沈 濤 郭 超 劉永興

（宜賓職業(yè)技術(shù)學(xué)院，宜賓 644000）

當(dāng)前，在智能制造領(lǐng)域中，越來(lái)越多的加工制造企業(yè)引入工業(yè)機(jī)器人作為其智能化設(shè)備的核心。工業(yè)機(jī)器人視覺(jué)系統(tǒng)的應(yīng)用不僅降低了工人負(fù)擔(dān)，還提高了產(chǎn)品生產(chǎn)效率及其加工精度。工業(yè)相機(jī)與工業(yè)機(jī)器人在圖像采集及其軌跡運(yùn)行時(shí)，需對(duì)其各自的相對(duì)位置關(guān)系進(jìn)行明確，因此需對(duì)相機(jī)和工業(yè)機(jī)器人進(jìn)行標(biāo)定。完成標(biāo)定后，才能獲取工業(yè)機(jī)器人與工件的相對(duì)位置，再通過(guò)工業(yè)機(jī)器人軌跡規(guī)劃等方式，使工業(yè)機(jī)器人與工件的相對(duì)運(yùn)動(dòng)達(dá)到預(yù)期設(shè)計(jì)[1]。在工業(yè)機(jī)器人視覺(jué)系統(tǒng)中，通過(guò)工業(yè)相機(jī)提取產(chǎn)品特征，利用圖像處理技術(shù)識(shí)別產(chǎn)品的形狀、顏色等特征信息并反饋至工業(yè)機(jī)器人控制系統(tǒng)。

1 工業(yè)機(jī)器人視覺(jué)成像

工業(yè)機(jī)器人視覺(jué)成像充當(dāng)了在加工制造過(guò)程中工人的眼睛，是工業(yè)機(jī)器人進(jìn)行軌跡運(yùn)動(dòng)的重要信號(hào)依據(jù)。它主要將采集的工件顏色、形狀等特征轉(zhuǎn)換為數(shù)字信號(hào)，并傳輸至工業(yè)機(jī)器人總控系統(tǒng)，從而控制下位機(jī)的運(yùn)行。因此，在信號(hào)采集過(guò)程中應(yīng)收集工件加工過(guò)程中所需的全部特征，確保圖像能夠完整體現(xiàn)。影響工業(yè)機(jī)器人視覺(jué)成像的成效主要有圖像獲取和圖像處理兩大關(guān)鍵要素[2]。除視覺(jué)傳感器等硬件設(shè)施外，外部光源對(duì)圖像獲取的穩(wěn)定性也有很大影響。因此，在圖像獲取的過(guò)程中往往會(huì)在工業(yè)機(jī)器人視覺(jué)系統(tǒng)上增設(shè)照明系統(tǒng)。工件圖像往往利用視覺(jué)傳感器獲取，采用最大類(lèi)間方差法（OTSU）、自適應(yīng)閾值算法、Canny算子等圖像處理算法[3]，將外部采集的模擬信號(hào)轉(zhuǎn)換為機(jī)器人能夠識(shí)別的數(shù)字信號(hào)，從而使工業(yè)機(jī)器人按照采集的工業(yè)圖像的特征確定其類(lèi)型及其位置。

2 工業(yè)機(jī)器人視覺(jué)定位

2.1 手眼標(biāo)定

手眼標(biāo)定方法主要根據(jù)工業(yè)相機(jī)與工業(yè)機(jī)器人末端執(zhí)行器充當(dāng)?shù)慕巧x，將工業(yè)相機(jī)的坐標(biāo)系與工業(yè)機(jī)器人坐標(biāo)系連接，反映其相對(duì)位置關(guān)系。根據(jù)工業(yè)相機(jī)固著的方式，有Eye-in-Hand與Eye-to-Hand兩種，分別如圖1和圖2所示。

圖1的系統(tǒng)中，工業(yè)相機(jī)固定，機(jī)器人工具坐標(biāo)系隨軌跡的運(yùn)動(dòng)而改變，僅機(jī)器人基坐標(biāo)系固定，因此相機(jī)坐標(biāo)系和機(jī)器人基坐標(biāo)系相對(duì)固定，可確定相機(jī)坐標(biāo)系與機(jī)器人基坐標(biāo)系的相對(duì)位置關(guān)系。工業(yè)機(jī)器人視覺(jué)系統(tǒng)定位時(shí)，首先確定工件在相機(jī)中的相對(duì)位置特征，其次確定工件在工業(yè)機(jī)器人基坐標(biāo)系中的位置特征，最后通過(guò)矩陣變換獲取工業(yè)相機(jī)坐標(biāo)系與工業(yè)機(jī)器人基坐標(biāo)系的相對(duì)位置關(guān)系[4]。

圖2的系統(tǒng)中，工業(yè)相機(jī)處于活動(dòng)狀態(tài)而工業(yè)機(jī)器人基坐標(biāo)系固定不動(dòng)，因此相機(jī)坐標(biāo)系與工業(yè)機(jī)器人基坐標(biāo)系無(wú)法實(shí)現(xiàn)相對(duì)固定，但工業(yè)相機(jī)固定在工業(yè)機(jī)器人末端執(zhí)行器上，工業(yè)相機(jī)坐標(biāo)系與工業(yè)機(jī)器人末端執(zhí)行器坐標(biāo)系相對(duì)固定。在進(jìn)行工業(yè)機(jī)器人視覺(jué)定位時(shí)，可通過(guò)獲取工件在相機(jī)坐標(biāo)系中的位置特征和工件在工業(yè)機(jī)器人末端執(zhí)行器坐標(biāo)系中的位置特征，利用相機(jī)參數(shù)變化矩陣和機(jī)器人末端位姿變化矩陣求取手眼關(guān)系矩陣，從而獲取工業(yè)相機(jī)坐標(biāo)系與工業(yè)機(jī)器人基坐標(biāo)系的相對(duì)位置關(guān)系。

