基于視覺和工業機器人的動態抓取技術研究

郭克朝

（貴州航天職業技術學院，貴州 遵義 563000）

隨著科學技術快速發展，自動化技術已經趨于穩定，越來越多的機器人被應用到了工業生產中，其中，機器人的定位和抓取問題是在實際應用中常見的問題。以前經常會用固定產品的姿態和位置，再利用手動示教與后期的動作重現進行控制抓取產品。若是示教位置和實際的位置出現偏差，傳統的方式就不再適用于現代工業生產。

1 視覺識別抓取技術的優點

當前，在機器視覺技術的基礎上對于工業機器人的研究越來越廣泛，并引起了高度的關注，到目前為止，已經出現較多的科學技術成果，在實際生產中得到了較好應用，此后，自動化的應用速度呈現出上升態勢，傳統工業生產模式不足與缺陷日益顯現出來，已經難于滿足現代工業生產需求。一些企業還是用人工作業方法來對產品不足和缺陷進行檢測，如產品封箱、裝箱、搬運等。人的體能有限，當人體的能力達到極限時，也就到了疲勞期，就很容易出現錯誤，例如錯檢、漏檢，甚至操作失誤的情況會大幅度提高，因此，也就不能確保產品在質量和數量等方面的各項指標與要求[1]。然而，機器視覺技術的應用，正好可以解決這個問題，還適應了現代工業發展需求，因此，在工業自動化行業中，機器視覺技術便成為了最佳應用方式，也是對傳統作業方法有效改善與提升。

2 工業機器人視覺識別系統的組成

2.1 視覺系統的硬件組成

由于工業發展對控制系統的需求，相關工作人員研發了工業相機和智能協作工業機器人視覺智能抓取系統。依據機器人視覺系統使用用途不同，攝像機在數量上的安置也會不同。大體上可以把機器人的視覺系統分為單目視覺系統、雙目視覺系統以及多目視覺系統。單目視覺系統使用最普遍，只需要一臺攝像機就可以對目標物體進行測量，通常應用在平面視覺當中。與單目視覺系統相比，雙目視覺系統以及多目視覺系統新增了深度系統，它能更加準確識別和定位立體空間內的重要坐標點，并以此作為抓取依據[2-3]。

在視覺系統應用過程中，攝像機的參數是不用進行標定的，即使要標定也比較方便，使用也相對簡單。在機器人的視覺系統中有圖像獲取、圖像存儲、圖像處理和圖像理解等模塊。但在具體實際應用過程中，機器人視覺系統中不會把這些全部包括在內，只是包含最基本的兩個部分：圖像獲取和圖像處理。在工業機器人系統中，機器人的眼睛是相機，并且把上位機和下位機進行有效地連接。通過相機對目標事物的拍攝把相關工件圖像傳送到上位機，對圖像進行加工和處理，再由上位機把處理好的相關數據信息傳送給機器人，最后，由機器人完成抓取作業，再對圖像進行采集、處理和傳遞，如此循環往復。

2.2 視覺系統的軟件組成

在機器人視覺系統中，硬件再完美也不可能獨立完成抓取工作，需要上位機的配合，對相應的軟件進行控制操控，這樣才會順利完成抓取工作，所以，要從實際的任務和需求來對軟件編程進行編寫，使其與視覺智能抓取軟件系統相匹配。通過軟件系統以圖像進行獲取、處理、模板匹配和機械的手眼定位等功能來完成通訊功能和軟件外部界面的設計，通過控制智能協作機器人來實現自動抓取的任務。在以視覺系統進行控制的過程中，若想實現抓取的準確度，就要對機器人和工業相機進行手眼的精準標定，這是抓取環節一個重要部分。主要目的是對相機所拍攝物體在經過數字化的圖像處理后，可以得到有用的數據信息，并對機器人下一步操作進行有效指導和控制。這個過程需要利用二維圖像信息經過內部計算得出實際空間信息，進而可以對目標物體進行準確有效定位。

2.3 視覺光源的選擇

光源不僅在計算機系統里面具有較大作用，在機器人系統里面也是不可替代的關鍵部分。光源不僅僅為工作提供照亮，光源選擇也可以對環境噪聲起到很好抑制作用，提高信噪比，可以更加清晰地看見圖像中工件的輪廓，大大加強了工件的特征量對比度。視覺系統打光的好壞直接影響著圖像采集的成敗。較高質量的圖像和適合的光源是相互作用的。若是沒有選擇合適的光源，對于圖像后期處理也會有一定影響。所以確定一款與所用鏡頭相機相匹配的光源十分重要。還要根據實際應用中工件特點來對光源進行選擇，比如表面比較光滑的金屬，就要選擇防止反光的藍光或紅光來打光，這樣會取得較好效果；對于深景的情況就應選擇平行無影光源來消除深景。當然。要具體問題具體分析，要依據工程項目的實際情況來進行光源選擇，進而提高發光效率和使用壽命。

