0 引言

機器人由于工作效率高、運動速度快、工作定位準(zhǔn)確和可持續(xù)工作時間長等優(yōu)點在現(xiàn)代化生產(chǎn)制造業(yè)占有主導(dǎo)地位。伴隨著機械、電子、傳感器、計算機和控制等多個學(xué)科的發(fā)展，機器人也向著更加智能化的方向發(fā)展，其中，工業(yè)機器人與機器視覺相結(jié)合這個方面研究方向眾多，研究前景廣闊[1～3]。李湘?zhèn)サ热薣4]將機器視覺運用在了工業(yè)四軸串聯(lián)機器人中，研制了小型機器人分揀搬運系統(tǒng)，但是在大承載力的場合中效果并不理想。和串聯(lián)機器人相比，并聯(lián)機器人因其精度高、剛度大、結(jié)構(gòu)簡單和承載能力強等優(yōu)點，在附加機器視覺后更適合于需要大承載力的場合，就克服了以上的不足，可以應(yīng)用于更復(fù)雜的環(huán)境。因此，本文以實驗室的NJ控制器、FH視覺控制器和并聯(lián)機器人為實驗平臺，研究了二自由度并聯(lián)機器人和機器視覺的基本理論，并將二者相結(jié)合，設(shè)計出了一套在平面內(nèi)實現(xiàn)的視覺機械手抓取系統(tǒng)。通過對二自由度Delta機器人的研究，建立了正反解數(shù)學(xué)模型，并編寫了正反解算法和規(guī)劃了最短路徑。在研究了機器視覺的相關(guān)方面之后，運用FH視覺控制器實現(xiàn)了基于物體特征的識別和坐標(biāo)確定。最后，將FH視覺控制器內(nèi)的數(shù)據(jù)傳送到NJ控制器中，在NJ控制器內(nèi)編程實現(xiàn)機械臂的運動控制來抓取慢速移動的動態(tài)物體。該系統(tǒng)可以根據(jù)需求設(shè)定不同的識別形狀，靈活性高，同時承載力大，可以在復(fù)雜環(huán)境下實現(xiàn)高精度的分類抓取放置工作，并為二自由度的并聯(lián)機器人提供了研究依據(jù)。

1 系統(tǒng)總體結(jié)構(gòu)及工作原理

1.1 系統(tǒng)的硬件構(gòu)成

基于視覺篩選的并聯(lián)機器人平面抓取系統(tǒng)主要由FH視覺處理系統(tǒng)、NJ運動控制系統(tǒng)和工作臺三個部分組成，結(jié)構(gòu)如圖1所示。

圖1 系統(tǒng)硬件結(jié)構(gòu)圖

FH視覺處理系統(tǒng)主要由FH視覺控制器、高速CCD相機、LED光源組成。FH控制器選用OMRON公司的FH-1050-10型號控制器，高速相機選用OMRON公司的FH-SM02型號相機，另采用8mm鏡頭型號為3Z4SLESV-0814。NJ運動控制系統(tǒng)主要由計算機、NJ運動控制器、伺服驅(qū)動器和二自由度Delta機器人組成。NJ控制器選用OMRON公司的SYSMAC NJ系列運動控制器，伺服驅(qū)動器型號為G5系列的R88D-KN04H-ECT-Z，機器人末端執(zhí)行器為CEH-40電磁吸盤。工作臺為傳送帶。

1.2 系統(tǒng)工作原理

系統(tǒng)的工作原理是：高速相機通過FZ-VS相機線與FH視覺控制器相連，以一定頻率拍攝傳送帶上工件的光學(xué)圖像之后，轉(zhuǎn)化為電子圖像傳送至FH控制器。FH控制器在經(jīng)過形狀搜索、灰度過濾、背景消除和位置修正等處理后，將工件的類別和坐標(biāo)等信息通過EtherCAT網(wǎng)絡(luò)傳送至NJ控制器[5]。NJ控制器通過EtherCAT網(wǎng)絡(luò)與伺服驅(qū)動器相連，在NJ控制器內(nèi)進行編程完成機器人的正逆解、末尾姿態(tài)確定和運動路線規(guī)劃過程，控制機器人到目標(biāo)位置去抓取工件，然后再分類放置到指定位置。

2 FH視覺處理系統(tǒng)數(shù)據(jù)采集與傳輸

在將高速CCD相機與光源固定之后，需要使用FZ視覺軟件對視覺系統(tǒng)進行設(shè)定，這其中包括軟件系統(tǒng)參數(shù)設(shè)置、圖像采集及坐標(biāo)系建立、數(shù)據(jù)傳輸。

2.1 軟件系統(tǒng)參數(shù)設(shè)置

在系統(tǒng)參數(shù)設(shè)置中，通信參數(shù)需要在通信模塊的Fieldbus選項中選擇EtherCAT。運行參數(shù)需要在運行模塊選擇倍速多重輸入。相機模式需要在相機0中選擇高速通信。

