摘 要： 針對工業(yè)領域的生產(chǎn)線零件分揀系統(tǒng)進行研究，其零件識別采用圖像識別方法。主要針對工件圖像的預處理進行了研究，使用加權平均的濾波方法對工件圖像進行去噪處理，使用基于雙峰法的閾值分割方法對去噪圖像進行分割，并使用凱西算子提取圖像中的工件邊緣。同時對工件位置的定位方法進行了研究，為控制機械手抓取零件提供依據(jù)，用三菱公司的RV?4FL工業(yè)機器人進行工件分揀實驗，使用上位機的Matlab軟件實現(xiàn)工件零件的圖像處理、識別和定位。

關鍵詞： 圖像識別； 零件分揀； 工件定位； 生產(chǎn)線

中圖分類號： TN957.52?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2016）12?0062?04

Abstract： The sorting system of parts in the production line in the field of industry is researched in this paper， in which the image recognition technology is used to recognize the parts in production line. The study on pretreatment of workpiece images is the important point of the paper. The method of weight average filtering is adopted to achieve on the denoising processing of workpiece images. The threshold segmentation method based on the two?peak method is used to segment the denoised image. The Casey operator is employed to extract the workpiece edge in the image. The positioning method of workpiece location is studied to provide basis for controlling the manipulator to grasp parts. PC Matlab software is used to realize image processing， identification and location of workpieces. The workpiece sorting experiment was conducted with sorting robot （Mitsubishi RV?4FL industrial robot）.

Keywords： image recognition； part sorting； workpiece positioning； production line

0 引 言

目前在整個工業(yè)生產(chǎn)領域都需要應用機器視覺，比較具有代表性的行業(yè)有物流、醫(yī)學、農(nóng)業(yè)、半導體以及汽車制造等。在研究機器視覺時需要計算機技術、光電子學、信號處理、圖像處理以及人工智能等多學科知識作為支撐。為了有效地處理工業(yè)生產(chǎn)線上的雜亂工件，本文通過研究得到了一種視覺算法，該算法能夠識別和定位工件的位置，工業(yè)機器人利用該算法能夠分揀工件。

通過在工業(yè)機器人分揀技術中應用機器視覺來識別和定位工件，機器人在接收到攝像機傳輸過來的工件坐標以后就可以由機器人完成分揀工作。在工業(yè)生產(chǎn)線上分揀技術發(fā)揮著非常重要的作用，通過機器視覺技術能夠有效地提升生產(chǎn)效率，改善產(chǎn)品質(zhì)量[1?3]。

1 零件分揀機器人總體結構

零件分揀機器人總體結構如圖1所示，由工控機、工業(yè)相機、運動控制卡、工業(yè)分揀機器人、傳感器單元以及通信總線等組成。通過全自動編程可以對工業(yè)機器手的工作柔性進行控制。通過機器視覺系統(tǒng)的應用可以有效識別物料以及控制精度，并利用運輸機來傳遞物料。在原型機上利用自動分揀系統(tǒng)能夠檢測傳輸速度、動態(tài)抓取以及自動分揀。

工業(yè)相機能夠不斷的識別進入到分揀作業(yè)區(qū)的目標對象，并進行圖像的采集，通過Matlab軟件分析和運算采集到的圖像，同時分析分揀目標的運動路徑、識別目標對象分類信息以及變換目標對象坐標，這樣通過控制機器人就能夠完成分揀動作[4]。

2 工件圖像處理

在應用機器視覺的過程中，為了抑制和消除圖像中的無效信息，更加有效地檢測有效信息，并減少系統(tǒng)的數(shù)據(jù)存儲量，需要采取有效地方法運算和處理原始工件圖像，這樣能夠有效的提升機器視覺系統(tǒng)的穩(wěn)定性以及測量精度。工件圖像處理流程圖[5]如圖2所示。

常用的預處理方法是將彩色圖像轉變?yōu)榛叶葓D像，通過閾值變換來去除噪聲。本文在工件圖像去噪的過程中主要應用了加權平均的濾波方法。作為一種局部平滑算法，采用加權平均濾波算法能夠對圖像的邊緣細節(jié)進行有效保留。在應用時應當重點關注如何選取各點權值系數(shù)、如何選擇方向和形狀、如何控制領域大小。其中中心像素點P（i，j）指的就是位于領域中心待處理的像素點。通常按照下面的原則進行權值的選擇：

