王策 劉帥克 郭霆 趙茂靜 王冰浩

摘要： 本文針對基于OpenMV與Arduino兩大模塊的智能機(jī)械臂操控平臺的設(shè)計(jì)進(jìn)行研究，其主要是利用OpenMV的識別功能與Arduino的控制功能，識別后夾取并到指定區(qū)域?qū)⑽矬w放下，所使用的設(shè)計(jì)方案與制作方法具有一定的研究意義與實(shí)用意義。同時(shí)作為工業(yè)生產(chǎn)機(jī)器人，它結(jié)合了機(jī)械自動化、電子技術(shù)、電子信息技術(shù)、自動控制系統(tǒng)及人工智能技術(shù)等多種多樣的近期科研成果。本次設(shè)計(jì)的智能機(jī)械臂操控平臺從識別準(zhǔn)確率與控制精準(zhǔn)度都有著較好發(fā)揮，提升了工業(yè)生產(chǎn)的效率，在傳統(tǒng)機(jī)械臂的改造與優(yōu)化中也邁出了關(guān)鍵的一步。

關(guān)鍵詞： OpenMV識別? 機(jī)械臂? 可程序編程? Arduino控制

Intelligent manipulator control platform based on OpenMV and Arduino

WANG Ce1? ? LIU Shuaike 1? ? GUO Ting 1*? ?ZHAO Maojing1? ?WANG Binghao1

（1.College of Mechanical and Electrical Engineering，Heilongjiang Institute of Technology，Harbin，Heilongjiang Province，150050 China）

Abstract： This paper studies the design of the intelligent manipulator control platform based on the two modules of OpenMV and Arduino. It mainly uses the identification function of OpenMV and the control function of Arduino to grasp the object after identification and put it down in the designated area. The design used The scheme and production method have certain research significance and practical significance. At the same time， as an industrial production robot， it combines various recent scientific research achievements such as mechanical automation， electronic technology， electronic information technology， automatic control system and artificial intelligence technology. The intelligent manipulator control platform designed this time has a good performance in recognition accuracy and control accuracy， improving the efficiency of industrial production， and has also taken a key step in the transformation and optimization of traditional manipulators.

Key Words：OpenMV identification; Mechanical arm; Programmable; Arduino control

近些年，大家對非生產(chǎn)制造機(jī)械臂的科學(xué)研究日漸活躍。機(jī)器視覺在工業(yè)機(jī)器人上應(yīng)用不僅使機(jī)器人能夠獲知目標(biāo)物體的形狀、位置、姿態(tài)、類型和運(yùn)動狀況等信息，還能相應(yīng)地對這些信息進(jìn)行識別和處理[1]。在僅依靠視覺系統(tǒng)且與物體接觸的情況下，就可以實(shí)現(xiàn)對目標(biāo)物體的識別和定位，簡化機(jī)器人的程序流程，提高生產(chǎn)效率[2]。

類似于視覺系統(tǒng)與傳統(tǒng)機(jī)械臂相結(jié)合的課題，已然成為現(xiàn)代機(jī)械改革的熱點(diǎn)問題之一，其中不乏有像日本的精工愛普生公司（Seiko Epson Corporation）所研制的Epson G6-553S帶視覺功能的機(jī)器人[3]，瑞士的ABB公司的ABB集成視覺系統(tǒng)等優(yōu)秀產(chǎn)品的出現(xiàn)，其應(yīng)用在高速度或高精度領(lǐng)域，同時(shí)在工業(yè)生產(chǎn)反面也有不俗的發(fā)揮。

與此同時(shí)，我國相關(guān)企業(yè)在該領(lǐng)域也有相應(yīng)的研究，其主要分布在長三角和珠三角地區(qū)，一般是做系統(tǒng)集成的企業(yè)，規(guī)模大些公司的核心研發(fā)一般集中在北上廣深超一線城市，目前也開始逐步布局中上游。

同時(shí)OpenMV是一個(gè)開源、低成本、功能強(qiáng)大的視覺模塊。OpenMV上的機(jī)器視覺算法包括尋找色塊、人臉檢測、眼球跟蹤、邊緣檢測、標(biāo)志跟蹤等，所以該智能平臺選用OpenMV視覺模塊。

