面向分揀機器人的多目標視覺識別定位方法研究

郭 軍 王新新 李文革

（山東電子職業技術學院，山東 濟南250200）

傳統的分揀機器人在進行工作的時候都是通過示教和離線編程的方法進行，但是如果在工作的時候目標位置發生變化就會出現分揀失敗的請情況發生，嚴重影響工作效率。隨著科技的不斷發展，人們開始重視機器人的視覺感知能力和對環境的適應能力。通過不斷的研究發現面向分揀機器人的多目標視覺識別定位方法能夠通過視覺系統了解作業目標圖像，之后對圖像進行分割和識別，建立相應的圖像信息位置模型定位，真正的實現面向分揀機器人的識別和定位。

1 面向分揀機器人的多目標視覺識別定位方法研究

我國的很多研究者在這段時間里面都對面向分揀機器人的多目標視覺識別定位方法進行研究。研究者王燕玲在研究的時候提出了一種基于改進背景減法的運動目標的自動檢測方法，這種方法能夠真正的實現雙背景自動更新解決背景發生變化情況下的目標檢測問題。我國的研究者王詩宇在研究的時候也提出了一種簡單的控制方法，這種控制方法能夠真正的讓機器人對散亂物料進行快速抓取。

針對分揀機器人作業目標的結構形狀的復雜和隨機擺放等因素，利用面向分揀機器人的多目標視覺識別定位方法能夠最大限度的對多目標圖像進行分割，真正發揮出分揀機器人的作用。

2 分揀作業目標輪廓區域提取

2.1 預處理分揀作業目標。如圖所示是預處理分揀作業目標圖：

根據圖片信息能夠發現視覺在成像過程中一旦受到一些外界因素的干擾就會降低圖像的對比度，影響分揀目標的提取。在成像過程中會使用高斯濾波器進行降噪處理，在提高圖像對比度的時候使用光照歸一化算法進行處理。

2.2 作業目標輪廓區域提取。因為分揀機器人在進行工作的時候會同時識別多個分揀作業目標，所以需要在提取作業目標的時候加入融合形態學算法的幫助，分揀目標里面有很多加工的孔，分割后的目標的背景都在黑色區域內，最后在現實的時候目標的邊緣有時會存在一些不光滑現象發生，針對這樣的問題都可以使用形態學來進行解決。

3 分揀作業目標的識別與定位

3.1 連通區域的標記。因為每個分揀作業目標的輪廓區都是獨立的區域，連接這些區域的各像素就叫做連通域。在區域里面需要對不同的像素進行標記，這樣就可以把圖像中的連通域提取出來，這樣就可以進行分揀。

在連通區域標記的時候連通域的數量就是分揀目標的數量。

4 實驗數據分析情況

4.1 分揀機器人的手眼標定。在進行分揀控制的時候機器人和相機進行分離的時候會把相機固定在支架上，這樣就可以利用圖像坐標系的坐標點轉化笛卡爾坐標系下機械臂相對的坐標點，進而獲得需要的轉換系數。在機器人歸零之后手動移動機器人就會接觸到對應的機器人坐標，之后就可以通過旋轉矩陣了解機器人坐標系轉換的系數。

4.2 實驗數據分析情況。在進行實驗的時候研究者根據實際情況開發了面向分揀機器人的視覺識別定位軟件，之后對相應的分揀目標進行驗證。因為分揀目標的形狀各種各樣，所以在實驗的時候所有的目標都需要隨機進行放置。

4.3 整齊放置的識別與定位分析。在實驗進行的時候先選擇不同形狀的分揀目標，之后在畫出運行結果圖：

圖2

從圖上的數據信息能夠發現對于整齊放置的分揀目標不管形狀是否相同都可以通過此方法得到分揀目標的個數，并且找到質心的位置。知道質心定位的數據能夠清楚的知道分揀目標在圖像中的位置情況，同時還可以通過質心得到像素的位置。在實際進行操作的時候會通過手眼標定關系了解分揀機器人的空間位置，給機器人在工作的時候提供準確的位置信息。

4.4 隨機放置的識別與定位分析。如圖所示是選擇不同目標的隨機放置運行結果：

圖3

通過圖上的數據內容能夠發現隨機放置的分揀目標也可以通過這種方式來得到分揀目標的個數和每個目標的圖像坐標。

通過了解內容和分析實驗數據能夠知道新出現的面向分揀機器人的多目標視覺識別定位方法不僅能夠提高分揀機器人工作的效率，還能通過復雜的實驗對分揀的目標進行個數的統計和目標的識別與定位。面向分揀機器人的多目標視覺識別定位方法在使用的時候能獲得多個作業目標圖像進而提高圖像的對比度，之后在通過完整的分揀目標的輪廓區域進行統計目標和數量。在實驗的時候還發現建立相應的質心坐標能夠讓分揀機器人的手眼標定得到需要的轉換參數，真正的給分揀機器人提供準確的位置，讓機器人能夠準確的進行工作。