首先，相比于其他像素點，中心像素點P（i，j）應當被賦予較大的權值；然后，在確定權值時參考與中心像素點P（i，j）的距離，如果像素點距離較近就賦予較大的權值，相反，當距離較遠時就賦予較小的權值；最后，分析像素點在灰度值上是否與中心像素點P（i，j）接近，如果灰度值相似性較大就賦予較大的權值，相反，如果相似性較小時就賦予較小的權值。

本文采用改進算法的權值為灰度梯度的倒數(shù)，其中濾波窗口為3×3 領域，領域內(nèi)的灰度矩陣[6]為：

這里需要將標準工件模板的圖像顏色進行轉換，由彩色圖像向灰度圖像轉換，并進行閾值變換。采用二值化處理方法對工件圖像進行處理，經(jīng)過結果變換以后0和 255是工件圖像中的兩個值。

按照下式進行閾值變換：

[Fi，j=0 ， fi，j

式中：F（i，j）為圖像；灰度值0表示黑色；灰度值255表示白色；t表示閾值[7]。

在進行圖像分割的過程中主要采用基于閾值的分割方法，其中用于分割的閾值可以通過圖像的灰度直方圖信息來獲得。通過對一定數(shù)量閾值的應用能夠對圖像的灰度級進行劃分，當像素相同時則認為是同一個物體。對于一些背景和目標處于不同灰度級范圍內(nèi)的圖像比較適用。

主要按照以下兩種步驟應用閾值化分割算法：首先對閾值進行確定，本次研究中主要通過實驗獲取閾值；然后通過比較像素值以及分割閾值就可以對像素進行劃分。浮動閾值法以及固定閾值法是目前比較常用的閾值變換方法。本次研究中閾值的獲取通過雙峰法來實現(xiàn)，下面詳細介紹雙峰法的基本思想[8]。

應用雙峰法的基礎是圖像主要包括背景和前景兩個部分，前后兩景在灰度直方圖上都成高峰，而圖像的閾值在雙峰之間的最低谷處，其具體的表達式：

[Fx=0， x

式中：T表示閾值。

使用上述方法得到的零件二值圖和直方圖如圖3所示。

通過應用某種算法能夠將圖像中背景和圖像間的交接線提取出來，進而完成工件邊緣的檢測。當圖像中的灰度發(fā)生突然變化時所形成的區(qū)域邊界就是工件圖像的邊緣。通過圖像灰度分布的梯度能夠將圖像灰度的變化反映出來，所以邊緣檢測算子可以通過局部圖像微分技術來獲取。圖4為邊緣檢測方法流程圖。

本次研究中的工件邊緣是通過凱西算子來提取的。在提取工件邊緣時首先通過對二維高斯函數(shù)一階導數(shù)的應用來平滑工件圖像，如式（5）所示為圖像與二維高斯函數(shù)的卷積：

3 工件位置確定

在進行實驗以前應當將手眼標定的結果變換成機器人抓取時需要的位置坐標，首先將相機坐標變換為機器人坐標，這樣就能夠產(chǎn)生合適的機器人命令[10?11]。工件的坐標位置在機器人抓取以前就可以通過圖像來獲取。如式（8）所示為相機靜止時所對應的方程：[baseHobj=baseHcam?camHobj=Camrapose-1?camHobj] （8）

觀察手爪坐標系以及工具坐標系是否具有相同的位置關系，當兩者不重合時就可以得到相應的抓取方程式：

應當在確定手爪坐標系與工具坐標系十分重合的基礎上抓取實驗目標物，本次設計中手爪坐標系和機器人工具坐標系是不重合的，通過測量獲取Z方向的距離，在X以及Y方向的坐標不發(fā)生變化。手爪坐標系的位姿關系可以通過工具坐標系的位置獲取?？梢缘玫焦ぞ咦鴺讼蹬c基座之間的位姿關系，這樣機器人在抓取時就能夠獲得目標的相對位置[12]。

