基于機器視覺的工業機器人定位與抓取技術綜述

崔亞飛 秦龍 喬梁

摘要：針對生產線上工業機器人的柔性和知識水平不高的問題，在工業機器人的處理中引入了新的計算機視覺技術，使用機器人技術獲取有關產品及其環境的信息，確定對象進行操作并做出決定，可以促使工業機器人完成零件的抓取和放置以及其他操作。在此階段進行的研究結果的回顧，涉及以下三個主要階段：在生產線上的工業機器人讀取系統中安裝攝像頭，協調對象的識別元素，由機器人確定對象的位置?？偨Y了與計算機的視覺定位有關的圖像預處理的相應方法，此外，還討論了該技術的實際應用和未來發展的問題。研究結果表明，該系統的視覺捕獲技術已經發展成熟，可以滿足工業應用中的實時性要求，研究的各個部分和改進算法對工業發展及相關研究具有一定的價值。

關鍵詞：機器視覺;工業機器人;定位與抓取

中圖分類號：TH39

引言

計算機視覺是指使用攝像機選擇作為對象的對象的圖像并在計算機上處??理生成的圖像，以使生成的圖像滿足檢測硬件和相關應用程序的需求。機器人視覺伺服系統利用機器視覺原理，通過圖像反饋，快速圖像處理，在盡可能短的時間內對機器人進行相應的自適應適配，從而形成了對機器人的封閉控制。當前，在各種制造業信息化的帶動下，我國正在進入工業化的新階段，經濟發展不可避免地導致生產力的革命，因此，目視識別目標和目標越來越受到重視?；趫D像作為信息源的技術捕獲。智能，高精度，穩定的機器人捕捉系統的發展和普及，已經成為我國工業發展和社會進步的前提。當前階段的研究結果概述，該過程涉及將工業機器人夾持在生產線上的系統的三個主要階段。

1工業機器人抓取系統

機器人抓取系統根據其自身和環境的定義，首先在圖像坐標系與被加工零件的坐標系之間建立連接，然后使用視覺算法和相應的知識對目標進行三維描述根據識別和定位的結果，即圖像處理，最后是三個過程，即機器人已經發現了物體?；趫D像的機器人抓取技術的需求正在增長，尤其是在工業運營中，例如蘇伊士運河大學，其基于視覺馬鈴薯抓取器系統，這是由德國VMT公司開發的用于確定機器人位置和位置的機器人處理系統。目標。因此，隨著勞動強度的降低，準確性會提高，尤其是對于危險和復雜的體力勞動而言。在本研究的框架內，從系統中手動采取了三個最重要的步驟，分別描述了機器人視覺系統的研究方法，并描述了國內外捕捉技術的研究現狀和進展，并進行了分析。并總結了與計算機上的視覺定位有關的初步圖像處理的相應方法。

2相機標定

攝像機劃分方法包括線性和非線性分類，類別分類和標記算法等許多類別，以及基于劃分需求的最廣泛接受的分類，可以分為傳統攝像機劃分方法和攝像機自身規定。一些相機的傳統校準如下：基于透視變換矩陣方法和前向線性變換的線性校準，但不考慮失真因素，僅適用于精度較低的理想線性情況。 Tsai提出的推挽方法是解決非線性失真的一種典型方法，其中大部分指示參數由公式直接求解，其余參數由迭代方法求解，因此，大多數都不是迭代的，但僅部分重復，因此計算速度更高。早期，Manins等人提出了一種更簡化的兩平面技術來直接使用線性參數確定方法，但是需要太多的參數來解決位置問題且效率較低。張正運口3提出了一種用平面圖案代替立體標記塊的方法，通過分解一個矩陣獲得內部和外部參數，應用更加廣泛。

3目標識別

邊緣趨于平滑目標圖像輪廓邊緣的像素變化，而像素變化的梯度在從垂直到邊緣切點的方向上更高。邊緣提取算法主要包括經典算法，高級算法和基于特定工具的算法。傳統的運算符在檢測邊緣時通常會導致人為噪聲，并且這些算法往往具有較差的抗噪性，因此它們不適合提取復雜背景的邊緣。 Canny邊緣首先確定一階導數的x和y方向的邊緣，然后在四個方向上求導的組合，局部最大值確定候選點的邊緣，然后通過閾值化方法獲得最佳的身體邊緣驗證，得到的邊緣更平滑，定位精度更高。

4目標定位與抓取

為了定位單個攝像機，有許多方法可以使用時間序列圖像來分析目標運動參數，例如重合和非8I光流。諸如傅立葉描述的方法用于通過計算突發圖像的統計特征來確定目標的運動參數。單眼視覺的定位分為單幅圖像和多幅圖像的定位，這主要基于點，筆直和彎曲特征的定位，需要在使用幾何通信解決照相機和象形圖的位置位置的世界坐標系中位置參數中的某些環境和已知的人工圖標;在幾幀中，使用攝像機在不同的時刻拍攝相同的圖像，以根據點的像差完成對象的定位，并著重于元素的重合。對于立體雙目視覺系統，可以使用基于相機左右兩側投影矩陣的透視模型基于線性校準的線性校準對其進行預先指定，并且坐標系的轉換將允許獲取目標世界的坐標，即為了使機器人準確地捕獲目標，有必要獲得目標在三維空間中的精確位置。搜索相對于攝像機位置確定且適合操作的平面，以及將物體的對象放置在該平面中，在該平面上，校準原理可讓您獲取其空間位置。 Tsnnerb等人使用“構型特征”并從形態學處理中提取特征以找到中心y形口–通過設置點來測量目標的位置。文獻描述了一種基于區域性和邊緣性原理的中心定位方法，對于作為形狀規則對象的對象，在其兩位數圖像中，目標的中心與其質心重合，并且其質心-以它的中心。重心選擇方法有多種類型，例如恒定矩方法，極值方法和零矩方法。

5 結論

近年來，隨著理論算法的發展以及圖像設備的分辨率和處理速度的提高，為計算機視覺在機器人技術和工業領域的廣泛使用奠定了基礎。 這項研究系統地描述了機器人用于抓具各部分的方法及其開發進度，并簡要評估了一些主要方法的優缺點。

參考文獻：

[1] 王連生. 基于機器視覺的工業機器人去毛刺加工效率優化研究[D]. 浙江：浙江大學，2017.

[2] 王一帆，陳浩東，陳文秀，等. 基于機器視覺的智能魔方機器人研究綜述[J]. 機械設計，2019，36（3）：8-13.

[3] 楊春媚，王峰，晉博，等. 基于計算機視覺的室內自主移動機器人導航綜述[J]. 電腦知識與技術，2017，13（15）：141-143.

[4] 夏群峰，彭勇剛. 基于視覺的機器人抓取系統應用研究綜述[J]. 機電工程，2014，31（6）：697-701，710. DOI：10.3969/j.issn.1001-4551.2014.06.004.

基金項目：永州職業技術學院青年專項（YZ20QN01）;湖南省教育廳科學研究項目（20C1868）

作者簡介：崔亞飛（1992-），男，籍貫：湖南永州，學歷：碩士，研究方向：機器視覺、工業機器人。

永州職業技術學院 永州 425100