本文研究的智能機(jī)械臂操控平臺將視覺系統(tǒng)與傳統(tǒng)機(jī)械臂進(jìn)行有機(jī)結(jié)合，通過OpenMV進(jìn)行智能識別，將物體的顏色、形狀等信息轉(zhuǎn)換成數(shù)字信號傳輸給機(jī)械臂，輔助機(jī)械臂完成指定位置區(qū)域的物品抓取工作，可以有效提高物品抓取的精度以及工作效率進(jìn)而降低成本。

1 載體機(jī)械臂的結(jié)構(gòu)設(shè)計(jì)

在智能機(jī)械臂操控平臺的研發(fā)過程中，通過基于OpenMV技術(shù)在普通機(jī)械臂上增加視覺識別功能，識別成功后，將傳感器上獲取的信息與Arduino Uno R3主控開發(fā)板進(jìn)行通訊，進(jìn)而反饋后處理信息對機(jī)器人進(jìn)行動作操控。

研發(fā)工業(yè)生產(chǎn)機(jī)器人的手也被稱作尾端電動執(zhí)行器，這是機(jī)械臂組成的重要組成部分。本文選用步進(jìn)電機(jī)電機(jī)作為機(jī)器人平臺移動的驅(qū)動源。步進(jìn)電機(jī)驅(qū)動器根據(jù)外來的控制脈沖和方向信號，通過其內(nèi)部的邏輯電路控制步進(jìn)電機(jī)的繞組以一定的時(shí)序正向或反向通電，使得電機(jī)正向/反向旋轉(zhuǎn)或者鎖定，而步進(jìn)電機(jī)驅(qū)動器是將脈沖電流變換為角速度的電動執(zhí)行器，如圖1所示。

本文中的機(jī)械臂由包含手、腕、臂、柱等構(gòu)件的執(zhí)行器、推動和實(shí)行健身運(yùn)動的傳動系統(tǒng)及計(jì)算機(jī)指令操控的控制系統(tǒng)構(gòu)成，而構(gòu)成這一系統(tǒng)需要3個(gè)部分：圖紙和打印;編程;調(diào)試和組裝。智能機(jī)械臂的制作流程如圖2所示。

智能機(jī)械臂操控平臺的原理是利用OpenMV技術(shù)在普通機(jī)械臂上增加視覺識別功能，OpenMV識別成功后，信息將傳輸?shù)紸rduino Uno R3主控開發(fā)板，Arduino Uno R3按程程序?qū)︱?qū)動裝置進(jìn)行控制。智能機(jī)械臂的調(diào)試過程如圖3所示。

根據(jù)工作要求，機(jī)械爪的開度范圍設(shè)計(jì)為0～90°。機(jī)械結(jié)構(gòu)的基本要求是選擇刀具參數(shù)的依據(jù)，也是根據(jù)機(jī)械設(shè)計(jì)依據(jù)選擇參數(shù)的參考[4]。根據(jù)齒輪標(biāo)準(zhǔn)初步選取標(biāo)準(zhǔn)參數(shù)如下：壓力角α為20°，齒頂高系數(shù)ha*為1，齒頂尖系數(shù)c*為 0.25（標(biāo)準(zhǔn)齒輪）;并且此執(zhí)行裝置為低速及對精度要求也較低，即精度等級選擇為 9 級精度，速度v≤3m/s;材料選擇按上述分析，選擇HT200硬度為200HBW;初選齒數(shù)為Z1=10;Z2=15。按齒面接觸疲勞強(qiáng)度設(shè)計(jì)，如式1。

（1）

根據(jù)工作條件查表，選取載荷系數(shù)K=1.2。

（1）齒輪的傳遞扭矩T，如式（2）、式（3）所示

（2）

（3）

末端執(zhí)行器提升質(zhì)量要大于1kg，即以2kg為基礎(chǔ)進(jìn)行計(jì)算：F=20N，可得結(jié)論p=0.06kW。

（4）

經(jīng)過式（4）計(jì)算，可得n=955r/min，即T=600N·m。

（2）根據(jù)齒寬系數(shù)表，ψ=1

（3）根據(jù)材料的彈性系數(shù)表Z≤143.7 ;標(biāo)準(zhǔn)齒Z=2.5;

（4）依據(jù)齒面強(qiáng)度查得傳動齒輪的觸及疲憊屈服極限 =330MPa;

（5）計(jì)算應(yīng)力循環(huán)次數(shù)N，如式（5）所示。

N=60njLh? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （5）

N=60×5×1×（12×300×6）=6.5×102

（6）由接觸疲勞壽命系數(shù)圖查得L=1.