相較兩種手眼標(biāo)定系統(tǒng)，Eye-in-Hand手眼系統(tǒng)標(biāo)定明顯較為復(fù)雜，是當(dāng)前工業(yè)機(jī)器人視覺(jué)系統(tǒng)研究的熱門(mén)課題之一。

2.2 TCP標(biāo)定

工具中心點(diǎn)（Tool Center Point，TCP）標(biāo)定是當(dāng)前工業(yè)機(jī)器人示教系統(tǒng)中必備的坐標(biāo)系之一[5]。一般而言，它以工業(yè)機(jī)器人末端執(zhí)行器上工具的末端中心位置作為坐標(biāo)系原點(diǎn)。因工業(yè)機(jī)器人末端執(zhí)行器種類(lèi)多樣，大小不同，在調(diào)試過(guò)程中需重新標(biāo)定工具坐標(biāo)系。工具坐標(biāo)系的標(biāo)定往往采用“四點(diǎn)標(biāo)定法”或“九點(diǎn)標(biāo)定法”。通過(guò)工業(yè)機(jī)器人末端執(zhí)行器上工具的中心點(diǎn)在工業(yè)機(jī)器人不同位姿狀態(tài)下多次采集工業(yè)機(jī)器人工作區(qū)域中的某一固定點(diǎn)，以采集到固定點(diǎn)的坐標(biāo)值在工業(yè)機(jī)器人世界坐標(biāo)系坐標(biāo)值相等為條件列取方程，從而獲得工具坐標(biāo)系的相對(duì)位置。

TCP標(biāo)定常采用外部基準(zhǔn)法和自標(biāo)定法兩種方法來(lái)計(jì)算。外部基準(zhǔn)法系統(tǒng)復(fù)雜且造價(jià)較貴，標(biāo)定精度很大程度上依賴(lài)于外部基準(zhǔn)精度。若外部基準(zhǔn)發(fā)生偏移，對(duì)TCP標(biāo)定影響很大，因此該方法在生產(chǎn)中的應(yīng)用受到限制。

自標(biāo)定法對(duì)設(shè)備的需求較少，在企業(yè)生產(chǎn)中得到了廣泛應(yīng)用，其中“四點(diǎn)標(biāo)定法”是其典型代表[6]。若自標(biāo)定法采取非接觸式標(biāo)定，僅需在工業(yè)機(jī)器人配置攝像頭或激光測(cè)距裝置即可，擴(kuò)大了該種標(biāo)定方法的適用范圍。

3 工件特征提取

工業(yè)機(jī)器人視覺(jué)系統(tǒng)反饋至工業(yè)機(jī)器人總控系統(tǒng)中的數(shù)字量信號(hào)需采集工件的特征信息。相機(jī)在采集工件的特征信息時(shí)，由于外部環(huán)境的影響會(huì)產(chǎn)生大量的冗余信息，需要相機(jī)通過(guò)一定的方式從大量的采集信息中提取所需的特征信息[7]。本文以閾值分割法和邊緣檢測(cè)兩種方式分析工件特征提取。

3.1 閾值分割

以閾值分割提取工件的特征信息時(shí)，有固定閾值和自動(dòng)閾值之分[8]。固定閾值設(shè)置的閾值是固定不變的。在外部環(huán)境多變的情況下，固定閾值不能根據(jù)環(huán)境的變化而改變，嚴(yán)重影響采集圖像的精準(zhǔn)度，如圖3所示。

自動(dòng)閾值會(huì)在外部圖像像素變化的情況下自動(dòng)調(diào)整，根據(jù)圖像像素的灰點(diǎn)分布自動(dòng)選取適合的閾值。此種方式適用于Eye-in-Hand手眼系統(tǒng)，相機(jī)采集的圖形隨機(jī)器人運(yùn)動(dòng)而圖形灰度值不斷變化的情況，如圖4所示。

3.2 邊緣檢測(cè)

在閾值分割獲取工件特征信息后，為獲取更精準(zhǔn)的圖形信息，往往采取邊緣檢測(cè)方式，并利用Canny算子等方法分析計(jì)算邊緣檢測(cè)結(jié)果，以達(dá)到對(duì)圖像進(jìn)行精確處理的效果。

在計(jì)算過(guò)程中，先使用高斯濾波平滑圖像計(jì)算全局梯度，去除局部梯度不是最大的像素點(diǎn)，保留局部梯度最大的像素點(diǎn)，消除由噪點(diǎn)或顏色變化形成的假邊緣段，用一個(gè)高閾值和一個(gè)低閾值來(lái)區(qū)分邊緣像素點(diǎn)[9]。一般情況下，高閾值約為低閾值的兩倍[10]。抑制掉小于低閾值的點(diǎn)，可形成如圖5和圖6所示邊緣檢測(cè)的效果。最后，提取出工件邊緣像素點(diǎn)即工件圖像的輪廓，如圖7所示。

4 結(jié)語(yǔ)

本文主要分析了手眼標(biāo)定和TCP標(biāo)定方法，明確了機(jī)器人和相機(jī)在總控系統(tǒng)中的位置關(guān)系，利用閾值分割提取工件的圖形特征，并將圖形特征采用邊緣檢測(cè)的方式加以強(qiáng)化，形成圖形的像素坐標(biāo)，開(kāi)拓了工業(yè)機(jī)器人視覺(jué)系統(tǒng)的理論研究思路，具有一定的參考價(jià)值。