機器視覺在柔性制造生產線分揀機械手中的應用研究*

解明利 胡占齊

(燕山大學機械工程學院，河北 秦皇島 066004)

隨著計算機技術、人工智能的迅速發展，做為數字視覺技術與工業制造相結合的機器視覺技術被越來越多的應用在現代化柔性制造生產線中，其特點是代替人工在單一或惡劣的環境下對觀測對象進行檢測，并向其他的控制系統提供準確的輸入控制信號源。本文基于以上，以BS-8ML01型柔性制造生產線為基礎，對其基于PLC的示教式分揀系統進行改進，將機器視覺技術與工業機械手結合，設計了基于機器視覺的分揀機械手，采用多目標分塊的Hough算法實現了對物料的智能分揀，解決了在實際工況中，當目標工件與理想工件存在位置偏差，也能迅速準確地完成工件的抓取、分揀問題，具有高效、智能的優勢。與現有的基于視覺的機械手相比[7]，本設計的機械手將攝像頭和機械手集成在一起而沒有分置于傳送帶的不同位置。改進后的設計使整體系統結構設計簡單，集成化程度增強，便于后期的維護。

1 機械手結構設計及工作流程

針對現有的BS-8ML01型柔性制造生產線，分揀機械手布置在如圖1所示系統的末端分揀部分，主要包括機器視覺模塊、控制模塊、傳送帶、分揀盤等部分，其中分揀機械手結構模型如圖2所示。采用Delta并聯機構，其較三坐標機械手的優點是無累積誤差、精度較高、結構緊湊、高剛度承載能力大，而且驅動裝置可置于定平臺上或接近平臺位置，這樣運動執行部分重量輕，速度高，動態響應好。該機械手主要由動平臺、定平臺、機械手爪等組成。其中定平臺布置有伺服電動機、上臂，動平臺上連接有機械手爪、下臂。上臂和下臂由球形萬向節連接組成3個呈120°均勻分布的運動鏈。機械手爪由齒輪、內臂、外臂組成，由伺服電動機帶動齒輪內壁、外臂實現手爪的夾緊和放松。

當傳送帶來料時，光電開關被觸發，機械手調整位姿擺至工作原點，避讓開拍照區域。傳送帶攜物料運行至拍照區域范圍內后暫停，此時工業攝像頭進行圖像采集，并進行圖像處理，計算機根據采集到的目標進行機械手抓取路徑規劃，并驅動伺服電動機實現機械手的分揀，分揀完畢后進入下一個工作流程。

2 相機參數標定

工業攝像機標定的目的是建立空間點在圖像坐標系和空間坐標系的對應關系[8]。設M為任意空間點，其坐標為(x,y,z)；(u,v)為計算機圖像坐標點，則二者之間的關系可表示為(1)式。

(1)

表1 相機標定內參數表

fxfycxcy5247.42645247.42641263.7438964.5556

3 目標的圖像處理與定位

3.1 圖像預處理

在圖像的采集/傳輸或者變換過程中，由于多種因素的影響，如系統噪聲、曝光不足或者過量等，都容易引起圖像的降質，降低圖像的視覺效果。通過圖像預處理，可以按照特定需求改善整幅圖像的視覺效果，增強圖像中的某些特定信息，便于控制系統對視覺信號進行準確的識別。本文采用平滑線性濾波法進行圖像預處理，其方法是以一個3×3的濾波模板為例，將模板中心像素的灰度值與其鄰域上8個像素的灰度值取平均值作為模板中心像素的新的灰度值。處理結果如圖3所示，通過濾波較好的抑制了圖像在獲取和傳輸過程中的噪聲干擾。

3.2 圖像分割

圖像分割的目的是使攝像頭采集的工件圖像與背景區分開來，以便進一步的研究和分析。目前常用的邊緣提取算法有Sobel算子、LOG算子、Robert算子、Canny算子等。Canny算子因其對光照改變時仍然魯棒，具有較高的邊緣定位能力，所以本研究中采用Canny算子進行邊緣檢測。具體做法是首先用高斯濾波器如式(2)所示對圖像進行平滑濾波。

(2)

其中σ是決定圖像平滑程度的關鍵參數。設f(x，y)為原始圖像，則濾波后的圖像可表示為式(3)。

fG(x,y)=G(x,y)?f(x,y)

