唐鎮(zhèn)城

摘要： 本文通過(guò)對(duì)眾為興機(jī)器人和視覺(jué)系統(tǒng)的分揀及抓取研究，在相關(guān)理論研究的基礎(chǔ)上收集信息，對(duì)運(yùn)行中的情況、問(wèn)題進(jìn)行梳理，深入研究視覺(jué)分類(lèi)抓取的情況和存在的不足，并針對(duì)不足提出更好的策略。

Abstract： This paper collects information on the basis of related theoretical research by sorting and grabbing the Zhongwei Xing robot and vision system， combs the situation and problems in operation， and deeply studies the situation and deficiencies of visual classification crawling， and proposes better strategies for deficiencies.

關(guān)鍵詞： 機(jī)器視覺(jué)；工業(yè)機(jī)器人；分揀

Key words： machine vision；industrial robots；sorting

中圖分類(lèi)號(hào)：TP242.6 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2018）18-0186-03

0 引言

隨著中國(guó)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)，自動(dòng)化智能化設(shè)備運(yùn)用增加，自動(dòng)化生產(chǎn)越來(lái)越受青睞，有利于提高生產(chǎn)效率。工業(yè)分揀是生產(chǎn)環(huán)節(jié)的主要部分，根據(jù)工件擺放的不同位置型號(hào)，實(shí)現(xiàn)識(shí)別、分揀、定位、抓取、放置的過(guò)程。

相對(duì)于傳統(tǒng)的人工分揀以及機(jī)器人示教分揀，將視覺(jué)技術(shù)與機(jī)器人相結(jié)合的分揀，實(shí)現(xiàn)類(lèi)似人眼的“識(shí)別”功能，將提高識(shí)別速度和生產(chǎn)效率，使分揀更柔性化、智能化，降低勞動(dòng)成本，提高質(zhì)量[1]，運(yùn)行結(jié)果易于統(tǒng)計(jì)，有利于實(shí)現(xiàn)一體化信息集成，便于統(tǒng)計(jì)各類(lèi)生產(chǎn)數(shù)據(jù)。

本文針對(duì)在自動(dòng)化生產(chǎn)線上分揀特定工件，實(shí)現(xiàn)分揀抓取直通小型化柔性化經(jīng)濟(jì)化解決方案，滿足占用空間小、自動(dòng)識(shí)別、不同工件分揀上料等要求，提出基于邊緣識(shí)別模板匹配的視覺(jué)識(shí)別算法，以眾為興ar5215四軸機(jī)械臂及Avs1100視覺(jué)系統(tǒng)為基礎(chǔ)，利用ADTvision圖像處理軟件，對(duì)機(jī)械手及攝像機(jī)系統(tǒng)進(jìn)行標(biāo)定，建立工業(yè)機(jī)器人手眼關(guān)系[2]。通過(guò)圖像處理軟件，對(duì)工業(yè)相機(jī)采集的工件圖像進(jìn)行預(yù)處理，獲取邊緣信息，對(duì)模板圖像與采集圖像進(jìn)行相似匹配，完成模板匹配，對(duì)抓取物體進(jìn)行分揀識(shí)別、定位，并用機(jī)械手進(jìn)行抓取驗(yàn)證研究結(jié)果。

1 工件特征提取及識(shí)別

圖像提供的信息與人眼視覺(jué)接近，包含的信息量非常大，從圖像中提取有用的特征進(jìn)行分析識(shí)別是圖像處理的基本問(wèn)題[3]。本文工件圖像識(shí)別采用的主要步驟：圖像預(yù)處理、區(qū)域分割、工件特征提取、工件識(shí)別分揀。而要實(shí)現(xiàn)分揀需對(duì)工件進(jìn)行特征模板提取和識(shí)別。本文研究工件在靜止?fàn)顟B(tài)下的特征提取及識(shí)別。對(duì)采集圖像進(jìn)行預(yù)處理，選取目標(biāo)區(qū)域，在目標(biāo)區(qū)域內(nèi)目標(biāo)進(jìn)行特征提取通過(guò)模板比對(duì)，用以確定目標(biāo)工件坐標(biāo)。

2 圖像預(yù)處理

圖像預(yù)處理作用在于提高識(shí)別效率、提高信噪比、消除無(wú)用信息，簡(jiǎn)化圖像處理數(shù)據(jù)。一般受環(huán)境與設(shè)備影響，獲取的圖像包含各種噪聲，不宜直接用于圖像識(shí)別，圖像預(yù)處理是圖像識(shí)別的必要環(huán)節(jié)，通過(guò)圖像處理希望最大限度消除圖像識(shí)別的無(wú)關(guān)信息，從而更準(zhǔn)確地提取有用信息，處理效果好壞對(duì)特征提取與識(shí)別有重要影響。有灰度變換、二值變換等環(huán)節(jié)。