2.2 圖像采集及坐標(biāo)系建立

1）圖像采集設(shè)置：在鏡頭上通過焦距設(shè)置目標(biāo)圖像大小，通過光圈設(shè)置進光量。在FZ軟件中將快門速度設(shè)置為500us，增益設(shè)置為80，以獲得高質(zhì)量清晰的圖像。視覺傳感器獲取的圖像為真彩色圖像，為了使檢測物突顯出來，需要做背景消除。我們通過二值化的處理方式，在相機讀取的灰度值中設(shè)置二值化值[6]，將圖片轉(zhuǎn)化為黑白兩個顏色，落在70～170灰度值中的為白色，其他均轉(zhuǎn)為黑色。運用FZ軟件中的形狀搜索流程，將三角形和正方形兩個形狀登錄進入FZ軟件，再將搜索區(qū)域設(shè)定為在皮帶上長為30cm，寬為25.5cm的區(qū)域，然后將檢測相似度設(shè)置為80～100。最后將拍攝方式設(shè)置為連續(xù)測量，使相機每間隔500us拍攝一張圖片，保證目標(biāo)位置的精確性。

2）視覺坐標(biāo)系和機器人坐標(biāo)系確定：為了去除畸變和相機安裝角度帶來的影響，以及采集圖像坐標(biāo)，需要使用高精度校準(zhǔn)流程。以校準(zhǔn)版中間圓點為原點（0,0）建立視覺坐標(biāo)系來顯示目標(biāo)工件的實時位置，以機器人兩電機中心點為原點（0,0）建立機器人坐標(biāo)系來顯示機械臂的末端位置，建立兩坐標(biāo)系如圖2所示。

圖2 視覺坐標(biāo)系和機器人坐標(biāo)系

由于機械結(jié)構(gòu)限制，帶有電磁吸盤的機械臂末端的運動范圍是30×25.5cm2的一個平面。L1為機器人坐標(biāo)系原點到機械臂末端的長度，L1=30.74cm。L2為機械臂末端到視覺坐標(biāo)原點的長度，L2=18.75cm。視覺坐標(biāo)系在FZ軟件中以mm為單位，機器人坐標(biāo)系在NJ控制器的Sysmac軟件中以cm為單位，于是需要將視覺坐標(biāo)系中的坐標(biāo)轉(zhuǎn)換到機器人坐標(biāo)系中，轉(zhuǎn)換關(guān)系如下：

其中X1，Y1為視覺坐標(biāo)系中的坐標(biāo)，X，Y為機器人坐標(biāo)系中的坐標(biāo)。

2.3 數(shù)據(jù)傳輸

實現(xiàn)FH視覺控制器與NJ運動控制器通信需要NJ控制器中創(chuàng)建5個通信變量。

表1 通信變量

Trigger_1：觸發(fā)相機拍攝；

Total_Judgement：判斷拍攝結(jié)果是否符合要求，符合要求則信號為False，反之則為True。

Result_Notification：坐標(biāo)傳輸完成信號，數(shù)據(jù)傳輸完成后信號為True。

DINT_Result_Data0Data1：坐標(biāo)數(shù)據(jù)通道，一個表示X軸坐標(biāo)，一個表示Y軸坐標(biāo)。

3 NJ運動控制系統(tǒng)算法、程序及仿真

3.1 機器人運動學(xué)正、逆解數(shù)學(xué)模型

Delta機器人機械臂末端到達目標(biāo)位置是通過計算兩個電機轉(zhuǎn)動角度實現(xiàn)的。FH視覺控制器在將目標(biāo)坐標(biāo)傳送給NJ控制器之后，NJ控制器需要先將目標(biāo)坐標(biāo)轉(zhuǎn)化為機械臂末端電磁吸盤位置坐標(biāo)，再把機械臂末端電磁吸盤位置和電機轉(zhuǎn)動角度相互轉(zhuǎn)換，于是需要建立機器人運動學(xué)正、逆解數(shù)學(xué)模型[7,8]。由由電機轉(zhuǎn)動角度求機械臂末端電磁位置稱為正解，反之為逆解。

1）運動學(xué)正解模型

二自由度Delta機器人呈左右對稱結(jié)構(gòu)，由兩個電機，兩個主動臂、兩個從動臂、一個平動盤和一個電磁吸盤組成，正解模型如圖3所示，已知電機轉(zhuǎn)動角度θ1和θ2求出O1坐標(biāo)。

圖3 正解模型

M1M8為兩電機之間的距離，記作L1；M4M5為平動盤長度，記作L2； M1M3，M6M8為主動臂，記作Lt；M3M4，M5M6為從動臂，記作Lb。我們可以得出兩個圓分別左右平移L2/2之后可以交于O1點，于是聯(lián)立兩圓方程可得式(1)：