（7）計(jì)算許用接觸應(yīng)力：

取無效幾率為1%，安全性能S=1，由傳動齒輪的許用接觸壓力公式（6）計(jì)算，計(jì)算可得。

（6）

[ ] = 363MPa

（8）計(jì)算齒輪分度圓直徑d，如式（7）。

（7）

（9）確定齒輪參數(shù)，運(yùn)用式（8），計(jì)算齒輪模數(shù)。

（8）

由圓柱齒輪標(biāo)準(zhǔn)模數(shù)系列表選取模數(shù)m為2mm，應(yīng)用式（9）可得分度圓直徑，進(jìn)而應(yīng)用式（10）可得齒寬參數(shù)。

d=20mm? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （9）

b=10mm? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（10）

根據(jù)齒輪參數(shù)利用UG的有限元分析如圖4所示。

根據(jù)有限元分析來看，齒輪的內(nèi)邊緣承載較大應(yīng)力，其次在兩個(gè)齒輪的嚙合部分應(yīng)力要大于齒輪其他非嚙合部分，通過計(jì)算得出應(yīng)力較大的部分應(yīng)力值為231.37MPa并且根據(jù)結(jié)構(gòu)強(qiáng)度要求，許用應(yīng)力為363MPa，根據(jù)強(qiáng)度校核計(jì)算能夠看出齒輪強(qiáng)度符合許用條件，選用齒輪參數(shù)為：

（1）m1=2 壓力角=20°分度圓d=20 齒頂高h(yuǎn)a=2 齒根高h(yuǎn)f=3 全齒高h(yuǎn)=4

（2）m1=2 壓力角=20°分度圓d=30 齒頂高h(yuǎn)a=2 齒根高h(yuǎn)f=3 全齒高h(yuǎn)=4。

本文中載體機(jī)械臂的控制結(jié)構(gòu)，多方面對比下選用步進(jìn)電機(jī)與舵機(jī)，電源方面選用LSX-25-12型開關(guān)電源與LM2596S DC-DC可調(diào)降壓模塊。

2 實(shí)現(xiàn)機(jī)械臂可視化的基本過程

智能操控平臺在工作時(shí)，需要利用視覺識別系統(tǒng)分析處理數(shù)值來操控載體機(jī)械臂。本文介紹利用基于OpenMV軟件開發(fā)的一種圖像信號處理軟件系統(tǒng)，對可夾取的物體進(jìn)行識別及夾取運(yùn)輸。

視覺識別攝像頭安裝在操控載體運(yùn)動機(jī)械臂的一個(gè)前端感光執(zhí)行器上，當(dāng)所有的需要主機(jī)夾取的各種物品同時(shí)進(jìn)入并達(dá)到視覺攝像頭智能識別指定區(qū)域的范圍時(shí)候，通過圖像識別控制系統(tǒng)處理采集到的圖像，并自動識別并輸出主機(jī)所需要被夾取到的物品，返回后將參數(shù)輸入到總線的控制管理系統(tǒng)內(nèi)，從而可以使載體機(jī)械臂實(shí)時(shí)得到夾取物品的位置參數(shù)并對其進(jìn)行準(zhǔn)確的自動搬運(yùn)[5]。主機(jī)選取一個(gè)OpenMV4h7作為主機(jī)硬件感光控制器，采用所有OpenMV主機(jī)自帶的兩個(gè)ov7725感光控制元件的視覺攝像頭，觸摸監(jiān)控屏的顯示屏作為控制系統(tǒng)屏對圖像進(jìn)行顯示與用戶界面控制操作，先期調(diào)試采用移動計(jì)算機(jī)軟件進(jìn)行系統(tǒng)編程與硬件調(diào)試。圖5和圖6是OpenMV視覺識別系統(tǒng)的程序圖及效果圖。