3 基于視覺和工業機器人動態抓取的誤差和性能

在視覺引導機器人進行抓取過程中，在操作中的每一個環節上都會存在著或多或少的誤差，為了進一步對視覺的穩定性與可靠性進行驗證，就要進行多次、大量的抓取實驗，并對所取得的實驗結果進行認真分析和研究。在整體的系統當中，其抓取的準確度是由機器人系統的精準度、成像系統的標準精度和對計算的準確度來決定，這也是最重要的三個組成因素[4]。機器人系統的精準度主要分為兩種：一種是機器人自身的制造精準度，另一種是手眼標定系統的精準度。機器人的制造精度主要是由于在進行機器人制造和裝配時產生的定位誤差，手眼系統的誤差主要是在對手眼進行定位的過程中進行坐標系統轉換時產生的誤差，通常會利用提高手眼標定的精度來提高機器人整個體系的精度。造成成像系統精度的誤差是由于在相機成像過程中會使圖像發生變形，而且由于光照條件不同，也會對相機的標定造成不同程度影響。圖像控制算法的誤差也是系統誤差的關鍵組成環節，把圖像算法不斷地進行優化，提高識別定位精準度，進而提升整體視覺精確度。若是利用傳統示教方式進行抓取操作時，那么在編程過程中，工件中心位置完全是由人的肉眼來進行確定，可能就會造成0.5mm～1mm的定位誤差，特別是對較小工件進行操作時極易產生較大的定位誤差，甚至會導致一些不必要的麻煩。與此同時，在進行抓取和識別的速度上也要比傳統的示教形式方便快速很多，這樣就在很大程度上縮短了生產時間，進而提高了生產質量和效率。

4 基于視覺和工業機器人的動態抓取技術的應用

4.1 相機校準

在進行分揀操作的過程中，要做的第一個步驟就是要對相機進行標定，使其與所分揀的材料或是工件相匹配，這是機器人在機器視覺引導下進行分揀工件的基礎操作。若是缺乏了攝像機的校準，機器的視覺校準也就不能達到。相機標定是一個圖像的坐標系，它建立在工業機器人和輸送帶上的材料或工件的空間位置上，對兩者間關系進行對比和分析。

4.2 工件識別和定位

為把機器人操作失誤率控制在最小范圍之內，一定要保證在系統的運作過程中工件的識別和定位十分準確，盡可能降低誤差，而決定這兩項工作可以準確無誤完成的主要技術是圖像匹配技術應用[5]。在實際操作時，工作人員會根據材料不同來對技術進行選擇，使二者相適合。從當前發展水平來看，圖像匹配技術包括三種形式，即相機匹配、區域匹配以及特征匹配。在這三種形式中，最為常見和使用最為廣泛是特征匹配，主要原因是由于另外兩種形式太過于依賴灰度的查詢。1）識別工件。識別工件就是對圖像進行辨認。一般情況下，在對圖像識別過程中，要對準備處理的工件進行圖像錄取，再從已錄入的系統中找到與其類似工件，經過圖像處理技術使工件與背景相分離，提供二進制處理完成后的圖像，進而對比其相似的形狀與特征，完成圖像的識別工作。2）工件定位。工件識別可以使機器人準確地完成抓取工作，但是若想獲取抓取對象的準確位置就要對其進行準確定位，為了可以使工件位置計算準確，要對相機所拍攝圖像進行全面分析與研究。要對圖像中工件的背景和位置進行對比，并把位置設置成攝像機的坐標，工件坐標由攝像機的坐標來確定[6]。

4.3 工業機器人運動控制

為了可以控制機器人的動態抓取運動，要對預處理攝像機的圖像進行研究，得到工件的精準坐標。這時，計算機可以根據坐標對機器手爪發出操作信號，等到輸送到指定的位置，機器人就可以依據指令進行分揀，并放到指定的位置，從而快速、精準地完成分揀工作。

5 結束語

綜上所述，基于視覺引導的工業機器人抓取技術的引入和應用，不僅節省了時間，還在很大程度上提高了生產效率。傳統抓取主要是依靠人工分揀，不但會耗費大量人力，效果還不是十分理想，效率低，而且成本較高。機器視覺圖像采集和識別系統研發，使機器人和視覺數據的通訊得到了有效控制，對以后分揀裝置發展起到較大促進作用。