其中，a=L2/2+M1M2，b=-M2M3，c=-L2/2-M7M8，d=-M6M7。由式(1)可得：

將式(2)代入式(1)中，可得：

解此方程可得O1的縱坐標(biāo)，進而可以求出O1的坐標(biāo)。

2）運動學(xué)逆解模型

逆解模型如圖4所示，已知O1(X1，Y1)，求左右電機轉(zhuǎn)動角度θ1和θ3。

參考前面正解模型，N1N6=L1，N3N4=L2，N1N2=N5N6=Lt，N2N3=N4N5=Lb。

圖4 逆解模型

逆解數(shù)學(xué)模型如下：

右側(cè)電機坐標(biāo)N1(L1/2，0)，平動盤右端點坐標(biāo)N3(X1+L2/2，Y1)?？傻孟蛄浚?/p>

取單位向量=(1,0)，由向量夾角公式可得與夾角α的余弦值：

由余弦定理，可得θ2的余弦值為：

由式(3)、式(4)可得右側(cè)電機轉(zhuǎn)動角度θ1：

同理可以求出左側(cè)電機轉(zhuǎn)動角度θ3。

3.2 NJ運動控制器程序

NJ運動控制器是OMRON公司推出的新一代PLC，相比于傳統(tǒng)PLC多了運動控制功能。其編程軟件Sysmac Stdio相比于之前的Cx-One軟件多了仿真和數(shù)據(jù)跟蹤的功能[9]。NJ控制器在完成軸參數(shù)設(shè)定之后，通過調(diào)用MC功能模塊來完成軸和軸組的運動控制。程序中采用虛軸軸組先移動到目標(biāo)姿態(tài)，實軸軸組跟隨虛軸軸組運動的方法，主要用到了MC_Power，MC_Home，MC_MoveAbsolute，MC_GroupEnable，MC_MoveLinear，MC_GroupSyncMoveAbsolute等指令。

MC_Power：使指定軸進入可運行狀態(tài)。

MC_Home：驅(qū)動電機，使用原點信號確定機械原點。

MC_MoveAbsolute：指定絕對坐標(biāo)的目標(biāo)位置，使軸進行進行定位。

MC_GroupEnable：進行多軸協(xié)調(diào)控制，軸組必須為啟用狀態(tài)。

MC_MoveLinear：進行2～4軸的直線插補。

MC_GroupSyncMoveAbsolute：按照原始周期，以周期同步位置模式將用戶程序給定的目標(biāo)位置輸出到伺服驅(qū)動器。

具體程序如圖5所示。

圖5 部分運動控制程序

3.3 運動系統(tǒng)仿真

運用Sysmac自帶的仿真功能，我們對機器人抓取工件的動作進行模擬，仿真機械臂運行路徑如圖6所示。

圖6 機械臂運行路徑仿真圖

當(dāng)工件進入指定的抓取位置之后，NJ控制器不斷接收FH控制器發(fā)送過來的的工件坐標(biāo)值，并實時修正機械臂運動路徑到達工件位置， 通過電磁吸盤吸取工件后，移動到指定區(qū)域進行放置。

4 結(jié)束語

基于視覺篩選的并聯(lián)機器人平面抓取系統(tǒng)設(shè)計的成功實驗為進一步研究并聯(lián)機器人結(jié)合機器視覺完成抓取提供了借鑒和參考，同時證明了機器視覺和并聯(lián)機器人領(lǐng)域的相關(guān)理論的正確性。該系統(tǒng)結(jié)構(gòu)簡單，工作穩(wěn)定可靠，減少了人工篩選的出錯率，提高了效率、安全性和工廠的自動化程度，為建設(shè)信息化、自動化程度更高的智能工廠 提供了依據(jù)。未來在視覺方面可以考慮增加外觀缺失檢測等功能，在并聯(lián)機器人方面可以考慮增加機器人自由度以完成更多動作[10]。

參考文獻：

[1]屠海斌.基于機器視覺的搬運機器人系統(tǒng)研究與軟件實現(xiàn)[D].江蘇:東南大學(xué),2015.

[2]基于機器視覺的機器人搬運系統(tǒng)[D].山東:山東科技大學(xué),2015.

[3]基于機器視覺的工業(yè)機器人抓取技術(shù)的研究[D].湖北:華中科技大學(xué),2011.

[4]李湘?zhèn)?吳翩卉,王銳鵬.基于機器視覺識別的小型機器人分揀搬運系統(tǒng)的研制[J].機床與液壓,2015,43(10),161-164.

[5]基于Sysmac自動化平臺的超大型剪板機數(shù)字控制系統(tǒng)研究與設(shè)計[D].江蘇:江蘇大學(xué),2016.

[6]盧迪,黃鑫,柳長源,等.基于區(qū)域?qū)Ρ榷仍鰪姷亩祷惴╗J].電子與信息學(xué)報,2017,39(1),240-244.

[7]伍經(jīng)文,徐世許,王鵬,等.基于Adams的三自由度Delta機械手的運動學(xué)仿真分析[J].軟件,2017,38(6),108-112.

[8]M Afroun,T Chettibi, S Hanchi. Planning Optimal Motions for a DELTA Parallel Robot[A].mediterranean conference on control and automation[C],2006.

[9]OMRON.Automation Software Sysmac Stdio Version 1[M].Shanghai:OMRON,2011.

[10]周娜.并聯(lián)機器人視覺伺服系統(tǒng)的跟蹤監(jiān)測研究[D].江蘇:東南大學(xué),2011.