采用基于OpenMV軟件開發(fā)的處理系統(tǒng)，通過利用前端圖像執(zhí)行器上的多個(gè)攝像頭自動獲得所符合需求的夾取的單個(gè)物品的二維色彩圖像，使用圖像增強(qiáng)分析技術(shù)對其進(jìn)行圖像優(yōu)化，再通過利用基于lab夾取圖像的二維色彩閾度特性分析來精確分割夾取物品與圖像背景。解決方案由二維圖像數(shù)據(jù)采集、圖像增強(qiáng)、lab圖像色彩閾度數(shù)值特性分割、圖像識別模塊組成。

在對圖像增強(qiáng)的處理過程中首先需要采取原始物品局部圖像銳化，調(diào)用函數(shù)“placimg.laplacian（）”對經(jīng)過圖像增強(qiáng)獲取后處理得到的原始圖像處理過的物品圖像局部輪廓圖像中的輪廓軌跡進(jìn)行銳化后并補(bǔ)償進(jìn)行處理。原始物品局部圖像銳化補(bǔ)償處理主要目的之一也就是為了能夠讓原始處理物品圖像的某些重要細(xì)節(jié)如物品局部輪廓邊緣、頂點(diǎn)等更加清晰、突出、尖銳，是一種可以用于銳化補(bǔ)償物品局部圖像輪廓、突出物品局部邊緣輪廓邊界完整信息的能使圖像輪廓處理良好的新方法。銳化后的處理物品局部圖像輪廓比之前處理原圖平滑，增強(qiáng)了原始處理物品圖像中原始處理物品的輪廓局部圖像輪廓局緣邊界完整信息，將原始處理物品的圖像輪廓局部邊界完整的信息通過圖像檢測結(jié)果表現(xiàn)顯示出來。

由于經(jīng)過圖像色彩增強(qiáng)圖像銳化后的彩色圖像很有可能還是會直接銳化造成新的色彩變而圖像中的顏色或者質(zhì)量變化可能也會有一定的變化幅度或者降低，使得彩色圖像不逼真，且經(jīng)過圖像增強(qiáng)過的彩色圖像也有可能會對彩色圖像銳化處理過程中的視頻噪聲和圖像點(diǎn)差等元素可能有一定的幅度影響或者放大[6]。故此，通過彩色后的單或雙邊彩色視頻信號濾波對彩色圖像功能可以直接進(jìn)行銳化后的處理，調(diào)用函數(shù)“：aimg.bilateral（）”，對銳化后的彩色圖像功能可以直接進(jìn)行彩色后的單或雙邊彩色視頻信號濾波合并進(jìn)行銳化處理。

基于OpenMV的顏色識別與追蹤算法[7]，關(guān)鍵在于進(jìn)行圖像二值化.二值化圖像是經(jīng)過二值化后的圖像，有黑、白兩種狀態(tài)二值化在圖像識別中非常常見，通過OpenMV標(biāo)準(zhǔn)庫中sensor .snapshot（）獲取圖像，進(jìn)行二值化處理后再通過閾值編輯器調(diào)整得到想要識別顏色的LAB顏色空間閾值。圖7是閾值編輯器檢測示例，通過OpenMVIDE軟件中的閾值編輯器離線設(shè)置LAB數(shù)值為（44，95.-23.-90.58.-11），可以得到綠色圓形小球的二值化圖像，其中的白色索即為被跟蹤的像索點(diǎn)，記下當(dāng)前閾值，通過閾值比對來判斷顏色，小于定值即可認(rèn)定顏色。

OpenMV對色塊追蹤的實(shí)現(xiàn)所采用的方法是CamShift算法，該算法以Mean- Shift算法為基礎(chǔ)，具備自主調(diào)節(jié)搜索窗口適應(yīng)目標(biāo)大小的能力，優(yōu)點(diǎn)是可以隨跟蹤視頻中目標(biāo)尺寸的變化而變化。

