基于視覺篩選的并聯機器人平面抓取系統設計

0 引言

機器人由于工作效率高、運動速度快、工作定位準確和可持續工作時間長等優點在現代化生產制造業占有主導地位。伴隨著機械、電子、傳感器、計算機和控制等多個學科的發展，機器人也向著更加智能化的方向發展，其中，工業機器人與機器視覺相結合這個方面研究方向眾多，研究前景廣闊[1～3]。李湘偉等人[4]將機器視覺運用在了工業四軸串聯機器人中，研制了小型機器人分揀搬運系統，但是在大承載力的場合中效果并不理想。和串聯機器人相比，并聯機器人因其精度高、剛度大、結構簡單和承載能力強等優點，在附加機器視覺后更適合于需要大承載力的場合，就克服了以上的不足，可以應用于更復雜的環境。因此，本文以實驗室的NJ控制器、FH視覺控制器和并聯機器人為實驗平臺，研究了二自由度并聯機器人和機器視覺的基本理論，并將二者相結合，設計出了一套在平面內實現的視覺機械手抓取系統。通過對二自由度Delta機器人的研究，建立了正反解數學模型，并編寫了正反解算法和規劃了最短路徑。在研究了機器視覺的相關方面之后，運用FH視覺控制器實現了基于物體特征的識別和坐標確定。最后，將FH視覺控制器內的數據傳送到NJ控制器中，在NJ控制器內編程實現機械臂的運動控制來抓取慢速移動的動態物體。該系統可以根據需求設定不同的識別形狀，靈活性高，同時承載力大，可以在復雜環境下實現高精度的分類抓取放置工作，并為二自由度的并聯機器人提供了研究依據。

1 系統總體結構及工作原理

1.1 系統的硬件構成

基于視覺篩選的并聯機器人平面抓取系統主要由FH視覺處理系統、NJ運動控制系統和工作臺三個部分組成，結構如圖1所示。

圖1 系統硬件結構圖

FH視覺處理系統主要由FH視覺控制器、高速CCD相機、LED光源組成。FH控制器選用OMRON公司的FH-1050-10型號控制器，高速相機選用OMRON公司的FH-SM02型號相機，另采用8mm鏡頭型號為3Z4SLESV-0814。NJ運動控制系統主要由計算機、NJ運動控制器、伺服驅動器和二自由度Delta機器人組成。NJ控制器選用OMRON公司的SYSMAC NJ系列運動控制器，伺服驅動器型號為G5系列的R88D-KN04H-ECT-Z，機器人末端執行器為CEH-40電磁吸盤。工作臺為傳送帶。

1.2 系統工作原理

系統的工作原理是：高速相機通過FZ-VS相機線與FH視覺控制器相連，以一定頻率拍攝傳送帶上工件的光學圖像之后，轉化為電子圖像傳送至FH控制器。FH控制器在經過形狀搜索、灰度過濾、背景消除和位置修正等處理后，將工件的類別和坐標等信息通過EtherCAT網絡傳送至NJ控制器[5]。NJ控制器通過EtherCAT網絡與伺服驅動器相連，在NJ控制器內進行編程完成機器人的正逆解、末尾姿態確定和運動路線規劃過程，控制機器人到目標位置去抓取工件，然后再分類放置到指定位置。

2 FH視覺處理系統數據采集與傳輸

在將高速CCD相機與光源固定之后，需要使用FZ視覺軟件對視覺系統進行設定，這其中包括軟件系統參數設置、圖像采集及坐標系建立、數據傳輸。

2.1 軟件系統參數設置

在系統參數設置中，通信參數需要在通信模塊的Fieldbus選項中選擇EtherCAT。運行參數需要在運行模塊選擇倍速多重輸入。相機模式需要在相機0中選擇高速通信。