本文研究對(duì)象光線分布均勻采用大津法。經(jīng)過(guò)二值法處理后目標(biāo)區(qū)能分割出來(lái)，效果較好。預(yù)處理還包括勾選檢測(cè)區(qū)域、設(shè)置相機(jī)IP、觸發(fā)及曝光模式、輸出控制等。雙擊“采集圖形”；可進(jìn)入“采集圖像設(shè)置界面”，可以選擇相機(jī)號(hào)，并對(duì)相機(jī)的靜態(tài)IP、采集觸發(fā)控制、輸出控制、曝光和增益調(diào)節(jié)、白平衡調(diào)節(jié)、光源調(diào)節(jié)等進(jìn)行設(shè)置。

本文采用的觸發(fā)模式是外接信號(hào)上升沿觸發(fā)，關(guān)閉自動(dòng)增益及自動(dòng)曝光。相機(jī)號(hào)為CAM0，相機(jī)的靜態(tài)IP192.168.1.110，子網(wǎng)掩碼設(shè)為255.255.255.0。輸出控制中輸出控制引腳為L(zhǎng)ine1，引腳方向Output，引腳電平反轉(zhuǎn)false（即不選?。?，輸出有效電平時(shí)間為200ms。打開(kāi)設(shè)備后調(diào)節(jié)相機(jī)的高度、相機(jī)的光圈、焦距以及外部光源，直至看到輪廓清晰的產(chǎn)品圖像。

在工具欄內(nèi)點(diǎn)擊“藍(lán)色虛線按鈕”可對(duì)作業(yè)ROI區(qū)域進(jìn)行選擇，簡(jiǎn)化處理圖像數(shù)據(jù)減少計(jì)算量。勾選完成后，圖像分析只針對(duì)作業(yè)區(qū)域進(jìn)行識(shí)別分析。

3 邊緣檢測(cè)

圖像中背景與物體間，物與物的交界是邊緣，交界邊緣是目標(biāo)提取和識(shí)別的基礎(chǔ)，邊緣是圖像局部灰度變化劇烈的區(qū)域，包含圖像的基本特征和大部分信息。邊緣的灰度值是不連續(xù)的。常用的邊緣檢測(cè)算法有：Canny算法、Roberts算法、Laplacian算法、Sobel算法。邊緣檢測(cè)通過(guò)灰度變化的導(dǎo)數(shù)將發(fā)生階躍、尖峰型變化的像素抽取出來(lái)，剔除不相關(guān)信息，提高后續(xù)處理圖像的精度和性能。

在ADTvision作業(yè)流程，選取“邊緣定位”。本文用Canny算法具有較高的信噪比和定位精度，其參數(shù)能根據(jù)不同要求調(diào)整識(shí)別不同的邊緣特性，適用于不同環(huán)境下的邊緣檢測(cè)[3]。

實(shí)現(xiàn)工件的分類(lèi)識(shí)別，需提取工件的邊緣特征，這是區(qū)別不同種類(lèi)工件的依據(jù)。通過(guò)模板的設(shè)置可對(duì)工件實(shí)現(xiàn)識(shí)別。雙擊作業(yè)流程中的“邊緣定位”，彈出“模板設(shè)置”界面?？蓪?duì)模板進(jìn)行添加、刪除、編輯、加載操作，還可就模板匹配最大個(gè)數(shù)及模板匹配最低分?jǐn)?shù)進(jìn)行設(shè)置。模板匹配最低分?jǐn)?shù)設(shè)置是進(jìn)行有效判別的關(guān)鍵，分?jǐn)?shù)設(shè)置過(guò)低匹配度過(guò)低容易造成誤判，及假識(shí)別；分?jǐn)?shù)設(shè)置過(guò)高匹配度過(guò)高容易造成識(shí)別率低廢品率高。點(diǎn)擊“匹配參數(shù)”界面，可對(duì)匹配參數(shù)、縮放比例、最大重疊度、角度范圍、位置補(bǔ)償?shù)冗M(jìn)行設(shè)置。

搜索模板匹配最大個(gè)數(shù)用于設(shè)置匹配本模板的最大個(gè)數(shù)，以提高檢索效率，防止重復(fù)，當(dāng)有多個(gè)目標(biāo)需要匹配本模板時(shí)可以把個(gè)數(shù)加大。最大重疊度，用以區(qū)分工件之間的位置關(guān)系，如果工件不出現(xiàn)疊放的情況，可把最大重疊度設(shè)置為1，防止模板匹配時(shí)同一位置的工件，識(shí)別成多個(gè)工件。位置補(bǔ)償用于每次定位出現(xiàn)固定方向、固定大小的偏差時(shí)直接使用位置補(bǔ)償消除偏差。

