摘?要：對灌裝生產(chǎn)線上整理瓶環(huán)節(jié)的常見問題進(jìn)行了分析，通過視覺檢測技術(shù)與機(jī)器人技術(shù)的融合開發(fā)研制自動化理瓶機(jī)是保證產(chǎn)品質(zhì)量的有效手段，本文對自動化理瓶機(jī)的設(shè)計(jì)方法以及關(guān)鍵視覺算法進(jìn)行了研究。對于視覺系統(tǒng)搭建、視覺系統(tǒng)的標(biāo)定、整理瓶的多目標(biāo)分類跟蹤技術(shù)算法、delta機(jī)器人軌跡規(guī)劃及動態(tài)目標(biāo)抓取、視覺控制系統(tǒng)設(shè)計(jì)等5方面關(guān)鍵研發(fā)問題進(jìn)行了深入的論述并詳述了研究方法和具體實(shí)施方案。通過自動化理瓶機(jī)的案例展示出視覺技術(shù)在復(fù)雜環(huán)境（雜亂無章）下完成高重復(fù)度、復(fù)雜分揀、挑選、整理等繁重工作的穩(wěn)定性和高效性。

關(guān)鍵詞：理瓶機(jī);視覺技術(shù);手眼標(biāo)定;delta機(jī)器人

中圖分類號：TP391.14

在自動化瓶裝生產(chǎn)線中，理瓶時需要將雜亂無章的瓶子進(jìn)行快速整理和排序，并準(zhǔn)確地輸送到灌裝機(jī)處，瓶子的供給速度及理瓶的準(zhǔn)確性影響著瓶裝灌裝生產(chǎn)線的產(chǎn)量，制約著整個灌裝流程的自動化程度。尤其是對于異形瓶而言，目前主要通過人工進(jìn)行理瓶，由于異形瓶數(shù)量多體積大，導(dǎo)致工人工作范圍較大，走動頻繁，而且上瓶工人人數(shù)較多，工人的工作速度難以保持一致，由于勞動強(qiáng)度大[1]長時間工作容易疲勞，導(dǎo)致異形瓶錯放情況時有發(fā)生。為了解決此類問題，目前有效的方法是采用基于機(jī)器視覺檢測技術(shù)以及并聯(lián)機(jī)器人技術(shù)聯(lián)合開發(fā)研制自動化理瓶機(jī)，基于視覺技術(shù)和機(jī)器人技術(shù)的自動化分揀、整理工業(yè)自動化設(shè)備以其工作效率高、執(zhí)行速度快、可實(shí)現(xiàn)復(fù)雜工序的全自動化等優(yōu)點(diǎn)，已經(jīng)在工業(yè)自動化領(lǐng)域得到了廣泛的應(yīng)用[2]。

結(jié)合本項(xiàng)目中的實(shí)際要求，自動化理瓶機(jī)的工作原理是以進(jìn)瓶輸送帶送入瓶子，由位置檢測單元獲取瓶子的位置信息，控制裝置處理位置信息并控制抓取裝置將進(jìn)瓶輸送帶上的瓶子抓取至出瓶輸送帶上，保證瓶子直立、整齊地排列在出瓶輸送帶上并輸送至灌裝機(jī)中，實(shí)現(xiàn)了理瓶工序的全自動化，避免了人工理瓶的錯誤。本文針對自動化理瓶機(jī)的視覺系統(tǒng)組建、多目標(biāo)視覺系統(tǒng)的標(biāo)定、分類、處理方法等核心環(huán)節(jié)的設(shè)計(jì)研究過程進(jìn)行論述說明。

1 高速視覺系統(tǒng)的硬件架構(gòu)設(shè)計(jì)與搭建

高速視覺系統(tǒng)的硬件設(shè)計(jì)與選型是整個高速視覺定位技術(shù)的基礎(chǔ)，其主要包括光源選型，相機(jī)選型，鏡頭選型，高速圖像采集卡選型以及系統(tǒng)硬件總體布置方案設(shè)計(jì)。本項(xiàng)目采用基恩士公司的CV-200C彩色工業(yè)相機(jī)，有效像素點(diǎn)個數(shù)達(dá)到200萬個，鏡頭選用8mm定焦高分辨率鏡頭，采用環(huán)形LED光源。