由于RGB色彩空間對光線條件的改變比較敏感，因此將輸入圖像轉(zhuǎn)換到HSV顏色空間，在轉(zhuǎn)換后的HSV顏色空間里選擇初始搜索窗口作為目標(biāo)區(qū)域，分離出H分量做該區(qū)域的顏色直方圖模型[7]。接著把目標(biāo)區(qū)域內(nèi)的像索點(diǎn)與得到的顏色直方圖模型像素點(diǎn)進(jìn)行對比，可以得到該像索點(diǎn)是目標(biāo)像素點(diǎn)的概率，區(qū)域外的概率為0;把得到的相似概率轉(zhuǎn)換為0～255的灰度值即可得到反向投影圖，反向投影圖中越亮的點(diǎn)表示相似概率越大。

在OpenMV視覺系統(tǒng)完成識別之后，將OpenMV和Arduino如圖8形式連接，OpenMV將所識別物品信息進(jìn)行處理傳輸至Arduino控制板[8]，Arduino執(zhí)行相應(yīng)信息來控制機(jī)械臂的行動，實(shí)現(xiàn)機(jī)械臂的可視化。

3 結(jié)語

本次設(shè)計(jì)的利用OpenMV結(jié)合機(jī)械臂所設(shè)計(jì)的視覺機(jī)器人工作站根據(jù)在無人參與的要求下，并在其基礎(chǔ)上做了一些改進(jìn)，使其更加靈活、穩(wěn)定，讓其更加符合需求，并在一定程度上做出了一些小小的創(chuàng)新，采用此機(jī)械臂完全可以完成脫機(jī)需求，如果運(yùn)用到實(shí)際中效果可能會更加驚艷。本次設(shè)計(jì)進(jìn)行了脫機(jī)運(yùn)行，可以在沒有電腦控制的情況下自行運(yùn)行，實(shí)現(xiàn)自主識別抓取。

參考文獻(xiàn)

[1] Lu Hao， Liu Junxiu， Luo Yuling et al. An autonomous learning mobile robot using biological reward modulate STDP[J].Neurocomputing，2021，458.

[2] 張佳路，任彬，趙增旭.基于顏色識別的智能物料搬運(yùn)機(jī)器人[J].自動化應(yīng)用，2020（1）：59-61.

[3] 王樂.基于視覺伺服的工業(yè)機(jī)器人控制技術(shù)研究[D].南京：南京林業(yè)大學(xué)，2012.

[4] 苗淑杰，劉喜平.機(jī)械設(shè)計(jì)基礎(chǔ)[M].北京：北京大學(xué)出版社，2012.

[5] 李思熠，王少坤.基于 OpenMV 和 Arduino 的智能巡線機(jī)器人[J].科技與創(chuàng)新，2020（22）：50-53.

[6] 楊超.數(shù)字圖像增強(qiáng)技術(shù)研究與實(shí)現(xiàn)[J].電腦編程技巧與維護(hù)，2018（9）：138-139.

[7] 張平.基于OpenMV的輔助進(jìn)食機(jī)械手系統(tǒng)的研究與設(shè)計(jì)[D].南昌：江西理工大學(xué)，2019.

[8] 黃凱文，趙煜，黃玲，等.基于機(jī)械視覺的Arduino智能物流配送車 [J].河南科技.2021，40（22）：20-23.

基金項(xiàng)目：黑龍江省自然科學(xué)基金（項(xiàng)目編號：LH2021D015）;黑龍江工程學(xué)院博士基金（項(xiàng)目編號：2017BJ11）;黑龍江工程學(xué)院大學(xué)生創(chuàng)新創(chuàng)業(yè)項(xiàng)目（項(xiàng)目編號：201911802051）

作者簡介：王策（2000—），男，本科在讀，研究方向?yàn)楣I(yè)機(jī)器人技術(shù)。劉帥克（2002—），男，本科在讀，研究方向?yàn)楣I(yè)機(jī)器人技術(shù);

通信作者簡介：郭霆（1982—），男，博士，講師，研究方向?yàn)闄C(jī)器人結(jié)構(gòu)優(yōu)化及流體動力學(xué)。E-mail：gt_hljit@foxmail.com