4 工件識(shí)別分類(lèi)

添加模板，彈出“邊緣模板學(xué)習(xí)界面”，中間黑色區(qū)域?yàn)榻⒛０宓呐臄z圖片或預(yù)存圖片，右方為“繪制ORI及創(chuàng)建模板欄”。可對(duì)照片進(jìn)行ORI繪制及加減，用以對(duì)圖片進(jìn)行勾線提取工件的幾何特征，以建立模板進(jìn)行精準(zhǔn)的分類(lèi)。用綠色線表示模板邊緣，綠色邊緣線條多且連續(xù)性好表示模板創(chuàng)建的效果越好。

本文以一個(gè)圓形目標(biāo)工件舉例說(shuō)明，點(diǎn)擊選取ROI模式“單ORI”及ROI類(lèi)型“圓形”，對(duì)目標(biāo)工件用圓形進(jìn)行框選如圖1所示?？蜻x成功后出現(xiàn)的綠色線條即為工件提取的幾何特征。模板創(chuàng)建過(guò)程中，如果想剔除掉一些不需要的邊緣，如圖1產(chǎn)品中的三角形的綠色邊緣，可以認(rèn)為是無(wú)效的干擾邊緣?？梢詫OI模式選擇為“ROI相減”，在需要剔除邊緣的地方畫(huà)一個(gè)ROI，確定后再創(chuàng)建模板，此時(shí)生成的模板邊緣將不再包含剔除ROI部分的邊緣，即假設(shè)任務(wù)只需對(duì)工件的外形“圓形”實(shí)現(xiàn)識(shí)別不須對(duì)中間的符號(hào)進(jìn)行分類(lèi)，則先進(jìn)行的“單ORI”識(shí)別，提取邊緣包含多余的的幾何特征，影響識(shí)別精度及識(shí)別效率。再通過(guò)點(diǎn)擊ROI模式“ROI相減”及ROI類(lèi)型“圓形”，再次提取特征，阻礙判斷的多余幾何特征已被剔除。

通過(guò)模板基本參數(shù)界面，可對(duì)“起始角度”、“角度范圍”、“角度步長(zhǎng)”、“最小縮放比例”、“最大縮放比例”、“縮放步長(zhǎng)”進(jìn)行設(shè)置；亮度參數(shù)設(shè)置界面可對(duì)“金字塔層數(shù)”、“優(yōu)化選項(xiàng)”、“匹配極性”、“對(duì)比度”、“滯后對(duì)比度”、“最小尺寸”、“最小對(duì)比度”進(jìn)行設(shè)置。

參數(shù)設(shè)置及特征提取完成后，創(chuàng)建模板，便可建立模板進(jìn)行模板識(shí)別。

5 視覺(jué)系統(tǒng)作業(yè)及網(wǎng)絡(luò)設(shè)置

視覺(jué)系統(tǒng)的網(wǎng)絡(luò)設(shè)置及作業(yè)設(shè)置的目的，是建立起視覺(jué)系統(tǒng)與機(jī)器人之間的網(wǎng)絡(luò)聯(lián)系，傳輸相關(guān)的分類(lèi)參數(shù)及坐標(biāo)參數(shù)。

在作業(yè)流程欄添加“以太網(wǎng)”。點(diǎn)擊進(jìn)入“以太網(wǎng)設(shè)置界面”，服務(wù)器，即機(jī)器人端，可就“服務(wù)器IP”、“服務(wù)器端口”、“傳輸協(xié)議類(lèi)型”、“連接模式”、“站號(hào)”進(jìn)行設(shè)置。本地端口及視覺(jué)系統(tǒng)連接機(jī)器人的端口。

點(diǎn)擊工具欄的“設(shè)置”下端的“作業(yè)設(shè)置”，彈出“作業(yè)設(shè)置窗口”，可就“輸出格式”、“輸出內(nèi)容”、“輸出校驗(yàn)”、“輸出地址”進(jìn)行設(shè)置。

6 機(jī)械臂視覺(jué)配置用戶坐標(biāo)設(shè)定

機(jī)械臂用戶坐標(biāo)標(biāo)定及視覺(jué)配置的目的，是建立起機(jī)器人與視覺(jué)系統(tǒng)的網(wǎng)絡(luò)關(guān)系，使機(jī)器人能接收來(lái)自視覺(jué)系統(tǒng)的網(wǎng)絡(luò)信號(hào)，建立起機(jī)器人坐標(biāo)與視覺(jué)坐標(biāo)的對(duì)應(yīng)關(guān)系。

