王連慶，錢 莉

（上海工程技術(shù)大學(xué) 機(jī)械與汽車工程學(xué)院，上海 201620）

0 引言

隨著科技的進(jìn)步與發(fā)展，人們對自動化領(lǐng)域提出了無人工廠，高精度裝配等理念，這些理念的核心作用就是降低人工參與度。而工業(yè)機(jī)器人[1]的出現(xiàn)，一定程度上滿足了人們對自動化行業(yè)提出的要求。如今越來越多的工業(yè)機(jī)器人系統(tǒng)集成了視覺接口，利用視覺技術(shù)配合機(jī)械手實(shí)現(xiàn)目標(biāo)物體的定位，分類，檢測。機(jī)器視覺的核心就是將相機(jī)采集的圖像進(jìn)行處理，提取圖像的特征信息[2]，來判斷圖像上層語義，進(jìn)而替代人眼和人腦完成約定任務(wù)，甚至可以完成特殊環(huán)境下人眼無法完成的任務(wù)。除此之外視覺技術(shù)還運(yùn)用在虛擬現(xiàn)實(shí)[3]，汽車導(dǎo)航[4]，瑕疵檢測等領(lǐng)域。本文運(yùn)用機(jī)械手與視覺技術(shù)的結(jié)合，將物料盒中的無序物料進(jìn)行識別，定位，并引導(dǎo)機(jī)械手進(jìn)行抓取，有序放入物料盒中。

1 系統(tǒng)的硬件組成與搭建

1）CCD相機(jī)：相機(jī)采用大華公司A3600MG18型號相機(jī)，使用千兆網(wǎng)卡與工控機(jī)通訊，安裝在物料盒，來料盒上方，與機(jī)械人末端下方。

2）鏡頭：鏡頭采用日本COMPUTAR公司的25mm標(biāo)準(zhǔn)鏡頭。

3）計(jì)算機(jī)：采用研華公司的工控計(jì)算機(jī)，軟件運(yùn)行環(huán)境為Window10，Visual Studio 2017 C#，CPU：Intel i5-4800，RAM：12GB。

4）光源：光源采用上海愷威光電科技的LED環(huán)形光，此款源可以減少相機(jī)曝光時間，提高圖像質(zhì)量。

5）機(jī)器人：采用雅馬哈YK500-600XGL四軸機(jī)械手。該機(jī)械手末端重復(fù)精度可達(dá)到0.005mm，編程簡單，采用TCP/IP協(xié)議與工控機(jī)通訊。

機(jī)器人視覺引導(dǎo)無序抓取系統(tǒng)整體硬件的搭建如圖1所示。

圖1 機(jī)器人視覺引導(dǎo)無序抓取整體硬件的搭建

2 機(jī)器人視覺引導(dǎo)無序抓取系統(tǒng)的工作流程

本系統(tǒng)中3只相機(jī)分別安裝在物料盒的上方，來料盒的上方，和機(jī)械手位置2的正下方，保持相機(jī)安裝與工作臺垂直。3只相機(jī)的目的是分別對物料盒放置物料的圓形凹槽，來料盒中的無序來料，和機(jī)械手末端圓形吸料吸嘴進(jìn)行定位。工作流程的第一步是將3只相機(jī)與機(jī)械手做一次聯(lián)合標(biāo)定，將3只相機(jī)與機(jī)械手標(biāo)定至同一坐標(biāo)系下即將圖像從像素坐標(biāo)系轉(zhuǎn)化到機(jī)械手基坐標(biāo)系下。第二步將機(jī)械手運(yùn)動至位置3，相機(jī)2采集圖像，對圖像進(jìn)行處理，定位物料中心在機(jī)械手基坐標(biāo)坐標(biāo)系下的坐標(biāo)，同時相機(jī)3采集圖像，定位機(jī)械手圓形吸嘴中心在機(jī)械手基坐標(biāo)下的坐標(biāo)。將兩坐標(biāo)進(jìn)行解算，解算出機(jī)械手需要運(yùn)動的關(guān)節(jié)信息，通過網(wǎng)絡(luò)協(xié)議傳輸至機(jī)械手控制端，機(jī)械手運(yùn)動至位置2對物料進(jìn)行吸取。第三步相機(jī)1進(jìn)行拍照對物料盒放置物料的圓形凹槽中心進(jìn)行定位，同時將機(jī)械手移動至位置3，利用相機(jī)3對機(jī)械手已吸取物料中心進(jìn)行拍照定位，通過兩定位坐標(biāo)再次解算出機(jī)械手需要運(yùn)動的關(guān)節(jié)信息。操作機(jī)械手運(yùn)動至位置1圓形凹槽上方釋放物料，完成機(jī)械手的搬運(yùn)任務(wù)，往復(fù)工作直到物料盒為空。從而實(shí)現(xiàn)機(jī)械手無序抓取物料并有序放置的任務(wù)，具體工作流程如圖2所示。

