SCARA機器人和圖像處理實驗教學平臺設計

尤 波， 武江博， 李東潔， 李佳鈺， 孫明曉

（1.哈爾濱理工大學自動化學院，哈爾濱 150080；2.黑龍江省復雜智能系統與集成重點實驗室，哈爾濱 150080）

0 引 言

隨著“中國制造2025”戰略的發展，培養科學基礎厚、工程能力強、綜合素質高的工程科技人才，對建設制造強國和創新型國家具有重要意義［1］。

機器人和圖像處理技術是智能制造的關鍵技術，為推進新工科建設，滿足人才培養的要求，提高自動化專業人才培養質量，結合學校特色，本文搭建了SCARA四軸機械臂教學實驗平臺。為專業基礎知識的實踐提供平臺支撐，針對圖像處理和機械臂控制等內容進行全面訓練。通過該實驗平臺的實踐，提高學生的實踐能力和綜合應用知識能力，激發學生的學習興趣，提高學生的動手操作能力，有利于培養學生的工程實踐能力和創新能力［2-5］。

1 總體設計方案

1.1 實驗系統組成

如圖1 所示，實驗硬件平臺主要由四部分組成，機器人視覺系統，SCARA四軸機器人，數字震動送料器，待裝配的保險片、保險盒和工作臺。機器人視覺系統主要是通過設計高效的圖像檢測算法，完成實時、準確的保險片檢測；數字上料系統是自動送料模塊，提高自動化工作效率；可編程控制機械臂，實現自動化的保險片插接任務。

圖1 插接機器人結構圖

1.2 系統工作流程

如圖2 所示，首先震動送料器通過送料通道，把保險片傳送到夾取點，然后工業攝像頭采集保險片圖像，通過網絡協議傳送到電腦，使用VS2015 ＋Opencv3.0軟件環境，對采集的圖像進行檢測，識別出保險片類別，最后通過機器人編程軟件，根據保險片類別和示教學習的坐標位置信息，編程精準控制機械臂，進行保險片夾取，并將保險片插接到保險盒的正確位置，實現自動化插接任務。

圖2 系統工作流程圖

2 機械臂的運動控制

2.1 機械臂D-H表示法

機械臂代替人工已經應用在很多領域，并且不同功能的機器人結構不同，本文介紹的SCARA 四軸教學機器人有3 個旋轉關節和1 個移動關節（見圖3）。

使用D-H［6-7］法建模，各軸分別使用右手定則建立坐標系。根據D-H 表示法，結合SCARA 四軸機器人的模型，得到實驗平臺的D-H參數如表1 所示。

表1 SCARA機器人模型的D-H參數

因為機器臂硬件結構固定，各硬件參數和連接桿長度參數都是已知，因此，求末端執行器相對于參考坐標系的位置和姿態，可根據D-H 參數表中的數據，將位姿矩陣相乘就得到末端執行器的位置和姿態運動學方程：

式中：

s θi為sin θi；c θi為cos θi。

2.2 機械臂編程

SCARA四軸機器人使用的是RCX Studio 編程環境，采用類BASIC的編程語言（見表2）。

表2 移動指令示例

根據D-H 表示方法得到參數表，結合編程手冊，通過控制每個轉軸的旋轉角度和移動，就可以對機器人編程，實現保險片的自動插接。機器人路徑規劃是通過示教模式，在人為操作下規劃合理的軌跡，并且記錄運動中的關鍵點位坐標如表3 所示，然后編程控制電機運動，完成自動插接任務。

表3 4 個轉軸在關鍵點位下的坐標

機械臂抓取程序主要分3 部分構成：

（1）判定何時執行抓取程序。攝像頭獲取圖像信息，圖像處理模塊檢測是否有保險片，保險片顏色是否合格，然后電腦發送信號控制機械臂移動，開始執行抓取操作。

（2）抓取工件。機器臂在示教模式下，通過人為操作學習工件的坐標信息，合理進行路徑規劃，然后編程控制機械臂到達抓取點上方安全點位，控制夾爪夾取保險片。

（3）插接工件。按照實際實驗環境，規劃機械臂運動路線，根據示教學習時記錄的坐標信息，控制機械臂將保險片按一定的順序插入保險盒中。

保險片具體插接流程如圖4 所示，根據示教模式記錄的關鍵點坐標，通過在程序中使用坐標的編號指定坐標值，控制機器人的機械臂進行移動，最后完成插接任務，結果如圖5（b）所示。

