣檢測技術，如圖4、圖5所示。

3 零件抓取信息的提取

3.1 零件質心坐標獲取

在去噪后的二值圖像上，根據質心公式，可獲取零件質心在二維空間上的像素坐標值。以零件的質心位置為參考，從左到右、從上到下的順序抓取零件；同時根據質心坐標值，為手腕直線運動提供X軸和Y軸的運動參考量，可使手爪形心與零件質心在垂直方向重合。

3.2 零件傾斜角獲取

在中軸線圖像上，分別獲取各個點的u軸、v軸的坐標值，利用最小二乘法進行直線擬合，從而確定中軸線的直線方程。由直線斜率求取中軸線與u軸的夾角，即可確定零件與u軸的夾角。手腕可按該角度進行回轉，使手指開合方向與零件直徑方向平行。

3.3 零件直徑值獲取

在邊緣圖像上的長邊上任提取五點，分別計算點到中軸線的距離，然后取五組距離的均值，即可獲取零件的直徑值。當兩手指間的距離閉合至零件直徑值大小時，手爪可夾緊零件。

3.4 零件抓取信息獲取流程

在已獲取零件的質心坐標、傾斜角及直徑值的基礎上，在原圖像將各個參數標示，其中坐標系原點定義在左上角，如圖6所示；其零件參數值如表1所示。零件抓取信息獲取過程如圖7所示。

圖6 零件參數標示圖

表1 零件各參數值

在圖6和表1所示中，第一列數據表示該零件抓取的順序，第二三列數據表示該零件質心在u、v方向上的像素坐標，第四列數據表示該零件與u軸的夾角，第五列數據表示該零件的直徑值。其中，在圖6中“*”表示質心位置，紅色直線是零件中軸線位置。

4 結論

當前，數控機床無人化操作已經成為一個新興的研究領域。而上下料操作是體現智能化操作的一個關鍵技術。

圖7 零件參數提取流程圖

本算法適用于多個不同長度、不同直徑、非固定位置的軸類零件的抓取。抓取信息的提取，為引導機械手執行抓取零件操作提供了必要的運動信息。

1）利用面積法去噪、骨骼化原理和邊緣檢測技術獲取所需的二值圖像；

2）利用質心公式，獲取零件質心坐標并確定抓取順序，零件抓取部位定在質心處，零件兩端達到平衡效果；

3）利用最小二乘法進行直線擬合獲取零件中軸線方程，可確定手腕的回轉角度；

4）零件直徑值的獲取，使手指能夠夾緊零件，避免或松或緊造成夾持不牢或對零件表面產生過大壓力而產生壓痕的不足。

[1] 王彥, 傅衛平, 袁國文, 等.工件自動視覺定位識別系統研究[J].計算機工程與應用, 2009, 45(8): 80-83, 96.

[2] 劉珍, 包曉艷, 賽娜.大型工件角度的視覺測量方法[J].電子測量技術, 2008, 31( 8): 106-108, 122.

[4] 王植, 賀賽先, 一種基于Canny理論的自適應邊緣檢測方法[J].中國圖象圖形學報, 2004, 9(8): 957-962.

[5] 王敏, 黃心漢.基于視覺與超聲技術機器自動識別抓取系統[J].華中科技大學學報, 2001, 29(1): 73-75.

[6] 熊春山, 黃心漢, 王敏, 等.融合圖像處理與超聲測距的工件精確抓取[J].機器人, 2000, 22(3): 183-187.