圖2 視覺引導(dǎo)抓取系統(tǒng)工作流程

3 機(jī)器人視覺引導(dǎo)無序抓取系統(tǒng)定位技術(shù)解析

3.1 相機(jī)自身的標(biāo)定

相機(jī)的針孔成像模型與小孔成像原理[5]類似，如圖3所示，成像平面所呈的像為實(shí)際物體倒立的像，相機(jī)內(nèi)部在做圖像處理的時候會將圖像進(jìn)行倒立，放縮，使圖像與實(shí)際物體一致。根據(jù)小孔成像原理我們可以把相機(jī)的成像效果等價與平面的成像效果。

圖3 針孔成像原理

根據(jù)小孔成像原理我們可以把相機(jī)模型分為相機(jī)坐標(biāo)系，圖像坐標(biāo)系，像素坐標(biāo)系，世界坐標(biāo)系，圖像坐標(biāo)系和像素坐標(biāo)系在平面π1上，將平面π1放大后如圖4所示，左上角O0定義為圖像的像素坐標(biāo)系原點(diǎn)，u和v分別為X和Y軸。點(diǎn)O為圖像坐標(biāo)系的原點(diǎn)，x和y分別為坐標(biāo)系的X，Y軸。我們假設(shè)相機(jī)成像形狀為矩形，每個像素在x軸與y軸的物理尺寸為dx與dy，單位為mm/px，假設(shè)在像素坐標(biāo)系下存在一點(diǎn)（u，v），在圖像坐標(biāo)系下為（x，y），則有以下對應(yīng)關(guān)系：

圖4 圖像坐標(biāo)系

我們將式(1)轉(zhuǎn)化為矩陣表達(dá)式有

相機(jī)坐標(biāo)系如圖3中OC-XCYCZC，其中XC，YC與圖像坐標(biāo)系中的X軸，Y軸同軸，ZC與成像平面垂直，OCC為光心到成像平面的距離即相機(jī)的焦距，假設(shè)距離為f，我們將相機(jī)坐標(biāo)系下的一點(diǎn)p1（X，Y，Z）投影到圖像坐標(biāo)系中得到p2（x，y），則有對應(yīng)關(guān)系

綜合考慮式(2)和式(3)可以推出像素坐標(biāo)系到相機(jī)坐標(biāo)系的關(guān)系

世界坐標(biāo)系如圖3中OW-XWYWZW，在世界坐標(biāo)系中有一點(diǎn)（XW，YW，ZW），在相機(jī)坐標(biāo)系下有一點(diǎn)（X，Y，Z），我們將兩坐標(biāo)轉(zhuǎn)化為齊次坐標(biāo)就有對如下應(yīng)關(guān)系：

MW為相機(jī)的外參，即相機(jī)坐標(biāo)系到世界坐標(biāo)系的轉(zhuǎn)化關(guān)系。綜合式(4)、式(5)我們可以得出以下公式，該公式表達(dá)了像素坐標(biāo)系到世界坐標(biāo)系的轉(zhuǎn)化關(guān)系。即可以將實(shí)物從外部的三維世界轉(zhuǎn)化為二維平面。

根據(jù)式(6)我們就可以通過相機(jī)拍攝不同位置的標(biāo)定板，求解出相機(jī)的內(nèi)參和外參。

3.2 機(jī)器人與相機(jī)之間的標(biāo)定

在進(jìn)行相機(jī)標(biāo)定時，我們可以獲得相機(jī)的內(nèi)外參數(shù)，但是在進(jìn)行視覺引導(dǎo)時已知這些參數(shù)是遠(yuǎn)遠(yuǎn)不夠的，需要對機(jī)械手和相機(jī)之間進(jìn)行標(biāo)定，獲得機(jī)械手基坐標(biāo)系和像素坐標(biāo)系之間的關(guān)系，才可進(jìn)行視覺引導(dǎo)。

在此套系統(tǒng)中采用的Eye-on-Hand[7，8]的標(biāo)定方式，Eye-on-Hand系統(tǒng)即眼在手外系統(tǒng)，將相機(jī)固定在某一位置，標(biāo)定板固定在機(jī)械手末端，保持相機(jī)與標(biāo)定片平面處于垂直狀態(tài)，如圖5所示。

圖5 固定相機(jī)手眼關(guān)系

從上述轉(zhuǎn)換關(guān)系我們可以得到以下等式

只要對該方程求解就可以獲得手眼標(biāo)定的結(jié)果。過于解上述方程需要足夠多的位置移動，考慮到過擬合問題和誤差較小兩個問題，我們需要保證一個足夠大的平面來進(jìn)行標(biāo)定。

3.3 基于灰度特征的模板匹配定位算法

圖像的提取特征[9]和模板匹配[10]是機(jī)械手對目標(biāo)物體定位最重要的步驟，對于目標(biāo)圖像我們可以提取它的幾何特征，直方圖信息[11]，灰度信息等作為匹配的特征要素。成功提取特征后還需要利用搜索匹配算法來實(shí)現(xiàn)模板與目標(biāo)圖像之間的匹配。模板匹配的運(yùn)算時間直接決定整個系統(tǒng)的運(yùn)行時間，因此我們在考慮準(zhǔn)確性的同時還要盡量縮小算法的運(yùn)算時間。

