基于機器視覺的物體識別與抓取控制系統

朱文杰

摘 要：機器視覺在工業中得到了越來越多的應用，主要用于物體位置識別、形狀識別及特征識別。文中針對已有的傳送帶物體輸送裝置與桁架機械手，開發基于機器視覺的物體識別與抓取控制系統，系統具有圖像識別與運動控制功能。通過現場調試與實驗，驗證了該系統的可行性與正確性，并利用此系統實現了傳送帶上輸送物品的位置識別、桁架機械手的運動控制及抓取功能，為系統的進一步工業應用積累了經驗。

關鍵詞：機器視覺;輸送裝置;桁架機械手;勻速運動;物體識別;運動控制

中圖分類號：TP39文獻標識碼：A文章編號：2095-1302（2019）03-00-02

0 引 言

機械手是在機械化、自動化生產過程中發展起來的一種新型裝置，是機器人領域的一個重要分支[1-2]。1958年美國聯合控制公司研制出的第一臺機械手具有運動部件與抓放機構。第一代機械手主要依靠人工控制，影響這類機器人應用的主要是成本與精度。第二代機械手主要依靠微型電子計算機控制，具有視覺、觸覺能力，甚至具有聽與想的能力。通過在機械手上安裝各種傳感器，反饋感覺到的信息，使機械手具有感覺機能[3-4]。第三代機械手則能獨立完成工作過程中的各種任務，這類機械手具有感覺功能、決策功能及執行功能，已逐步發展成為柔性制造系統FMS與柔性制造單元FMC中的一個重要組成部分[5-6]。機械手感知與控制軟件是公司的核心競爭力，但市場上并沒有通用的機械手感知與控制軟件，根據特定用途開發的機械手需要專門開發其配套感知與控制軟件。本文針對已有的物體傳送帶與桁架機械手，開發一套基于機器視覺的物體識別及抓取控制系統，實現傳送帶上輸送物品的位置識別、桁架機械手的運動控制與抓取功能。

1 物體輸送及抓取裝置

為實現物體的輸送與抓取，設計制造了傳送帶系統與桁架機械手。傳送帶由伺服電機驅動，能夠實現物體的勻速運動。桁架機械手為直角坐標式機械手，具有高效、穩定、高強度、高精度、高性價比及操作控制簡單等特點，廣泛應用于機械產品的抓取和搬運。

本文物體輸送及抓取裝置包括傳送帶、型材框架、X軸、Y軸、Z軸滑臺模組、氣動夾爪以及一些連接件等，其主要功能是實現物體沿傳送帶表面的直線運動，桁架機械手實現X軸、Y軸和Z軸三個方向的直線運動及卡爪的轉動、抓取運動。其三維設計圖如圖1所示，實物圖如圖2所示。

2 基于機器視覺的物體識別

2.1 基于機器視覺的物體識別系統

機器視覺系統一般是將工業相機安裝在機器流水線上代替人眼來做測量與判斷，通過數字圖像攝取目標轉換成圖像信號，傳送至專用的圖像處理系統，圖像處理系統再對這些信號進行各類運算，抽取目標特征，進而根據判別結果控制現場的設備動作[7]。

工業相機俗稱攝像機，相比于傳統的民用相機而言，其性能穩定可靠，易于安裝。工業相機的快門時間非常短，可以抓拍高速運動的物體，其圖像傳感器可逐行掃描，幀率遠遠高于普通相機，且能輸出光譜范圍較寬的裸數據，比較適合進行高質量的圖像處理算法。而普通相機拍攝的圖片的光譜范圍只適合人眼視覺，并且經過MJPEG壓縮，圖像質量較差，不利于分析處理。本文機器視覺系統采用一款130萬像素的工業相機和焦距為2.8～12 mm的鏡頭。