2 視覺系統(tǒng)標(biāo)定方法研究

機(jī)器人視覺系統(tǒng)標(biāo)定也成為手眼標(biāo)定，手眼標(biāo)定的目標(biāo)是獲得攝像機(jī)坐標(biāo)系到機(jī)器人基坐標(biāo)系之間的變換關(guān)系。根據(jù)攝像機(jī)與機(jī)器人相互位置不同，手眼系統(tǒng)分為Eye-in-Hand、Eye_to_Hand[3]2種系統(tǒng)。Eye_in_Hand系統(tǒng)中攝像機(jī)安裝在機(jī)器人手部末端，隨機(jī)器人一起運(yùn)動。Eye_to_Hand系統(tǒng)中攝像機(jī)安裝在機(jī)器人本體外的固定位置，不隨機(jī)器人一起運(yùn)動。本項(xiàng)目采用Eye_to_Hand系統(tǒng)，其標(biāo)定主要包括攝像機(jī)標(biāo)定和手眼標(biāo)定兩部分。攝像機(jī)標(biāo)定主要是獲取攝像機(jī)的內(nèi)參數(shù)與外參數(shù)（攝像機(jī)坐標(biāo)系與平面靶標(biāo)坐標(biāo)系之間的變換矩陣），攝像機(jī)標(biāo)定可采用張正友[4]標(biāo)定算法。

手眼標(biāo)定標(biāo)定過程如下：機(jī)器人工具坐標(biāo)系與機(jī)器人基坐標(biāo)系之間的變換關(guān)系可由機(jī)器人控制系統(tǒng)讀取，記為T1;控制機(jī)器人末端手抓示教靶標(biāo)坐標(biāo)系上的三個點(diǎn)，由三點(diǎn)確定一個平面，可以得到機(jī)器人工具坐標(biāo)系與靶標(biāo)坐標(biāo)系之間的變換矩陣T2;由攝像機(jī)標(biāo)定可以獲得攝像機(jī)坐標(biāo)系與靶標(biāo)坐標(biāo)系之間的變換關(guān)系T3。攝像機(jī)坐標(biāo)系與機(jī)器人基坐標(biāo)系之間的變換關(guān)系T4可由式（1）進(jìn)行計(jì)算。至此，完成手眼系統(tǒng)標(biāo)定。

T4=T1×T2×T3（1）

3 整理瓶的多目標(biāo)分類跟蹤技術(shù)算法研究

對采集到的圖像進(jìn)行中值濾波去噪，然后使用背景差分法進(jìn)行圖像分割，獲取目標(biāo)二值圖像。采用形態(tài)學(xué)邊緣檢測算法完成目標(biāo)輪廓提取，然后通過形狀模板匹配算法完成被測目標(biāo)定位。在多目標(biāo)分類識別過程中，首先由目標(biāo)區(qū)域特征如面積、周長、外界幾何基元的形狀、區(qū)域凸性與緊性，以及目標(biāo)輪廓的傅里葉描述子構(gòu)成目標(biāo)特征向量，然后將目標(biāo)特征向量輸入支持向量機(jī)分類器，完成多種目標(biāo)的分類。

高速多目標(biāo)定位跟蹤技術(shù)是并聯(lián)機(jī)器人自動化理瓶機(jī)研究中的關(guān)鍵技術(shù)，該設(shè)備中目標(biāo)獲取的方式為視頻流的方式，因此需要調(diào)節(jié)相機(jī)采集周期與輸送帶運(yùn)行速度，保證相機(jī)對目標(biāo)拍攝一次或者多次，然后利用去重復(fù)算法完成單一目標(biāo)的跟蹤。通過采用時序與空間位置相結(jié)合的目標(biāo)去重復(fù)算法，能有效去除視頻流中的重復(fù)目標(biāo)，顯著提高了機(jī)械手目標(biāo)抓取的效率。