利用計算機無法直接獲取工件的空間位置，這里需要通過編制程序來完成，在利用機械手抓取目標物時需要采用合適的方法確定工件坐標系與基座之間的位置關系，按照下面的步驟進行坐標變換：

（1） 確定標定平面以及攝像機的位姿（camHwcs），通常可以通過人工測量方式獲取該參數(shù)，本文使用方法是在機器人手爪上放置制作好的標定，然后利用算子可以直接讀取所拍攝的圖像。

（2） 顯示樣本圖像，圖像中工件的數(shù)目N可以通過工件的特征來獲取，同時對圖像中的工件進行預處理。

（3） 確定工件表面與攝像機的位姿，首先在工件表面建立坐標系，將標定板表面與工件表面進行重合，所建立的坐標系為refHgrasp；然后對相機的外部參數(shù)進行讀取，這樣工件表面坐標系以及攝像機之間的位置關系camHgrasp就可以得到。

（4） 確定工件與基座之間的位姿（baseHgrasp），首先得到機器人手眼標定的參數(shù)，然后根據(jù)步驟（3）得到的camHgrasp就可以獲取工件和基座之間的位置關系baseHgrasp。

（5） 確定工具坐標系和基座之間的位姿，工具坐標系和基座之間的位姿（baseHtool）可以通過工具坐標系和機器人手爪之間的位姿（toolHgripper）來獲取，然后通過對機器人的控制就可以完成目標工件的抓取[13?14]。

標定位置變換具體流程如圖5所示。

4 工件分揀實驗

本文使用的分揀機器人為三菱公司的RV?4FL工業(yè)機器人。使用NI1742型工業(yè)攝像機，采集的圖像分辨率為640×480。運動控制卡采用雷賽公司的DMC2410型運動控制卡。本文使用上位機的Matlab軟件實現(xiàn)工件零件的圖像處理、識別和定位。基于Matlab的工件識別GUI界面如圖6所示。

5 結 論

本文針對工業(yè)領域的生產(chǎn)線零件分揀系統(tǒng)進行研究，其零件識別采用圖像識別方法。主要針對工件圖像的預處理和工件定位方法進行了研究。最后使用三菱公司的RV?4FL工業(yè)機器人進行工件分揀實驗，使用上位機的Matlab軟件實現(xiàn)工件零件的圖像處理、識別和定位。

參考文獻

[1] 李和平，陳育新.基于LabVIEW工業(yè)機器人自動分揀系統(tǒng)設計[J].機床與液壓，2015，43（9）：90?93.

[2] 許凡.視覺引導的抓取機器人控制技術的研究與開發(fā)[D].無錫：江南大學，2014.

[3] 朱海濤.基于位置視覺伺服的運動工件分揀系統(tǒng)設計[D].杭州：浙江工業(yè)大學，2014.

[4] 李明.運動食品機器視覺的識別與定位技術的研究[D].哈爾濱：哈爾濱商業(yè)大學，2014.

[5] 王鴻博，李建東，崔曉暉，等.基于工業(yè)機器人的分揀生產(chǎn)線群控通信系統(tǒng)設計[J].制造技術與機床，2016（3）：93?98.

[6] 郝明.機器視覺在機器人雜亂工件分揀中的應用[D].沈陽：沈陽工業(yè)大學，2015.

[7] 管經(jīng)緯.基于機器視覺的工件自動分揀系統(tǒng)研究[D].上海：東華大學，2015.

[8] 魏敬強.基于雙目立體視覺的工件識別定位與抓取系統(tǒng)研究[D].西安：西安理工大學，2009.

[9] 賀雅琴.自動物料分揀機器人系統(tǒng)的關鍵技術研究[D].廣州：華南理工大學，2011.

[10] 趙彬.基于機器視覺的工業(yè)機器人分揀技術研究[D].沈陽：沈陽工業(yè)大學，2013.

[11] 潘武.基于機器視覺的工件的識別和定位[D].北京：北京化工大學，2012.

[12] 李春.基于機器視覺的焊接工件識別與焊接軌跡校正方法研究[D].廣州：華南理工大學，2015.

[13] 梁元月.基于雙目立體視覺的工件識別定位方法研究[D].西安：西安理工大學，2008.

[14] 李陽君.基于視覺的工件識別定位方法的研究[D].西安：西安理工大學，2006.