由于物體在傳送帶上做連續直線運動，為確定物體的初始位置，觸發工業相機拍照，故在傳送帶上安裝一組光電傳感器。當傳送帶運送的物體經過光電傳感器時，觸發計時開始，經過時間延遲，確保物體在工業相機的視野范圍內，并啟動工業相機對物體拍照。拍照完成后進行圖像處理與物體識別，獲得物體位置，經過坐標變換獲得物體在傳送帶坐標系內的位置坐標。圖像坐標系與傳送帶坐標系如圖3所示，其中圖像坐標系坐標原點在傳送帶坐標系中的坐標為（Δx，Δy）。假設圖像坐標系中某點P的坐標為（U，V），將P點坐標轉換到傳送帶坐標系中的坐標為（X，Y），圖像坐標系坐標與傳送帶坐標系坐標之間的關系為：

2.2 基于機器視覺的物體識別程序

機械視覺系統首先需要的是視覺采集程序，視覺采集程序就是通過程序控制相機，在有物體通過時拍攝圖片。在C#程序中，添加一個MVSDK類庫，把相機函數添加到MVSDK.cs中，并在程序開頭添加“using System.Runtime.InteropServices;”“using System.IO;”“using CameraHandle=System.Int32;”，配置完成后即可通過程序調用相機函數拍照。

機器視覺的物體識別與定位根據圖片的RGB值進行判斷。本文圖像處理方法采用EmguCV，EmguCV是.NET平臺下對OpenCV圖像處理庫的封裝，包含圖像處理與機器視覺方面的較多通用算法[8]。本文利用OpenCV提供的圖像輪廓與中心識別算法實現物體輪廓及位置識別。具體方法為：通過EmguCV 創建一個C#項目，在引用中添加“Emgu.CV.dll”“Emgu.CV.UI.dll”“Emgu.CV.UI.GL.dll”“Emgu.Util.dll”，完成后即可使用EmguCV中的控件進行圖像輪廓與中心識別。

3 基于機器視覺的物體識別與抓取控制系統

基于機器視覺的物體識別與抓取控制系統工作流程如圖4所示。

根據物體識別與抓取控制系統工作流程，利用C#語言開發控制程序，控制程序界面如圖5所示?？刂瞥绦蛘{試完成后共進行100次物體傳送與抓取實驗，正確抓取率為100%，驗證了本文系統的正確性與有效性。

4 結 語

本文設計了基于機器視覺的物體識別與抓取控制系統，主要包括以下功能：

（1）實現了程序控制相機對傳送帶上運動物體的拍照功能，利用圖像處理方法獲得了物體在圖像坐標系中的位置;

（2）通過坐標變換獲得了物體在傳送帶坐標系統內的位置，結合傳送帶的速度確定了抓取策略，通過控制桁架機械手與卡爪運動，實現了對物體的正確抓取。

參 考 文 獻

[1]熊有倫.機器人技術基礎[M].武漢：華中理工大學出版社，1999.

[2]吳振彪，王正家.工業機器人[M].武漢：華中科技大學出版社，2005.

[3]章毓晉.圖像處理與計算機視覺[M].北京：清華大學出版社，2000.

[4]霍宏濤.數字圖像處理[M].北京：機械工業出版社，2003.

[5]鄭南寧.計算機視覺與模式識別[M].北京：國防工業出版社，1998.

[6]鐘玉琢.機器人視覺技術[M].北京：國防工業出版社，1994.

[7]王彥.基于視覺的機械手目標識別及定位研究[D].西安：西安理工大學，2010.

[8]毛星云，冷雪飛，王碧輝，等.OpenCV3編程入門[M].北京：電子工業出版社，2015.

[9]張艷芳，李倩，劉曉剛.基于開放平臺的機器人視覺抓取控制系統設計[J].機床與液壓，2017，45（21）：31-34.

[10]白成超，晏卓，宋俊霖.結合深度學習的機械臂視覺抓取控制[J].載人航天，2018，24（3）：299-308.