圖4 插接流程圖

圖5 汽車保險盒

3 基于機器視覺的保險片定位與識別

視覺檢測是機器人技術的重要部分［8］。通過設計高效的圖像檢測算法，完成實時、準確的保險片檢測，對確保保險片插入正確的位置非常關鍵。

3.1 光源模塊

機器視覺模塊如圖6 所示。在圖像處理部分，光照環境至關重要，因此本文對光源模塊進行了單獨的設計［9］。因實驗平臺是金屬材料容易反光，為減少背景和環境光線對檢測的影響，使用遮光罩，同時調整光源的光照角度和亮度，減少光照給圖像帶來的額外噪聲。

圖6 機器視覺模塊

3.2 圖像預處理

圖像預處理流程如圖7 所示。待測的保險片顏色不同，其他特征基本相同［10］，為了準確識別保險片種類，首先要把待測保險片從圖片中分離出來。

圖7 圖像預處理流程圖

先采集沒有保險片的工作臺照片作為背景，然后將待測的有保險片的照片與背景照片從GRB 色彩空間變換到HSV色彩空間，見圖8（b），分離出S（色度）通道，將待測的照片與背景的照片做差，通過設置合理閾值去除干擾信息，最后進行二值化處理得到如圖8（d）的圖像。

圖8 原始圖像和預處理后圖像

3.3 保險片檢測

經過預處理［11］得到保險片的二值化圖像，然后使用邊緣檢測算法，通過檢測保險片的邊緣信息來提取保險片的位置信息。

在對比分析了Canny 等［12-14］幾種不同邊緣檢測算法的結果后，發現Canny 邊緣檢測算法能夠有效提取出待測圖片中的實際邊緣，錯誤識別圖片邊緣信息的概率和丟失真實邊緣信息的概率更小。

最后使用Canny 算子進行邊緣提取，流程見圖9（c），得到保險片的輪廓信息見圖9（a），然后再根據輪廓信息找出定位保險片的外接矩形，見圖9（b），這樣就可以得到保險片的像素坐標。

圖9 Canny算法流程和處理結果

3.4 保險片識別

經過處理后，已經準確將保險片分割出來，并找到最外層輪廓信息，基于此設計直方圖模板匹配算法進行保險片識別，見圖10。

圖10 模板匹配原理

直方圖模板匹配算法主要分為兩步，①制作標準的直方圖模板數據庫；②標準直方圖模板與待測圖片的直方圖結果進行對比，計算相似度，進而對圖像進行識別［15-16］。使用Opencv的直方圖比較函數，計算待測保險片與模板的相關性，實現對保險片的識別與分類。

為提高標準模板可靠性，對不同保險片在相同環境下進行多次采樣，計算保險片直方圖均值，把計算結果作為標準數據庫信息存儲。最后計算待測保險片直方圖與直方圖模板庫數據的相似度，通過設置合理閾值來判斷出不同保險片的類別。

4 結 語

SCARA四軸機器人實驗教學平臺是推進“新工科”建設，為未來提供智力和人才支撐的重要教學平臺。經過實驗測試，該平臺有較高的運行速度和準確率，可以滿足教學實驗，并且該平臺支持二次開發，可以滿足學生對不同方法的探索，有利于培養學生綜合知識的應用能力，提高發現問題、分析和解決實際問題的能力。SCARA機器人實驗教學平臺，通過讓同學們學習控制機械臂，設計圖像處理算法，實現汽車保險片的智能插接，使學生能夠通過實驗更好的理解圖像處理和機械臂的控制，激發學生對機器人學習的興趣，有利于培養學生的工程實踐能力和創新能力，滿足國家應對新科技變革人才培養的要求。