機器人視覺技術在電路貼裝生產中的應用研究

劉振國，曹 翀，郭 瑞，曹云翔，金武飛

（北京機械工業自動化研究所，北京 100120）

0 引言

在電子產品大規模貼裝生產中，主流生產方式是采用貼片機，但是貼片機目前無法實現腔體類工件內部的貼裝與檢測。隨著機器視覺技術日趨成熟，因其獲取的信息量大、更直接反應工件的位置偏差狀況[1]，將其與機器人集成一體，這為上述問題提供了有效的解決途徑。因而在實現機器人智能化貼裝的過程中，如何將視覺技術與機器人技術準確、可靠集成，使圖像分析結果參與機器人的控制決策[2]是解決此問題的關鍵。從某種程度上講，二者融合是衡量設備智能化水準的一個主要標志。

1 貼裝機器人系統構成與功能

通常機器人與視覺系統搭建的智能工作站，根據視覺系統安裝的位置不同，主要可歸結為以下兩種[3,4]：

1）移動式：視覺系統直接安裝在機器人法蘭上，與執行手爪設計為一體。該系統的典型特點是柔性更大，借助機器人的可達半徑，在較大范圍內可對不同工件進行識別定位，特別適合裝配貼裝領域。

2）固定式：視覺系統安裝在外部機架上，不直接安裝在機器人上。該系統的典型特點是特別適合機器人僅作為準確拾取工件的場合。與移動式相比，若達到既準確拾取又精確裝配的目標，通常需配置多臺固定相機且分布在不同位置，故投資成本較大。

針對腔體類工件貼裝的典型問題，本文構建了一套移動式視覺導引機器人系統，主要由1臺6軸工業機器人，1套Cognex視覺系統，1支可控LED光源，1套機器人專用手爪，1套PLC控制系統等組成，其中機器人末端工具如圖1所示。基于本系統，可實現如下關鍵功能：

1）自動計算各電路位置偏差，準確地定位電路并可識別電路；

2）將偏差準確轉化為機器人的運動補償量，可靠地抓取電路；

3）自動計算殼體位置偏差，將電路準確地貼裝到殼體內部；

4）對貼裝后各電路的相對位置進行AOI檢測與判斷。

圖1 機器人末端工具

2 系統關鍵技術分析

2.1 坐標系標定

機器人側坐標系應合理選取殼體與電路的特征位置，通過示教準確建立工件坐標系，本文建立的坐標系如圖2(a)所示。相機側主要是指相機坐標系的建立與參數標定，本文選用2mm靶紙進行標定，結果如圖2(b)。注意工件坐標系方向須與相機坐標系x、y方向一致。

圖2 工件坐標系與相機坐標系標定

2.2 圖像信息處理

圖像信息處理是本系統的核心，直接關系到系統的貼裝精度。在盡可能保證獲取高質量灰度圖像的前提下，充分利用圖像預處理、圖像分割與增強、特征提取等手段，提取所需特征信息。需要強調的是，在獲取圖像前要充分考慮實際工件背景，選取合適的背光[5]。本案中工件為鋁合金殼體，電路為深棕色附金色印制線，綜合分析后選用白色背光。獲取的電路與工件圖像如圖3所示。

圖3 電路與殼體原始圖像

處理電路圖像前，必須要確定所提取的特征信息（本例中為兩線交叉點），圍繞此特征進行分析處理。先建立一個搜索定位模板，模板選擇時必須取一個能代表此種電路的唯一性圖案。模板選定后，對獲取的一幀圖像可快速準確地搜索到感興趣的窗口區域。待窗口確定后，為進一步提高圖像處理的效率，同時結合圖像的自身特點，在此窗口中進一步分割小窗口。對本案而言擬提取的特征信息為電路的線性偏差與角度偏差，因此可選定電路的一個直角區域作為識別特征即可得到上述偏差。其中兩個直角邊的交點可確定電路的線性位移量偏差，任一直角邊與坐標軸的夾角可以確定電路的角度偏差。電路圖像的處理流程如圖4所示，實際處理結果如圖5、圖6所示。

圖4 視覺圖像處理流程

圖5 建立匹配模板與定義搜索區域

圖6 水平邊與特征點提取(交叉點)

其中，圖6(a)沿白到黑方向搜索，篩選特定散點灰度圖像，通過最小二乘原理擬合出最優直線y =kx +b，設圖像像素點為（xi，yi）。為求得k、b，根據數學原理，須使：

