基于視覺的工業機器人示教編程研究

倪曉清

(無錫機電高等職業技術學校機電工程系，江蘇 無錫 214028)

工業機器人常用的編程方式有示教編程和離線編程兩種。示教編程比較直觀，但是僅能實現直線、圓弧等簡單軌跡的編程，示教復雜軌跡操作繁瑣且很難保證高的精度。離線編程不需要在線對機器人進行操作，但是需要采集整個工作場景的全部數據信息。在實際生產過程中，示教編程和離線編程都需要花費大量的時間和精力去調試和驗證，極大地限制了生產效率。

為解決工業機器人在使用過程中的局限性，本文提出一種基于視覺的示教編程方式，利用CCD攝像頭采集圖像，運用數字圖像處理方法獲取機器人操作過程所需要知道的目標對象的數據信息，然后利用這些數據自動生成示教程序。這種編程方式對操作者的理論素養并沒有很高的要求，只需利用示教工具對機器人進行引導，這將極大地降低機器人操作的門檻以及其運行維護成本。

1 視覺引導

首先建立視覺空間與機器人空間的坐標對應關系，在此基礎上通過視覺傳感器實現對示教工具的識別和跟蹤，從而實現示教工具對機器人的引導。

1.1 視覺標定

標定過程就是確定攝像機的幾何和光學參數，攝像機相對于世界坐標系的方位。

本文采用加州理工學院 Bouguet 博士提供的Camera Calibration Toolbox for Matlab 攝像機標定工具，其中主要標定方法也是采用張正友平面標定法。

1.2 數字圖像處理

本文以ABB IRB 120機器人為實驗平臺，安裝SONY EVI-D100P攝像頭，利用Visual C++ 6.0及OpenCV 1.0作為編程軟件，調用OpenCV相關功能指令，以實現采集圖像顯示到屏幕、保存及釋放內存等應用功能。

（1）光線補償。圖像的色彩信息受環境因素的影響，導致色彩向某一方向移動，出現我們常見的偏冷、照片偏黃等現象。為抵消圖像中出現的色彩偏差，本文采用GrayWorld色彩均衡算法進行光線補償。

（2）邊緣檢測。邊緣檢測中常用的算子有Sobel算子、Isotropic Sobel算子、Roberts算子、拉普拉斯算子、Prewitt算子等。其中Sobel算法引入了類似局部平均的運算，因此對噪聲具有平滑作用，能很好的消除噪聲的影響，對于象素的位置的影響做了加權，與Prewitt算子、Roberts算子相比效果更好，故本文采用Sobel算子實現。邊緣檢測后的圖像如圖1所示。

圖1 邊緣檢測后的圖像

（3）顏色建模及目標識別。采集到的原始圖像一般是RGB24位位圖，RGB顏色空間值受環境光線亮度變化的影響很大，很難確定目標對象的顏色空間分量的閾值信息，會加大顏色建模難度。實驗研究發現，YCrCb顏色空間中的Cr和Cb分量值受光線亮度變化影響較小，可以通過確定Cr和Cb顏色分量的上下閾值范圍來對目標進行顏色建模。

實際環境目標顏色可能不是單一的，為了簡化操作可以對目標進行一種顏色建模來確定目標的局部特征（如圖2中的筆尖），再利用邊緣輪廓特征檢測出示教工具（筆尖中心），然后據此得到其在所處平面的坐標數據，如圖3所示。

圖2 顏色建模

圖3 目標識別

2 示教程序自動生成

在線示教過程一般是利用示教器控制機器人運動到指定位置，插入相應的運動指令，然后再運動到下一示教位置，再插入指令，以此類推，直到示教編程結束，再運行之前生成的程序即可重復之前的示教路徑。根據這一思路，在示教點已知的情況下，只要示教點足夠稠密，就可以將示教曲線全部默認為直線，采用逐點直線插值的方法即可實現自動生成示教程序。需要注意的是，在示教過程中示教者應盡量貼著紙面勻速移動示教工具。

3 試驗驗證

本文以ABB公司的IRB 120機器人作為示教編程的研究對象，實驗過程中，機器人在示教工具的引導下完成對平面曲線的追蹤。將兩張A4紙平鋪，示教工具在一張紙上進行示教（見圖4），機器人記錄示教運動軌跡自動生成示教程序，機器人執行程序后會在另一張A4紙上留下相同的軌跡（如圖5）。

4 結語

圖4 示教工具示教

圖5 機器人執行示教程序

基于視覺的示教編程方法，綜合了當前工業機器人常用的示教編程和離線編程的優缺點，可以大大提高編程效率，但是實驗環境中其他物體的干擾，使得整個系統的精度受到影響。為減小誤差，后續研究過程中將考慮采用多種傳感器以減少系統對光線及顏色的依賴。

（本文為無錫機電高等職業技術學校校級課題《基于視覺的運動目標跟蹤研究》階段成果，課題編號：錫機電研2017-JD01,課題主持人倪曉清。）

[1]林睿.基于圖像特征點的移動機器人立體視覺SLAM研究[D].哈爾濱工業大學博士學位論文，2011.

[2]D.Nister,H.Stewenius,E.Grossmann.Non-parametric selfcalibration.Proceedings of IEEE International conference on Computer Vision. 2005, (1):120-127.

[3]莊嚴，徐曉東，王偉.移動機器人幾何—拓撲混合地圖的構建及自定位研究[J]. 控制與決策. 2005,20（7）:815-818.

[4]姚峰林,詹海英, 李元宗.機器視覺中的邊緣檢測技術研究[J].機械工程與自動化,2005,(01).

[5]倪曉清.基于視覺與激光的移動機器人環境識別研究[D].蘇州大學碩士論文，2013.