2.2 圖像采集及坐標系建立

1）圖像采集設置：在鏡頭上通過焦距設置目標圖像大小，通過光圈設置進光量。在FZ軟件中將快門速度設置為500us，增益設置為80，以獲得高質量清晰的圖像。視覺傳感器獲取的圖像為真彩色圖像，為了使檢測物突顯出來，需要做背景消除。我們通過二值化的處理方式，在相機讀取的灰度值中設置二值化值[6]，將圖片轉化為黑白兩個顏色，落在70～170灰度值中的為白色，其他均轉為黑色。運用FZ軟件中的形狀搜索流程，將三角形和正方形兩個形狀登錄進入FZ軟件，再將搜索區域設定為在皮帶上長為30cm，寬為25.5cm的區域，然后將檢測相似度設置為80～100。最后將拍攝方式設置為連續測量，使相機每間隔500us拍攝一張圖片，保證目標位置的精確性。

2）視覺坐標系和機器人坐標系確定：為了去除畸變和相機安裝角度帶來的影響，以及采集圖像坐標，需要使用高精度校準流程。以校準版中間圓點為原點（0,0）建立視覺坐標系來顯示目標工件的實時位置，以機器人兩電機中心點為原點（0,0）建立機器人坐標系來顯示機械臂的末端位置，建立兩坐標系如圖2所示。

圖2 視覺坐標系和機器人坐標系

由于機械結構限制，帶有電磁吸盤的機械臂末端的運動范圍是30×25.5cm2的一個平面。L1為機器人坐標系原點到機械臂末端的長度，L1=30.74cm。L2為機械臂末端到視覺坐標原點的長度，L2=18.75cm。視覺坐標系在FZ軟件中以mm為單位，機器人坐標系在NJ控制器的Sysmac軟件中以cm為單位，于是需要將視覺坐標系中的坐標轉換到機器人坐標系中，轉換關系如下：

其中X1，Y1為視覺坐標系中的坐標，X，Y為機器人坐標系中的坐標。

2.3 數據傳輸

實現FH視覺控制器與NJ運動控制器通信需要NJ控制器中創建5個通信變量。

表1 通信變量

Trigger_1：觸發相機拍攝；

Total_Judgement：判斷拍攝結果是否符合要求，符合要求則信號為False，反之則為True。

Result_Notification：坐標傳輸完成信號，數據傳輸完成后信號為True。

DINT_Result_Data0Data1：坐標數據通道，一個表示X軸坐標，一個表示Y軸坐標。

3 NJ運動控制系統算法、程序及仿真

3.1 機器人運動學正、逆解數學模型

Delta機器人機械臂末端到達目標位置是通過計算兩個電機轉動角度實現的。FH視覺控制器在將目標坐標傳送給NJ控制器之后，NJ控制器需要先將目標坐標轉化為機械臂末端電磁吸盤位置坐標，再把機械臂末端電磁吸盤位置和電機轉動角度相互轉換，于是需要建立機器人運動學正、逆解數學模型[7,8]。由由電機轉動角度求機械臂末端電磁位置稱為正解，反之為逆解。

1）運動學正解模型

二自由度Delta機器人呈左右對稱結構，由兩個電機，兩個主動臂、兩個從動臂、一個平動盤和一個電磁吸盤組成，正解模型如圖3所示，已知電機轉動角度θ1和θ2求出O1坐標。

圖3 正解模型

M1M8為兩電機之間的距離，記作L1；M4M5為平動盤長度，記作L2； M1M3，M6M8為主動臂，記作Lt；M3M4，M5M6為從動臂，記作Lb。我們可以得出兩個圓分別左右平移L2/2之后可以交于O1點，于是聯立兩圓方程可得式(1)：

