機床上下料視覺作業引導方法研究

楊子陽

摘要： 隨著工業的發展，自動化生產線的使用徹底地改變了工廠的生產模式，一些復雜的操作可以被分解成簡單的指令，由機器來重復完成。同時，視覺系統大大增強了機器人的工作能力，使機器人可以完成動態環境的中的復雜任務。本文從“機器換人”的思想角度出發，把視覺系統和工業機器人相結合應用于機床的上料和下料工作。這樣做不僅可以減輕工人的工作壓力，還可以提高生產線的工作效率，推動工業的自動化發展。

Abstract： With the continuous progress of industry，the introduction of the automation has revolutionized the manufacturing in which complex operations have been broken down into simple step-by-step instruction that can be repeated by a machine. At the same time， vision systems greatly enhance the capabilities of robots and allow them to be applied to complex tasks within dynamic environments. In this paper， the "machine substitutions" from the point of view， the visual system and industrial robot combined with the machine tool feeding and cutting work. This will not only reduce the pressure on workers， but also can improve the efficiency of the production line to promote the development of industrial automation.

關鍵詞： 自動化；視覺系統；機器人；機器換人

Key words： automation；visual system；robot；machine substitution

中圖分類號：TG502.31 文獻標識碼：A 文章編號：1006-4311（2017）14-0131-03

0 引言

我國的視覺機器人發展相對國外比較緩慢，真正開始研發開始于上世紀80年代末期，一開始是在科研能力上借助他人的成果進行模擬，隨著改革開放的實施，引入了相當多的國外人才，這些為視覺機器人的發展奠定了基礎[1]。目前我國的視覺機器人還處于研發階段，在一些高校和企業中有不少的研究成果，但是在市場生產和應用中還沒有一套真正屬于自己的系統。

在我國，雖然對于不同領域的機器人已經開始推廣應用，但很多都是在國外研究的基礎上加以改進或進行二次開發，總體的研究水平仍和國外存在一定的差距，視覺機器人更是處在研究的初級階段，因此，對于視覺機器人的研究、開發和使用具有重要的意義。

本文研究的意義在于從“機器換人”的思想角度出發，將視覺與工業機器人相結合起來應用于機床上下料系統，以此來適應對多樣化工件的加工，為了滿足不同環境下的生產工作，把視覺傳感器置于機器人末端執行器部位，實現隨動和實時分析，從而提高生產效率和靈活性，為工人減輕工作壓力，同時推動工業自動化發展。

1 整體的結構設計

為了實現通過視覺引導機器人完成工件的上下料過程，首先需要圖像傳感器先獲取到由傳送帶傳輸過來的工件的位置，然后通過對圖像的處理分析，得到工件的形狀和準確位置，通過笛卡爾坐標系的轉換矩陣，獲取工件在世界坐標系下的位置，再通過機械手的控制系統來實現機械手的抓取工作。

其中，傳輸系統主要包括傳送帶裝置；圖像處理系統主要包括補償光源，圖像傳感器以及負責圖像分析的計算機算法技術；機械手系統主要包括機械手本身，與之相匹配的控制柜，和負責抓取工件的夾具；為了滿足不同種類的工件，末端夾具采用了快換裝置，方便替換不同夾具來抓取工件。具體布局如圖1所示。

2 視覺工作原理及攝像機的標定

2.1 視覺工作原理

通過對視覺系統的研究可以讓機器人能夠像人一樣“看”清對象，并了解作業對象，對被加工對象有比較直觀的認識，從而更好的適應多變的工作環境。計算機的視覺定位是根據“尋位-加工”的方法實施的，其中“尋位”是模仿人去識別感興工件在空間中的相關信息，通過計算系統建立仿生視覺模型進行相關的計算和處理。

