（茂名開放大學，廣東茂名 525000）

0 引言

為提高產(chǎn)品的核心競爭能力、拓寬市場范圍，最近幾十年包裝行業(yè)得到了迅速發(fā)展，因此對包裝設(shè)備以及附屬配置的智能化、智能化要求越來越高[1]。從調(diào)查結(jié)果來看，當前國內(nèi)大多數(shù)包裝企業(yè)仍舊采用人工實現(xiàn)重復性拾取作業(yè)，尤其是中小企業(yè)。在某種程度上，人工拾取不僅勞動強度大而且容易造成二次污染，特別是食品包裝[2-5]。產(chǎn)品包裝不合格一方面會導致企業(yè)生產(chǎn)成本大幅度提高，另一方面會降低產(chǎn)品競爭力，造成不良影響。為解決此問題，需要在包裝生產(chǎn)線自動化程度上下功夫，同時附屬機械手的配置可以實現(xiàn)物料的自動抓取和分類。一般情況下，機械手主要包括兩種基本形式，即：并聯(lián)式機械手和串聯(lián)式機械手。實際使用效果表明：并聯(lián)機械手動態(tài)性能比較好、響應(yīng)速度較快而且整體質(zhì)量輕，更加適合塊狀物料包裝[6-7]。

隨著機器視覺技術(shù)發(fā)展，越來越多的研究者將機器視覺引入到機械手控制系統(tǒng)中。視覺控制可以根據(jù)物料圖像分辨出其具體位置，執(zhí)行機構(gòu)迅速做出響應(yīng)完成相關(guān)拾取操作[8-10]。仲訓杲等針對智能機器人抓取識別問題，利用多模特征深度學習與融合的方法，提高了抓取判別的精確性[11]。王修巖等針對工業(yè)裝配生產(chǎn)線的自動裝配問題，利用單目視覺技術(shù)設(shè)計了一種機器人自動識別和智能抓取結(jié)構(gòu)，該方法具有較好地識別效果和實時性[12]。李星云等為解決工業(yè)機器人準確抓取和擺放工件問題，設(shè)計了一種處理簡單、計算準確的單目視覺定位系統(tǒng)，可滿足生產(chǎn)過程對工件空間定位和姿態(tài)測量的要求[13]。朱良等設(shè)計了一種6自由度工業(yè)機器人，利用機器視覺和相關(guān)數(shù)學運算實現(xiàn)了積木規(guī)則擺放[14]。

本文在現(xiàn)有研究的基礎(chǔ)上，將雙目視覺引入到包裝分揀過程，設(shè)計一種基于預(yù)測算法的機械手視覺伺服控制，并通過實驗驗證所述方法的優(yōu)勢。

1 定位分揀系統(tǒng)

1.1 系統(tǒng)結(jié)構(gòu)

基于機器視覺的機械手定位分揀系統(tǒng)主要包括：CCD工業(yè)相機、圖像采集卡、機械手、關(guān)節(jié)控制器、主機、工作臺等。其中工業(yè)相機，一共兩個，固定在機器人末端執(zhí)行器上，跟隨機器人一起運動?？傮w來說，機器人視覺伺服控制由運動控制、控制量計算以及視覺處理等幾個主要部分組成。在圖像平面內(nèi)，利用工業(yè)相機所獲取圖像的特征和期望圖像特征之間差值實現(xiàn)視覺反饋，根據(jù)該差值獲取對應(yīng)控制量，然后將控制量發(fā)送到機器人控制器，進而驅(qū)動機械手各關(guān)節(jié)運動。如果期望圖像特征和實時圖像特征趨近一致，則表明伺服控制已經(jīng)完成[15]。定位分揀系統(tǒng)結(jié)構(gòu)如圖1所示。

1.2 雙目視覺模型

對于該視覺伺服控制系統(tǒng)，兩臺工業(yè)相機平行放置，成像平面分別為x-y平面和l-y平面。從圖中可以看出：兩個成像平面的x軸同線、y軸相同、軸z1和軸z2平行且垂直于x-y平面。假設(shè)左工業(yè)相機成像平面坐標原點o1和原點O重合，成像系統(tǒng)焦距等于物距。兩工業(yè)相機之間的距離為 S，物點坐標為 P（x，y，z）。雙目視覺模型如圖2所示。

在左成像平面內(nèi)，物點坐標可表示為p1（-x，-y）；在成像平面內(nèi)，物點坐標可表示為 p2（l，-y）；文 中 使 用 來 描 述 物 點 坐 標cP=[X Y Z]T；機械手末端執(zhí)行器速度可用u=[TXTYTZpXpYpZ]T來描述；工業(yè)相機焦距用f來描述；兩相機光軸距離用B描述。那么雙目立體視覺模型可表示為：