(3)

Canny算子使用2×2窗口大小的一階偏導數有限差分來計算濾波后的圖像梯度矢量。設任一點(i，j)處的兩個方向的偏導數如式(4)。

(4)

則任一點(i，j)處的梯度幅值表示為：

其梯度方向θ表示為：

得到梯度向量后，要對其進行非極大抑制，找出梯度幅值局部變化較大的點，然后用高、低兩個閾值進行邊緣檢測和連接。圖4即是Canny算子對工件圖像分割的結果。

3.3 工件特征提取與定位

BS-8ML01型生產線所分揀工件的大部分是圓形回轉體工件。所以本研究中采用基于有序Hough變換的SQHT(sequenced hough transform)算法來確定工件邊緣。該算法通過圓的幾何性質與梯度信息，遍歷搜索圓邊緣點，快速定位目標圓及獲取基元參數[11-12]。與傳統的Hough算法相比，SQHT算法具有檢測快速、效率提高、抗干擾力強等優點。其計算圓心坐標的算法流程如下：

如圖5所示，設算法遍歷的圓上3點為C1、C2、C3。

(1)首先算法搜索到圓上點C1，計算點C1的梯度，梯度值記為C1。

(3)在點C1向右同行搜索至邊緣點，若存在記為C2,并執行(4),否則返回(1)。

(4)計算C2的梯度，其值記為C2，若|C1+C2|

(5)根據C1、C2，預估計圓心坐標，以確定第三點C3，可得C3的目標坐標為(xc1，yc1+Δy)。

(6)以目標坐標(xc1，yc1+Δy)為中心，從上向下搜索邊緣，若存在直接確定C3點，否則返回(3)。

(7)計算點C3的梯度，其值記為C3，若|C1+C3|

(8)根據點C1、C2、C3計算出圓心坐標和圓半徑。

4 分揀機械手軌跡規劃

綜合考慮設備的空間布置、避障等問題，分揀機械手將傳送帶Ⅰ上的工件放置在分揀盤Ⅱ中，其運動軌跡規劃可由圖6表示，抓取過程路徑的序列點為Si(i=0，1，2，…，7)。設水平段運行時間T1=0.2 s，上升、下降段運行時間T2=0.1 s，則機械手的工作空間軌跡規劃詳見表2。

表2 機械手工作空間軌跡規劃表

運行區間段始終點時間方向運行狀態上升S1→S2T2/2豎直加速圓弧S2→S3T2/2水平加速豎直加速水平S3→S4S4→S5(T1-T2)/2(T1-T2)/2水平加速水平減速圓弧S5→S6T2/2水平減速豎直加速下降S6→S7T2/2豎直減速

在機械手軌跡規劃時,要求同時考慮機器人的執行時間和動態性能[13-14]。因此要求機械手在滿足較大速度、加速度的前提下，還能保證機械手運動平穩，不產生運動突變。因此機械手動平臺在單一方向上的運動方程可由式(5)描述。該運動方程具有三階連續可導，所以在機械手作業空間的軌跡規劃設計中被普遍采用。

(5)

其中：T為運動總時間，t為當前時刻。

各運動區段可按照式(5)運動規律，通過運動學反解求得機械手上臂運動參數，通過傳動系統的傳動比反算，即可得到驅動電動機的脈沖序列，從而實現機械手在空間中對工件的抓取。圖7～圖9為機械手動平臺的位移、速度、加速度曲線，從圖中曲線可以看出，機械手在達到峰值后，并沒有直接保持一段勻速，而是在小范圍內速度逐漸減小，這樣做的好處是機械手的動平臺雖然速度、加速度峰值較高，但整體速度、加速度曲線變化連續平穩，且初始和終了處的加速度為零。這樣滿足了機械手較高的抓取效率的同時，還避免了剛性沖擊。

5 工件抓取實驗

研究中實驗基于BS-8ML01生產線進行。實驗系統樣機平臺如圖10所示，樣機采用以太網與上位機、工業相機、控制器相連，使用MCGS組態軟件實現了界面的觸屏控制以及寫入和讀取機械手運行過程中的相關數據。