計算機的視覺系統包括工件狀態的捕獲和對圖像的計算，根據得到的結果完成信息的傳輸。其中圖像的獲取主要包括光照的補償、CCD相機和配套的鏡頭等設備；圖像的分析處理一般是通過相關的算法在軟件中完成；結果的顯示是通過顯示設備顯示經過處理后的特征圖像。信息的傳輸是把得到的位姿信息傳送給相關的執行設備，最終完成動作的實現。

目前的視覺研究中，雙目視覺的研究過程存在空間匹配難、可視區域小等特點，在單目視覺中卻不需要考慮這些，而且單目視覺相比立體視覺的標定步驟少，結構的設計也不繁瑣。單目視覺定位的方式有：幾何光學法、幾何形狀約束法、輔助棒間接測量法、激光輔助測距法等。因為視覺傳感器在結構上受到一定的限制，所以上述大多數方法只有在對固定的被測物體進行近距離成像的條件下才會有效。而且單目視覺定位系統不用考慮雙目攝像機之間距離的約束，所以在實際的工作壞境中適用性更好。

視覺定位系統完成上下料工作過程圖如圖2所示。

2.2 攝像機的標定

對相機進行標定是機器視覺作業中非常必要的問題，這是獲取相機幾何參數的過程。從拍攝的圖像出發，計算物體的相關信息并重建物理模型，物體和圖像之前的關系是由相機的內外參數聯合決定的。對相機進行標定的步驟就是尋找圖像和物體的對應關系的過程。相機的內部參數是指決定了相機的理想成像和實際成像之間對應關系的相關信息；相機的外部參數主要包括相關的變換矩陣[2]。

目前存在的相機標定技術根據方法不同主要分為三種：第一種是傳統的相機標定法；第二種是主動視覺相機標定法；第三種是相機的自標定法。傳統的相機標定法是根據已知物體的形狀和幾何參數，通過相關的計算，得出相機的內外部參數，這種標定方式適用范圍廣，而且標定的精確度高，但標定步驟繁瑣；主動視覺相機標定法需要先取得某些動態參數，通常能夠進行線性運算，有較高的魯棒性，但不適用于相機動態參數未知的情況；相機的自標定法是通過多個圖像之間存在的某種關聯進行標定，雖然比較靈活，但該方法是非線性標定，而且它的魯棒性不好。

在進行相機標定之前，還需要先研究相機的成像模型，一般選用理想的針孔模型為例，這也是相機成像模型中最簡單的成像方式，如圖3所示。

因為圖像處理的最終目的是要獲取感興對象的形狀和位姿，所以建立了如圖3所示的相關坐標系。

①像素坐標系（Ouv）：它是用于描述像素位置所使用的坐標系。相機獲取的圖像最終是以M×N形式的數組進行存儲的，像素的數值在圖像上表現為該點的亮度，像素坐標系的建立如圖中所示。

②平面坐標系（oxy）：該坐標系建立在相機的圖像平面上，其中橫向為x軸，縱向為y軸，坐標的原點是相機的光軸與圖像平面的交點。

③相機坐標系（ocxcyczc）：該坐標系的建立是以相機的光心為坐標系的原點，xc軸、yc軸平行于圖像平面中的x軸和y軸，zc軸與相機的光軸一致。

④空間坐標系（OWXWYWZW）：它是固定于場景中的坐標系，為了方便后期的計算，空間坐標系的設定和機器人的基坐標系相重合。

空間坐標系中某點的坐標和該點在像素坐標系中的位置有如下關系：

其中，（xw，yw，zw）表示是某點在空間坐標系中位置，（u，v）是該點在像素坐標系中的位置，矩陣A是指相機的內部的幾何參數，sx和sy是指相機的焦距，單位為像素，[R T]是相機的外部幾何參數，該公式描述了像素坐標系和空間坐標系之間的轉換方式。

根據本文的作業要求，最終選用了傳統標定方式中的張正友平面標定法。此方法是張正友教授在1998年創建的一個處在傳統標定法和自標定法之間的標定方式[3]。有效的避開了傳統方法中對設備的高準則以及標定過程的麻煩，而且標定的結果比用自標定方法的精確度好，具有良好的魯棒性，它的出現推動了計算機視覺應用的腳步。

