基于OpenMV和Arduino的智能機械臂操控平臺

王策 劉帥克 郭霆 趙茂靜 王冰浩

摘要： 本文針對基于OpenMV與Arduino兩大模塊的智能機械臂操控平臺的設計進行研究，其主要是利用OpenMV的識別功能與Arduino的控制功能，識別后夾取并到指定區域將物體放下，所使用的設計方案與制作方法具有一定的研究意義與實用意義。同時作為工業生產機器人，它結合了機械自動化、電子技術、電子信息技術、自動控制系統及人工智能技術等多種多樣的近期科研成果。本次設計的智能機械臂操控平臺從識別準確率與控制精準度都有著較好發揮，提升了工業生產的效率，在傳統機械臂的改造與優化中也邁出了關鍵的一步。

關鍵詞： OpenMV識別? 機械臂? 可程序編程? Arduino控制

Intelligent manipulator control platform based on OpenMV and Arduino

WANG Ce1? ? LIU Shuaike 1? ? GUO Ting 1*? ?ZHAO Maojing1? ?WANG Binghao1

（1.College of Mechanical and Electrical Engineering，Heilongjiang Institute of Technology，Harbin，Heilongjiang Province，150050 China）

Abstract： This paper studies the design of the intelligent manipulator control platform based on the two modules of OpenMV and Arduino. It mainly uses the identification function of OpenMV and the control function of Arduino to grasp the object after identification and put it down in the designated area. The design used The scheme and production method have certain research significance and practical significance. At the same time， as an industrial production robot， it combines various recent scientific research achievements such as mechanical automation， electronic technology， electronic information technology， automatic control system and artificial intelligence technology. The intelligent manipulator control platform designed this time has a good performance in recognition accuracy and control accuracy， improving the efficiency of industrial production， and has also taken a key step in the transformation and optimization of traditional manipulators.

Key Words：OpenMV identification; Mechanical arm; Programmable; Arduino control

近些年，大家對非生產制造機械臂的科學研究日漸活躍。機器視覺在工業機器人上應用不僅使機器人能夠獲知目標物體的形狀、位置、姿態、類型和運動狀況等信息，還能相應地對這些信息進行識別和處理[1]。在僅依靠視覺系統且與物體接觸的情況下，就可以實現對目標物體的識別和定位，簡化機器人的程序流程，提高生產效率[2]。

類似于視覺系統與傳統機械臂相結合的課題，已然成為現代機械改革的熱點問題之一，其中不乏有像日本的精工愛普生公司（Seiko Epson Corporation）所研制的Epson G6-553S帶視覺功能的機器人[3]，瑞士的ABB公司的ABB集成視覺系統等優秀產品的出現，其應用在高速度或高精度領域，同時在工業生產反面也有不俗的發揮。

與此同時，我國相關企業在該領域也有相應的研究，其主要分布在長三角和珠三角地區，一般是做系統集成的企業，規模大些公司的核心研發一般集中在北上廣深超一線城市，目前也開始逐步布局中上游。

同時OpenMV是一個開源、低成本、功能強大的視覺模塊。OpenMV上的機器視覺算法包括尋找色塊、人臉檢測、眼球跟蹤、邊緣檢測、標志跟蹤等，所以該智能平臺選用OpenMV視覺模塊。

本文研究的智能機械臂操控平臺將視覺系統與傳統機械臂進行有機結合，通過OpenMV進行智能識別，將物體的顏色、形狀等信息轉換成數字信號傳輸給機械臂，輔助機械臂完成指定位置區域的物品抓取工作，可以有效提高物品抓取的精度以及工作效率進而降低成本。

1 載體機械臂的結構設計

在智能機械臂操控平臺的研發過程中，通過基于OpenMV技術在普通機械臂上增加視覺識別功能，識別成功后，將傳感器上獲取的信息與Arduino Uno R3主控開發板進行通訊，進而反饋后處理信息對機器人進行動作操控。

研發工業生產機器人的手也被稱作尾端電動執行器，這是機械臂組成的重要組成部分。本文選用步進電機電機作為機器人平臺移動的驅動源。步進電機驅動器根據外來的控制脈沖和方向信號，通過其內部的邏輯電路控制步進電機的繞組以一定的時序正向或反向通電，使得電機正向/反向旋轉或者鎖定，而步進電機驅動器是將脈沖電流變換為角速度的電動執行器，如圖1所示。

本文中的機械臂由包含手、腕、臂、柱等構件的執行器、推動和實行健身運動的傳動系統及計算機指令操控的控制系統構成，而構成這一系統需要3個部分：圖紙和打印;編程;調試和組裝。智能機械臂的制作流程如圖2所示。

智能機械臂操控平臺的原理是利用OpenMV技術在普通機械臂上增加視覺識別功能，OpenMV識別成功后，信息將傳輸到Arduino Uno R3主控開發板，Arduino Uno R3按程程序對驅動裝置進行控制。智能機械臂的調試過程如圖3所示。