定義運動物體上任意一個特征點為mi=[x y l]T，那么其速度和末端執(zhí)行器的速度u之間滿足：

式（2）中Ji（mi）表示特征點圖像雅克比矩陣。由此可得運動物體視覺伺服系統(tǒng)的狀態(tài)方程為：

2 視覺伺服控制

滑?？刂圃跈C械手臂、機器人、航空航天等領(lǐng)域的應(yīng)用十分廣泛，主要是因為其具有結(jié)構(gòu)簡單，對外界干擾不敏感等特點，可很好地解決一些非線性問題。在視覺伺服控制系統(tǒng)中，文中以滑?？刂茷榛A(chǔ)設(shè)計了一種機械手視覺定位控制器。該控制器主要包括兩部分，一是滑模面切換函數(shù)設(shè)計；二是滑模控制規(guī)律設(shè)計。結(jié)合上述兩個部分可實現(xiàn)實際圖像特征δ和期望圖像特征δd之間偏差小于給定閾值。

高校圖書館創(chuàng)業(yè)發(fā)展模式與協(xié)作構(gòu)建模式相結(jié)合。創(chuàng)業(yè)發(fā)展模式主要是各專業(yè)的師生共同參與，互相商討與切磋，各展所長，共同進行產(chǎn)品研發(fā)，促進創(chuàng)業(yè)萌芽，將idea變成現(xiàn)實。同時，隨著創(chuàng)客空間的發(fā)展，鑒于協(xié)作構(gòu)建模式的優(yōu)勢，該種模式在高校圖書館創(chuàng)客空間的構(gòu)建上，也逐漸采用。

文中選定滑模面切換函數(shù)s為：

如式（2）和式（3）所示，為便于描述，文中使用圖像雅克比矩陣J來描述機械手末端執(zhí)行器在運動空間的速度r˙和目標在圖像特征空間中的運動之間滿足以下關(guān)系：

那么機械手視覺滑模定位控制規(guī)律可描述為：

式（6）中J+表示圖像雅克比矩陣偽逆矩陣；其中Φ-1=diag（φi），φi表示第i個運動方向上滑模面的邊界層厚度而且滿足φi＞0；sat（.）表示一種飽和函數(shù)，可定義為：

所述機械手為手眼構(gòu)型，工業(yè)相機隨機械手運動而運動，那么則有d=0，所以式（8）可轉(zhuǎn)換為：

定義機械手任意一個運動方向的控制率為ui，對其相應(yīng)李雅普諾夫函數(shù)求導可以得到：

由式（11）和式（12）可以看出：機械手任意方向上的視覺滑?？刂坡蓪?yīng)的李雅普諾夫函數(shù)均滿足V˙＜0，表明所設(shè)計的視覺定位規(guī)律是十分穩(wěn)定的。綜上所述，機械手視覺滑模定位控制規(guī)律（6）可使機械手運動趨向期望圖像特征。

3 試驗研究

3.1 試驗裝置

為驗證所述控制方法的可行性和有效性，文中進行了相關(guān)試驗研究。試驗裝置結(jié)構(gòu)如下：

視覺傳感器即工業(yè)相機的型號為Basler生產(chǎn)的ACA1600-20GM以及Computar生產(chǎn)的M1614-MP，相機分辨率為1600×1200，該兩個相機均采用高清晰、低噪聲的CCD成像技術(shù)，可通過Gige接口與控制器進行通信。

圖像采集卡型號為PWLA8492MT，其配有兩個千兆以太網(wǎng)口。

機械手則選用六自由度安川機械手，其作為主要執(zhí)行機構(gòu)。

試驗裝置如圖3所示。

3.2 試驗結(jié)果

進一步地，文中設(shè)定目標物的數(shù)目為6，目標物形狀包括圓形、方形和三角形。對每個目標均進行100次抓取試驗，記錄實際位置并計算平均值。同時從示教器中獲取理論抓取點的坐標。作為對比，文中基于傳統(tǒng)控制方法，即沒有加入滑?？刂?，進行同樣的試驗。通過比較理論位置和實際位置可以得到控制偏差，試驗結(jié)果如表1所示。

表1 試驗結(jié)果

由表1可得：基于本文所述方法，抓取點實際值和理論值之間偏差的平均值為1.154 mm，最大值為1.543 mm；對比而言，采用傳統(tǒng)方法，實際值和理論值之間偏差的平均值為2.554 mm，最大值為2.907 mm。試驗結(jié)果表明：基于滑?？刂频臋C器視覺定位控制能夠明顯地提高機械手分揀精度，可以滿足相關(guān)行業(yè)需求。

實驗時，在待分揀物、分揀速度和機械手運動軌跡一致的情況下，連續(xù)工作30 min，采用本文方法能完成：圓形分揀151 8個，方形物分揀152 2個，三角形分揀150 9個；傳統(tǒng)方法完成：圓形分揀138 2個，方形物分揀138 5個，三角形分揀137 2個。分揀精度提高直接使機械手的分揀效率得到了提升。在相同時間內(nèi)，分揀效率可以提高約10%。

4 結(jié)語

以包裝過程物料分揀為研究對象，將雙目視覺引入到分揀控制系統(tǒng)中。同時基于滑?？刂圃O(shè)計了一種機器視覺定位控制器，用于提高機械手的分揀精度。試驗結(jié)果表明：所述分揀控制方法能夠提高機械手的分揀精度而且分揀效率也有所提高?；陔p目視覺的包裝分揀技術(shù)可以滿足相關(guān)行業(yè)需求，具有一定的應(yīng)用和推廣價值。