3 圖像的處理

用計算機處理圖像時，圖像首先會被數字化，然后被表示成矩陣的形式，其元素對應于圖像中相應位置的亮度。在圖像進行采集過程中采集到有用信息的同時也會采入大量的背景信息，會因為噪聲、輻照度以及物體表面的反射特性等原因使圖像不理想，為了只獲取圖像中的有用信息，需要先對采集到的圖像進行處理。

圖像處理的整體過程如圖4所示。

3.1 圖像的平滑處理

因為噪聲在真實世界的每個測量中都是固有存在的，所以要想辦法抑制噪聲對圖像的影響，而平滑的目的就是在于抑制噪聲或其他小的波動，它可以根據數據的冗余性對圖像含有的噪聲進行抑制，所以我們首先需要對相機獲取的圖像進行平滑處理。平滑處理常用的方法有：均值濾波法，中值濾波法和高斯濾波。通過實驗對比可以發現，中值濾波能夠保證圖像邊緣清晰的情況下抑制圖像中的椒鹽噪聲，所以本課題最終采用中值濾波對圖像進行處理。

3.2 圖像增強

增強的目標是通過不同的方法來讓感興區域變得更加明顯，可以根據需要擴大目標的特征值，增加對比度，提高圖像的清晰度。本文中選用頻率域法對圖像進行增強處理。

3.3 圖像的閾值分割

分割算法是基于強度值不連續和相似性的兩個進本屬性展開的研究。第一類是基于強度的突然變化來分割圖像，例如圖像的邊緣。第二類是將圖像分割成和預定義的標準相似的區域，例如直方圖閾值法。

圖像的閾值問題作為圖像處理中的一個重要問題，它不僅可以減少圖像包含的數據，還為目標的識別和圖像的理解打好了基礎。灰度閾值化是最簡單的分割處理。閾值技術可以分為兩類：全局閾值和局部（自適應）閾值。本文中選用的是閾值化中的一種自動閾值檢測法，其處理的結果如圖8所示。

3.4 邊緣檢測

目標的識別需要獲取工件圖像的特征點信息，這些點是從圖像輪廓中獲取到的。通過銳化的方法可以增強圖像的邊緣細節、輪廓和灰度跳變部分，得到連續的邊界，這對后期的判斷有很重要的作用。對于一般的濾波方法得到的結果雖然能夠抑制噪聲，但也會讓圖像的邊緣變得模糊。本文所采用Canny算法作為邊緣的檢測工具，最終處理的效果如下。

3.5 中心點的提取

本課題中所選工件的厚度是均勻的，所以可選擇通過求重心的方法來獲得中心位置，假設工件的密度函數為？滓=（x，y），則工件的質量可以表示為：

坐標值的顯示結果如圖11所示。

把得到的坐標值通過相關的笛卡爾轉換坐標處理后，得到可供機器人控制器識別的信息，從而引導機器人自動完成工件的上下料工作。

4 結束語

本文首先設計出了由視覺引導的機床上下料系統整體結構，然后根據攝像機的工作原理，對選用的攝像機進行標定，通過計算機對圖像進行相關的處理，最終得到工件在工作環境中的具體位姿，最終引導機器人完成工件的上下料工作。

參考文獻：

[1]田濤，鄧雙城，楊朝嵐，張澤.工業機器人的研究現狀與發展趨勢[J].新技術新工藝 ，2015（3）：92-94.

[2]David A. Forsyth， Jean Ponce 著.計算機視覺—一種現代方法[M].王宏，等譯.北京：電子工業出版社，2004.

[3]Zhang Zheng you. Flexible camera calibration by viewing a plane from unknown orientations [C].Proceedings of the IEEE International Computer Vision. Greece， 2002.