根據工作要求，機械爪的開度范圍設計為0～90°。機械結構的基本要求是選擇刀具參數的依據，也是根據機械設計依據選擇參數的參考[4]。根據齒輪標準初步選取標準參數如下：壓力角α為20°，齒頂高系數ha*為1，齒頂尖系數c*為 0.25（標準齒輪）;并且此執行裝置為低速及對精度要求也較低，即精度等級選擇為 9 級精度，速度v≤3m/s;材料選擇按上述分析，選擇HT200硬度為200HBW;初選齒數為Z1=10;Z2=15。按齒面接觸疲勞強度設計，如式1。

（1）

根據工作條件查表，選取載荷系數K=1.2。

（1）齒輪的傳遞扭矩T，如式（2）、式（3）所示

（2）

（3）

末端執行器提升質量要大于1kg，即以2kg為基礎進行計算：F=20N，可得結論p=0.06kW。

（4）

經過式（4）計算，可得n=955r/min，即T=600N·m。

（2）根據齒寬系數表，ψ=1

（3）根據材料的彈性系數表Z≤143.7 ;標準齒Z=2.5;

（4）依據齒面強度查得傳動齒輪的觸及疲憊屈服極限 =330MPa;

（5）計算應力循環次數N，如式（5）所示。

N=60njLh? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （5）

N=60×5×1×（12×300×6）=6.5×102

（6）由接觸疲勞壽命系數圖查得L=1.

（7）計算許用接觸應力：

取無效幾率為1%，安全性能S=1，由傳動齒輪的許用接觸壓力公式（6）計算，計算可得。

（6）

[ ] = 363MPa

（8）計算齒輪分度圓直徑d，如式（7）。

（7）

（9）確定齒輪參數，運用式（8），計算齒輪模數。

（8）

由圓柱齒輪標準模數系列表選取模數m為2mm，應用式（9）可得分度圓直徑，進而應用式（10）可得齒寬參數。

d=20mm? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （9）

b=10mm? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（10）

根據齒輪參數利用UG的有限元分析如圖4所示。

根據有限元分析來看，齒輪的內邊緣承載較大應力，其次在兩個齒輪的嚙合部分應力要大于齒輪其他非嚙合部分，通過計算得出應力較大的部分應力值為231.37MPa并且根據結構強度要求，許用應力為363MPa，根據強度校核計算能夠看出齒輪強度符合許用條件，選用齒輪參數為：

（1）m1=2 壓力角=20°分度圓d=20 齒頂高ha=2 齒根高hf=3 全齒高h=4

（2）m1=2 壓力角=20°分度圓d=30 齒頂高ha=2 齒根高hf=3 全齒高h=4。

本文中載體機械臂的控制結構，多方面對比下選用步進電機與舵機，電源方面選用LSX-25-12型開關電源與LM2596S DC-DC可調降壓模塊。

2 實現機械臂可視化的基本過程

智能操控平臺在工作時，需要利用視覺識別系統分析處理數值來操控載體機械臂。本文介紹利用基于OpenMV軟件開發的一種圖像信號處理軟件系統，對可夾取的物體進行識別及夾取運輸。

視覺識別攝像頭安裝在操控載體運動機械臂的一個前端感光執行器上，當所有的需要主機夾取的各種物品同時進入并達到視覺攝像頭智能識別指定區域的范圍時候，通過圖像識別控制系統處理采集到的圖像，并自動識別并輸出主機所需要被夾取到的物品，返回后將參數輸入到總線的控制管理系統內，從而可以使載體機械臂實時得到夾取物品的位置參數并對其進行準確的自動搬運[5]。主機選取一個OpenMV4h7作為主機硬件感光控制器，采用所有OpenMV主機自帶的兩個ov7725感光控制元件的視覺攝像頭，觸摸監控屏的顯示屏作為控制系統屏對圖像進行顯示與用戶界面控制操作，先期調試采用移動計算機軟件進行系統編程與硬件調試。圖5和圖6是OpenMV視覺識別系統的程序圖及效果圖。

采用基于OpenMV軟件開發的處理系統，通過利用前端圖像執行器上的多個攝像頭自動獲得所符合需求的夾取的單個物品的二維色彩圖像，使用圖像增強分析技術對其進行圖像優化，再通過利用基于lab夾取圖像的二維色彩閾度特性分析來精確分割夾取物品與圖像背景。解決方案由二維圖像數據采集、圖像增強、lab圖像色彩閾度數值特性分割、圖像識別模塊組成。

在對圖像增強的處理過程中首先需要采取原始物品局部圖像銳化，調用函數“placimg.laplacian（）”對經過圖像增強獲取后處理得到的原始圖像處理過的物品圖像局部輪廓圖像中的輪廓軌跡進行銳化后并補償進行處理。原始物品局部圖像銳化補償處理主要目的之一也就是為了能夠讓原始處理物品圖像的某些重要細節如物品局部輪廓邊緣、頂點等更加清晰、突出、尖銳，是一種可以用于銳化補償物品局部圖像輪廓、突出物品局部邊緣輪廓邊界完整信息的能使圖像輪廓處理良好的新方法。銳化后的處理物品局部圖像輪廓比之前處理原圖平滑，增強了原始處理物品圖像中原始處理物品的輪廓局部圖像輪廓局緣邊界完整信息，將原始處理物品的圖像輪廓局部邊界完整的信息通過圖像檢測結果表現顯示出來。