4 delta機(jī)器人軌跡規(guī)劃及動態(tài)目標(biāo)抓取

機(jī)器人軌跡規(guī)劃的目標(biāo)為在給定位移與最大加速度（電機(jī)驅(qū)動力矩）的前提下，優(yōu)化其末端執(zhí)行器的運(yùn)動軌跡，使得其運(yùn)行時間和機(jī)械振動趨于最小。針對Delta機(jī)器人高速運(yùn)動時末端加速度大，容易發(fā)生沖擊、振動，小臂細(xì)長桿容易震顫等特點(diǎn)，使用修正梯形加減速算法來控制Delta機(jī)器人的加減速。該方式加速度曲線變化柔順，無突變，能夠顯著降低Delta機(jī)器人高速運(yùn)動時的震顫。在動態(tài)目標(biāo)抓取過程中，建立了機(jī)械手動態(tài)抓取工作區(qū)域內(nèi)多個連續(xù)運(yùn)動工件的數(shù)學(xué)模型，并通過牛頓-拉夫森迭代求解該非線性數(shù)學(xué)模型，實(shí)驗(yàn)測試抓取成功率為99%，最快抓取速度為100次/min，證明該算法能夠滿足實(shí)時性要求，具有較高的穩(wěn)定性和準(zhǔn)確性。

5 視覺控制系統(tǒng)設(shè)計(jì)

視覺系統(tǒng)實(shí)時采集輸送帶圖像信息，由圖像處理分析得到輸送帶上目標(biāo)的形狀及位置等信息，并將其傳遞給運(yùn)動控制系統(tǒng)，由運(yùn)動控制系統(tǒng)根據(jù)機(jī)器人運(yùn)動控制算法控制機(jī)器人完成動態(tài)目標(biāo)的抓取任務(wù)。整個控制系統(tǒng)可劃分為視覺模塊與運(yùn)動控制模塊。為了使兩大模塊能協(xié)同工作，設(shè)計(jì)物體信息數(shù)據(jù)庫作為兩個模塊的紐帶，采用并行運(yùn)行的機(jī)制，兩個模塊在互不干擾的前提下可以最大限度的利用系統(tǒng)資源，使整個控制系統(tǒng)協(xié)調(diào)穩(wěn)定的工作。

6 結(jié)語

本文介紹了一種基于視覺技術(shù)的全自動理瓶機(jī)的設(shè)計(jì)方法以及關(guān)鍵視覺算法的研究開發(fā)過程。通過對手眼標(biāo)定、多目標(biāo)分類追蹤等核心視覺算法在本項(xiàng)目中的實(shí)際應(yīng)用，展示出視覺技術(shù)在復(fù)雜環(huán)境（雜亂無章）下完成高重復(fù)度、復(fù)雜形狀分揀、挑選、整理等繁重工作的穩(wěn)定性和高效性?；谠撍惴ǖ囊曈X檢測設(shè)備已經(jīng)在某洗衣液廠的生產(chǎn)線上得到了應(yīng)用，各項(xiàng)指標(biāo)均已達(dá)到設(shè)計(jì)要求，運(yùn)行狀態(tài)良好。

參考文獻(xiàn)：

[1]蔣笑笑，張振軍，王耀南，等.基于灰度投影梯度擴(kuò)散的PET瓶快速檢測[J].電子測量與儀器學(xué)報(bào)，2016，30（8）：1152-1159.

[2]許敏，馬鉞，陳帥.基于計(jì)算機(jī)視覺的紅棗形狀識別方法研究[J].傳感器與微系統(tǒng)，2013，32（4）：23-26.

[3]邱茂林，馬頌德，李毅.計(jì)算機(jī)視覺中攝像機(jī)定標(biāo)綜述.自動化學(xué)報(bào)，2000，26（1）：43-54.

[4]Zhang Zhengyou-.IEEE Transactions on Pattern Analysis & Machine Intelligence.2000.

作者簡介：張萌（1980-），工學(xué)碩士，講師，數(shù)控維修教研室主任，研究方向?yàn)闄C(jī)器視覺技術(shù)、數(shù)控機(jī)床故障診斷與維修技術(shù)。