常用的匹配算法有提取灰度信息和幾何特征?；趲缀翁卣鞯钠ヅ渌惴╗12]是提取目標(biāo)物體的外部輪廓，對輪廓進(jìn)行對比匹配。基于灰度信息的匹配算法[13]是比較相同位置灰度的差值，選取差值最小處或者達(dá)到最小閾值則為成功匹配?；诨叶忍卣鞯钠ヅ渌惴ㄔ砗唵?，也相對成熟。因此本系統(tǒng)優(yōu)先采用的基于灰度特征的模板匹配算法。

我們采用模板圖像與目標(biāo)圖像所有灰度值差值的平方和作為其相似性度量標(biāo)準(zhǔn)。設(shè)模板圖像為W×H個像素，模板與目標(biāo)圖像評價函數(shù)如下：

將上述式(9)歸一化后有：

T(m，n)和D(i+m，j+n)分別為模板圖像在(m，n)坐標(biāo)下的像素，目標(biāo)圖像在(i+m，i+n)坐標(biāo)下的像素值，通過為每一個位置像素之差求平方和來評價模板圖片與目標(biāo)圖片的相似度。評價函數(shù)的得分越低說明模板圖片和目標(biāo)圖片的匹配程度越高。該方法設(shè)置閾值后，可以在目標(biāo)圖像中找個多個與模板相似的圖片，符合本套系統(tǒng)的設(shè)計(jì)一致。

圖6為模板圖片，基于該模板特征提取灰度信息，在目標(biāo)圖片圖7中綠色框內(nèi)為目標(biāo)圖片與模板重合的區(qū)域，紅色部分表示匹配上但是得分較低的區(qū)域?？梢钥闯銎ヅ錅?zhǔn)確性比較高，結(jié)果可以作為實(shí)際定位結(jié)果。

圖6 模板圖片

圖7 目標(biāo)圖片

4 實(shí)驗(yàn)

我們利用雅馬哈YK500-600XGL四軸機(jī)械手，?？?00萬相機(jī)，研華工控機(jī)對該系統(tǒng)進(jìn)行驗(yàn)證。實(shí)驗(yàn)圖如圖11所示。

圖11 實(shí)際驗(yàn)證硬件架設(shè)

首先確定機(jī)械手與上位機(jī)的通信方式，本次實(shí)驗(yàn)采取TCP/IP通訊方式，編寫該系統(tǒng)上位機(jī)，上位機(jī)界面中包含了機(jī)器人標(biāo)定點(diǎn)位，機(jī)器人試教點(diǎn)位，匹配圖像顯示界面等。其次確定機(jī)械手末端采用氣動吸嘴，實(shí)現(xiàn)機(jī)械手對物料的抓取與釋放。

進(jìn)行實(shí)驗(yàn)前我們利用棋盤格對該系統(tǒng)進(jìn)行相機(jī)內(nèi)外參標(biāo)定，手眼標(biāo)定。在機(jī)械手進(jìn)行抓取之前我們機(jī)械手吸嘴進(jìn)行定位如圖10所示，并對來料盒中的物料進(jìn)行定位如圖7所示，根據(jù)兩定位結(jié)果反解出機(jī)械手運(yùn)動的關(guān)節(jié)信息，擺動機(jī)械手到物料位置吸取物料，吸取料后再次對來料進(jìn)行定位如圖9所示，同時對料盒進(jìn)行定位如圖8所示，根據(jù)兩定位信息解算出機(jī)械手應(yīng)走的位置，將物料至于料盒中。其中對機(jī)械手吸嘴定位與再次對吸取物料定位是為了防止吸取物料時產(chǎn)生偏差（如圖9所示）與放料誤差的疊加導(dǎo)致放料失敗，從而不能保證整個系統(tǒng)的穩(wěn)定性。

圖8 物料盒物料放置槽定位

圖9 機(jī)器人吸取物料定位

圖10 機(jī)器人吸嘴定位

我們用300片物料進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表1所示，由表可以看出該系統(tǒng)的準(zhǔn)確性和穩(wěn)定性可以達(dá)到98.6%，符合制定的要求。使用該套系統(tǒng)可以大大減少人力成本，提高產(chǎn)能，為企業(yè)減少成本。

5 結(jié)語

本文完成了基于機(jī)器視覺引導(dǎo)機(jī)械手對無序物料進(jìn)行抓取系統(tǒng)的設(shè)計(jì)，并且在實(shí)際的實(shí)驗(yàn)測試中取得了較高的成功率，從而驗(yàn)證了該套系統(tǒng)的可靠性，同時驗(yàn)證了標(biāo)定算法，定位算法的可靠性，引導(dǎo)抓取方案的實(shí)用性。機(jī)器視覺出現(xiàn)提高了自動化行業(yè)的效率和生產(chǎn)質(zhì)量，使得產(chǎn)品更加穩(wěn)定可靠，但是我國的視覺技術(shù)仍處于起步階段，需要大量的專業(yè)人才共同努力，才能縮小和自動化強(qiáng)國技術(shù)人的差距。