最小，即 φ(k ,b)分別對k、b求偏微分，且滿足：

便可擬合出所需水平直線。垂直直線提取與此類似，不再贅述。圖6(b)可由前述的兩條直線計算出交點坐標，并給出一條直線相對于x軸的角度。

獲取殼體的偏差信息，亦與電路側類似，機器人持視覺系統運動至殼體上方獲取圖像，圖像處理后，將處理結果通過坐標系轉化，即可對電路原放置點進行修正。實際處理結果如圖7所示。

圖7 殼體處理結果

2.3 坐標系轉化

因只涉及工件平面拾取，對于z向偏差不敏感，所以標準工件坐標系可歸結為Cw0（xw0，yw0，aw0），其中xw0、yw0、aw0分別代表工件xy平面線性位移與角度偏差，示教機器人時先對標準工件坐標系進行歸零化處理，xw0=0，yw0=0，aw0=0。

視覺獲取的標準工件坐標系為Cv（xv，yv，av），假定視覺標定的轉化關系為V，則Cv（xv，于是，工件的實際拾取坐標系Cw（xw，yw，aw）變為：

假定機器人工具坐標系為T，電路側工件坐標系為Cwchip，殼體側工件坐標系為Cwshell，則應在Cwchip與T坐標系下，示教電路拾取點Ppick；在Cwshell與T坐標系下，示教電路在殼體中的放置點Pput。

對于圖6(b)，視覺系統提取電路的特征點位置偏差Cv（847.835pixel，755.332pixel），角度偏差359.798°，經過坐標轉化，電路坐標系的偏差應為ΔCwshell（6.579mm，-1.821mm），角度偏差359.798°。同樣，圖7(a)中提取殼體的特征點位置偏差Cv（705.825pixel，984.467pixel），角度偏差0.568°，經過坐標轉化，殼體坐標系的偏差應為ΔCwshell（2.734mm，-4.732mm），角度偏差0.568°。

2.4 成品AOI檢測

殼體內電路貼裝完畢后，為提高系統的智能化水平與自診斷能力，需對貼裝的電路進行初步AOI達標檢測，主要檢測電路相對于殼體的位置度。檢測前，須先確定一個參考基準，本例選取殼體上的兩個螺紋孔，建立兩孔圓心的連線，以此作為檢測基準線，檢測原理如圖8所示。

圖8 AOI檢測原理

選取上方電路的一條水平印制線，計算此線特定端點離基準直線間的距離，以此作為位移偏差；計算此線與基準直線的夾角，以此作為角度偏差。通過統計分析，設定合理的距離與角度經驗閾值，超過此閾值為貼裝合格，反之為不合格并報警。下方電路檢測與上方相同，且可通過一次拍照，判定兩個電路的貼裝質量，識別效率高。實際處理結果如圖9所示。

圖9 建立基準線與計算上方電路位置度

2.5 錯誤處理

電路拾取可能出現的問題主要是電路印制條紋存在瑕疵、電路在料盤中錯放、料盤當前位置電路空缺等，機器人持視覺系統移至料盤上方拾取電路前，先對當前電路進行模板對比，即可對上述問題反饋，并及時報警，但機器人無法主動糾正上述偏差。

貼裝過程可能存在的主要問題是殼體初始位置超差、殼體反光嚴重等，其中位置超差系統無法主動糾正，殼體反光問題可通過視覺系統進行自適應曝光控制來解決。

3 結論

通過生產線反復試生產，文中構建的機器人視覺系統在電路自動貼裝生產中發揮了重要作用，結合工件特點設計的各類圖像處理算法較好適應了圖像處理的需求，解決了以往實際生產中全部依靠手工操作的問題，提高了生產效率，優化了生產工藝，改善了生產環境。特別是視覺技術與機器人技術的成功引入，為提升行業自動化水平具有重要借鑒意義。

[1]顏發根,劉建群,陳新,丁少華.機器視覺及其在制造業中的應用[J].機械制造,2004,42(11)：28-29.

[2]倪受東,劉洋,袁祖強.機器人視覺伺服綜述[J].機床與液壓,2007,35(9)：227.

[3]黃孝明,陳錫愛.應用于自動化生產線的視覺機器人系統[J].可編程控制器與工廠自動化,2005,12：104.

[4]黎志剛,段鎖林,趙建英,畢友明.機器人視覺伺服控制及應用研究的現狀[J].太原科技大學學報,2007,28(1)：25.

[5]顧寄南,樊帆,關號兵,陳艷,沈巍.上下料機器人視覺控制系統的研究[J].機械設計與制造,2013,8：150.