實驗中首先采用單個和多個工件的抓取來驗證機械手的空間定位精度。首先在以機械手為參照坐標的坐標系下放置工件，機械手實現定位抓取。通過組態軟件實時讀取抓取時的坐標數據進行比對，將抓取位置和預設位置在空間進行比對,結果繪制成如圖11所示的抓取實際空間位置曲面。采用基于局部形狀特征的相似算法將之與理論空間位置曲面(圖12)進行相似性比較，其基本過程是根據曲面產生的參數域曲率云圖，在其中遍歷特征點，計算出各特征點的類shift算子，將該算子組成算子集合來表征該曲面，通過比較兩個集合的相似性來比較兩個曲面的相似度。采用Matlab程序計算出兩個曲面的偏差為7.3%，考慮到手爪張開夾緊的工作范圍這個偏差是滿足工作要求的。

在多個工件的分揀實驗中，考慮到傳送過來的工件數目可能分布不均，分別嘗試了在來料奇偶不同個數情況下的抓取，抓取結果如表3所示。實驗表明該基于機器視覺的分揀機械手工作穩定可靠，定位準確，可用在非精密小尺寸工件的分揀場合中，裝備于柔性自動化生產線中可提高其智能化及人際交互水平。

表3 抓取結果

實驗序號零件個數抓取個數未爪個數1330255036604880510100

6 結語

本文研究了一種基于機器視覺的分揀機械手可應

用于柔性制造生產線中，其中工業相機直接配置于機械手的定平臺上，提高了基于機器視覺分揀機械手的集成度。采用基于有序Hough變換的SQHT算法實現了機器視覺下的工件識別定位，研究表明這種算法較傳統的Hough算法能顯著提高工件識別定位的速度，增強其抗干擾能力。樣機實驗表明，該機械手識別準確可靠，穩定性好，適合于一般小尺寸工件的分揀工作，能提高柔性制造生產線的智能化與自動化水平，具有較廣泛的應用價值。

[1]齊偉,張秀如.基于PLC的柔性自動生產線實驗仿真系統的平臺設計[J].制造業自動化,2011,33(12):96-98.

[2]段振華,吳張永,王慶輝,等.工業機器人自動分揀輸送線的研究[J]. 實驗室研究與探索,2013,32(3):113-116.

[3]趙立輝,霍春寶,陳曉英.實驗室自動分揀倉儲系統設計[J]. 實驗技術與管理,2013, 30(11):130-132,150.

[4]李紅英,王耀南.高速自動化生產線上機械手次瓶自動分揀系統研究[J]. 中國儀器儀表,2008(12):44-47.

[5]王攀峰,梅江平,陳恒軍,等.基于多并聯機械手的鋰離子電池自動分揀裝備控制系統設計[J]. 機械工程學報,2007,43(11):63-68.

[6]謝俊,劉月,肖朝蓬,等.三自由度并聯物料振動分揀平臺機構設計及運動仿真[J].工程設計學報, 2013,20(6): 501-506.

[7]李和平,陳育新.基于LabVIEW工業機器人自動分揀系統設計[J]. 機床與液壓,2015,43(9):90-93.

[8]王帥,徐方,陳亮,等.視覺技術在機器人零部件裝配中的應用研究[J]. 組合機床與自動化加工技術,2015(8):107-110.

[9]鄧小峰,姚睿,周翟和,等.工業自動化產品質檢中機器視覺系統標定方法研究[J].測控技術,2014,33(3):144-147.

[10]付貴,李克天,李陽.基于機器視覺的導光板模具網點測量系統研究[J]. 制造技術與機床,2016(10):58-61.

[11]AO Djekoune, K Messaoudi, K Amara. Incremental circle hough transform: An improved method for circle detection [J]. OPTIK, 2017,133:17-31.

[12]葉峰,陳燦杰,賴乙宗,等.基于有序Hough變換的快速圓檢測算法[J].光學精密工程,2014,22(4):1105-1111.

[13]熊永康.三自由度并聯機器人軌跡規劃及其控制實現[D].大連:大連理工大學,2014.

[14]Jiang XL,Gosselin C. Dynamic point-to-point trajectory planning of a three-DOF cable-suspended parallel robot [J]. IEEE Transactions on Robotics, 2016,32(6):1550-1557.