“視覺(jué)配置界面”可對(duì)“視覺(jué)類(lèi)型”、“網(wǎng)絡(luò)模式”、“觸發(fā)方式”、“網(wǎng)絡(luò)接收格式”、“堵塞方式”、“位置補(bǔ)償”、“坐標(biāo)設(shè)定”等進(jìn)行設(shè)置。

7 實(shí)驗(yàn)結(jié)果及其分析評(píng)價(jià)

實(shí)驗(yàn)：對(duì)隨意放置不同材料的圓形工件進(jìn)行物料物件進(jìn)行分揀（如圖2），四軸機(jī)器人每次只能抓取一個(gè)物料，因此拍攝后只對(duì)相似度最高的工件進(jìn)行位置識(shí)別，并提取出對(duì)應(yīng)工件的角度、輪廓、面積等進(jìn)行綜合判斷，從而計(jì)算出工件質(zhì)心的坐標(biāo)。

實(shí)測(cè)中視覺(jué)系統(tǒng)能準(zhǔn)確判斷三種不同物料并準(zhǔn)確分揀到對(duì)應(yīng)的料倉(cāng)，料倉(cāng)的直徑比工件大1mm，經(jīng)500次試驗(yàn)成功率99.8%。

經(jīng)過(guò)試驗(yàn)驗(yàn)證，機(jī)器視覺(jué)的工業(yè)機(jī)器人能實(shí)現(xiàn)精準(zhǔn)的分揀和定位，比傳統(tǒng)分揀更能提高工業(yè)生產(chǎn)效率，減低勞動(dòng)成本和勞動(dòng)強(qiáng)度。本文通過(guò)對(duì)視覺(jué)及機(jī)器人系統(tǒng)的搭建及相機(jī)標(biāo)定，靜態(tài)環(huán)境下工件的模板提取、識(shí)別、定位的研究，實(shí)現(xiàn)了分揀抓取。主要內(nèi)容如下：①完成機(jī)器人本體選型及傳送帶設(shè)計(jì)、視覺(jué)系統(tǒng)的選型設(shè)計(jì)、機(jī)器人程序設(shè)計(jì)。選用由伺服電機(jī)驅(qū)動(dòng)，采用吸附式取料手的四軸工業(yè)機(jī)器人；從相機(jī)及鏡頭參數(shù)選擇、照明方式、視覺(jué)工控機(jī)等方面設(shè)計(jì)了機(jī)器視覺(jué)系統(tǒng)，對(duì)主要硬件選型。②相機(jī)標(biāo)定是視覺(jué)系統(tǒng)的重要組成，標(biāo)定的好壞直接影響系統(tǒng)的精度，是系統(tǒng)精確工作的前提。以針孔模型為基礎(chǔ)對(duì)常用標(biāo)定方法簡(jiǎn)要介紹，通過(guò)ADTvision圖像處理軟件完成對(duì)相機(jī)標(biāo)定，求解出相機(jī)內(nèi)外參數(shù)和相對(duì)誤差。為目標(biāo)識(shí)別，抓取提供基礎(chǔ)經(jīng)實(shí)際實(shí)驗(yàn)，證明標(biāo)定有效可行。③通過(guò)圖像預(yù)處理、邊緣檢測(cè)、模板建立及識(shí)別，實(shí)現(xiàn)了對(duì)靜態(tài)工件的識(shí)別與定位。通過(guò)預(yù)處理減少檢測(cè)區(qū)域、通過(guò)提取工件邊緣輪廓進(jìn)行邊緣檢測(cè)與比對(duì)為分揀提供依據(jù)。通過(guò)對(duì)工件質(zhì)心定位，為抓取提供依據(jù)。④通過(guò)對(duì)視覺(jué)系統(tǒng)的網(wǎng)絡(luò)設(shè)置、作業(yè)設(shè)置，及機(jī)器人用戶坐標(biāo)的標(biāo)定，建立起視覺(jué)系統(tǒng)坐標(biāo)與機(jī)器人用戶坐標(biāo)之間的聯(lián)系，實(shí)現(xiàn)精準(zhǔn)抓取。

參考文獻(xiàn)：

[1]何家恒.基于眾為興ar5215機(jī)械臂及avs1100視覺(jué)抓取應(yīng)用[J].科技視界，2017（06）.

[2]鄭佳彤.視覺(jué)抓取機(jī)器人系統(tǒng)研究與實(shí)現(xiàn)[D].東北大學(xué)， 2013-12-07.

[3]蔣書(shū)賢.基于機(jī)器視覺(jué)的工業(yè)機(jī)器人分揀系統(tǒng)研究[D].西南交通大學(xué)，2014-12-05.