其中，a=L2/2+M1M2，b=-M2M3，c=-L2/2-M7M8，d=-M6M7。由式(1)可得：

將式(2)代入式(1)中，可得：

解此方程可得O1的縱坐標，進而可以求出O1的坐標。

2）運動學逆解模型

逆解模型如圖4所示，已知O1(X1，Y1)，求左右電機轉動角度θ1和θ3。

參考前面正解模型，N1N6=L1，N3N4=L2，N1N2=N5N6=Lt，N2N3=N4N5=Lb。

圖4 逆解模型

逆解數學模型如下：

右側電機坐標N1(L1/2，0)，平動盤右端點坐標N3(X1+L2/2，Y1)。可得向量：

取單位向量=(1,0)，由向量夾角公式可得與夾角α的余弦值：

由余弦定理，可得θ2的余弦值為：

由式(3)、式(4)可得右側電機轉動角度θ1：

同理可以求出左側電機轉動角度θ3。

3.2 NJ運動控制器程序

NJ運動控制器是OMRON公司推出的新一代PLC，相比于傳統PLC多了運動控制功能。其編程軟件Sysmac Stdio相比于之前的Cx-One軟件多了仿真和數據跟蹤的功能[9]。NJ控制器在完成軸參數設定之后，通過調用MC功能模塊來完成軸和軸組的運動控制。程序中采用虛軸軸組先移動到目標姿態，實軸軸組跟隨虛軸軸組運動的方法，主要用到了MC_Power，MC_Home，MC_MoveAbsolute，MC_GroupEnable，MC_MoveLinear，MC_GroupSyncMoveAbsolute等指令。

MC_Power：使指定軸進入可運行狀態。

MC_Home：驅動電機，使用原點信號確定機械原點。

MC_MoveAbsolute：指定絕對坐標的目標位置，使軸進行進行定位。

MC_GroupEnable：進行多軸協調控制，軸組必須為啟用狀態。

MC_MoveLinear：進行2～4軸的直線插補。

MC_GroupSyncMoveAbsolute：按照原始周期，以周期同步位置模式將用戶程序給定的目標位置輸出到伺服驅動器。

具體程序如圖5所示。

圖5 部分運動控制程序

3.3 運動系統仿真

運用Sysmac自帶的仿真功能，我們對機器人抓取工件的動作進行模擬，仿真機械臂運行路徑如圖6所示。

圖6 機械臂運行路徑仿真圖

當工件進入指定的抓取位置之后，NJ控制器不斷接收FH控制器發送過來的的工件坐標值，并實時修正機械臂運動路徑到達工件位置， 通過電磁吸盤吸取工件后，移動到指定區域進行放置。

4 結束語

基于視覺篩選的并聯機器人平面抓取系統設計的成功實驗為進一步研究并聯機器人結合機器視覺完成抓取提供了借鑒和參考，同時證明了機器視覺和并聯機器人領域的相關理論的正確性。該系統結構簡單，工作穩定可靠，減少了人工篩選的出錯率，提高了效率、安全性和工廠的自動化程度，為建設信息化、自動化程度更高的智能工廠 提供了依據。未來在視覺方面可以考慮增加外觀缺失檢測等功能，在并聯機器人方面可以考慮增加機器人自由度以完成更多動作[10]。

參考文獻：

[1]屠海斌.基于機器視覺的搬運機器人系統研究與軟件實現[D].江蘇:東南大學,2015.

[2]基于機器視覺的機器人搬運系統[D].山東:山東科技大學,2015.

[3]基于機器視覺的工業機器人抓取技術的研究[D].湖北:華中科技大學,2011.

[4]李湘偉,吳翩卉,王銳鵬.基于機器視覺識別的小型機器人分揀搬運系統的研制[J].機床與液壓,2015,43(10),161-164.

[5]基于Sysmac自動化平臺的超大型剪板機數字控制系統研究與設計[D].江蘇:江蘇大學,2016.

[6]盧迪,黃鑫,柳長源,等.基于區域對比度增強的二值化算法[J].電子與信息學報,2017,39(1),240-244.

[7]伍經文,徐世許,王鵬,等.基于Adams的三自由度Delta機械手的運動學仿真分析[J].軟件,2017,38(6),108-112.

[8]M Afroun,T Chettibi, S Hanchi. Planning Optimal Motions for a DELTA Parallel Robot[A].mediterranean conference on control and automation[C],2006.

[9]OMRON.Automation Software Sysmac Stdio Version 1[M].Shanghai:OMRON,2011.

[10]周娜.并聯機器人視覺伺服系統的跟蹤監測研究[D].江蘇:東南大學,2011.