由于經過圖像色彩增強圖像銳化后的彩色圖像很有可能還是會直接銳化造成新的色彩變而圖像中的顏色或者質量變化可能也會有一定的變化幅度或者降低，使得彩色圖像不逼真，且經過圖像增強過的彩色圖像也有可能會對彩色圖像銳化處理過程中的視頻噪聲和圖像點差等元素可能有一定的幅度影響或者放大[6]。故此，通過彩色后的單或雙邊彩色視頻信號濾波對彩色圖像功能可以直接進行銳化后的處理，調用函數“：aimg.bilateral（）”，對銳化后的彩色圖像功能可以直接進行彩色后的單或雙邊彩色視頻信號濾波合并進行銳化處理。

基于OpenMV的顏色識別與追蹤算法[7]，關鍵在于進行圖像二值化.二值化圖像是經過二值化后的圖像，有黑、白兩種狀態二值化在圖像識別中非常常見，通過OpenMV標準庫中sensor .snapshot（）獲取圖像，進行二值化處理后再通過閾值編輯器調整得到想要識別顏色的LAB顏色空間閾值。圖7是閾值編輯器檢測示例，通過OpenMVIDE軟件中的閾值編輯器離線設置LAB數值為（44，95.-23.-90.58.-11），可以得到綠色圓形小球的二值化圖像，其中的白色索即為被跟蹤的像索點，記下當前閾值，通過閾值比對來判斷顏色，小于定值即可認定顏色。

OpenMV對色塊追蹤的實現所采用的方法是CamShift算法，該算法以Mean- Shift算法為基礎，具備自主調節搜索窗口適應目標大小的能力，優點是可以隨跟蹤視頻中目標尺寸的變化而變化。

由于RGB色彩空間對光線條件的改變比較敏感，因此將輸入圖像轉換到HSV顏色空間，在轉換后的HSV顏色空間里選擇初始搜索窗口作為目標區域，分離出H分量做該區域的顏色直方圖模型[7]。接著把目標區域內的像索點與得到的顏色直方圖模型像素點進行對比，可以得到該像索點是目標像素點的概率，區域外的概率為0;把得到的相似概率轉換為0～255的灰度值即可得到反向投影圖，反向投影圖中越亮的點表示相似概率越大。

在OpenMV視覺系統完成識別之后，將OpenMV和Arduino如圖8形式連接，OpenMV將所識別物品信息進行處理傳輸至Arduino控制板[8]，Arduino執行相應信息來控制機械臂的行動，實現機械臂的可視化。

3 結語

本次設計的利用OpenMV結合機械臂所設計的視覺機器人工作站根據在無人參與的要求下，并在其基礎上做了一些改進，使其更加靈活、穩定，讓其更加符合需求，并在一定程度上做出了一些小小的創新，采用此機械臂完全可以完成脫機需求，如果運用到實際中效果可能會更加驚艷。本次設計進行了脫機運行，可以在沒有電腦控制的情況下自行運行，實現自主識別抓取。

參考文獻

[1] Lu Hao， Liu Junxiu， Luo Yuling et al. An autonomous learning mobile robot using biological reward modulate STDP[J].Neurocomputing，2021，458.

[2] 張佳路，任彬，趙增旭.基于顏色識別的智能物料搬運機器人[J].自動化應用，2020（1）：59-61.

[3] 王樂.基于視覺伺服的工業機器人控制技術研究[D].南京：南京林業大學，2012.

[4] 苗淑杰，劉喜平.機械設計基礎[M].北京：北京大學出版社，2012.

[5] 李思熠，王少坤.基于 OpenMV 和 Arduino 的智能巡線機器人[J].科技與創新，2020（22）：50-53.

[6] 楊超.數字圖像增強技術研究與實現[J].電腦編程技巧與維護，2018（9）：138-139.

[7] 張平.基于OpenMV的輔助進食機械手系統的研究與設計[D].南昌：江西理工大學，2019.

[8] 黃凱文，趙煜，黃玲，等.基于機械視覺的Arduino智能物流配送車 [J].河南科技.2021，40（22）：20-23.

基金項目：黑龍江省自然科學基金（項目編號：LH2021D015）;黑龍江工程學院博士基金（項目編號：2017BJ11）;黑龍江工程學院大學生創新創業項目（項目編號：201911802051）

作者簡介：王策（2000—），男，本科在讀，研究方向為工業機器人技術。劉帥克（2002—），男，本科在讀，研究方向為工業機器人技術;

通信作者簡介：郭霆（1982—），男，博士，講師，研究方向為機器人結構優化及流體動力學。E-mail：gt_hljit@foxmail.com