吳佳鴻，胡雪菲，郭俊豪，武泱光，吳德欣，胡安正

（湖北文理學(xué)院 物理與電子工程學(xué)院，湖北襄陽， 441053）

1 系統(tǒng)設(shè)計總體思路

該分揀機主要由主控制器、單目攝像頭、機械臂、定位框組成。其中，攝像頭采集圖像輸入jetson主控制器；主控利用OpenCV找出方框輪廓并進行透視變換；運用HSV模型原理識別出方框中物體的顏色，再計算物體在底座坐標(biāo)系下的坐標(biāo)；再由夾爪投影及物體坐標(biāo)算出末端坐標(biāo)系的定位；再根據(jù)機械臂逆運動學(xué)求出末端到達該定位的各個關(guān)節(jié)角度；最后，主控驅(qū)動關(guān)節(jié)轉(zhuǎn)動相應(yīng)角度，夾取物體并投放至對應(yīng)容器、機械臂復(fù)位。系統(tǒng)總體方案框圖如圖1所示。

圖1 系統(tǒng)總體方案框圖

2 分揀機的搭建及器件選用

■2.1 底盤

選用帶有吸盤的底盤，既可以牢牢吸附在如桌面的光滑材質(zhì)表面，保證抓取過程中的穩(wěn)定性，同時又方便拆卸和移動。

■2.2 機械臂搭建

本設(shè)計采用六自由度機械臂，機身由6個關(guān)節(jié)和7個連桿級聯(lián)組成，關(guān)節(jié)采用舵機構(gòu)成。關(guān)節(jié)編號從1到6，連桿編號從0到6[1]。連桿0固定在底座上，連桿6上帶有機械夾爪。關(guān)節(jié)與連桿如圖2所示。

圖2 關(guān)節(jié)與連桿

■2.3 夾爪選用

本設(shè)計僅用于抓取生活中的小件物品，選用一般的二指金屬夾爪。如圖3所示。

圖3 金屬夾爪

■2.4 舵機選用

分類常見有PWM舵機，總線舵機。前者精度差，接線多，易損耗，無位姿反饋，均無法達到關(guān)節(jié)對舵機的要求，總線舵機則避免了上述情況。本設(shè)計選用STS3215舵機，該舵機齒輪采用1:345的銅齒組合，扭矩大；機身設(shè)計采用雙軸結(jié)構(gòu)，圓襯立體的結(jié)構(gòu)特性，配合金屬主副舵盤和雙出線的布線方式，適于運用在機械臂。

■2.5 主控MCU的選用

由于分揀工作需要運行一系列諸如OpenCV，ROS（Robot Operating System）的庫，以及進行如透視變換、逆運動學(xué)求解的計算和IO控制，可選兩種方案。

方案一：將PC機作為上位機，單片機作為下位機；上位機通過通訊協(xié)議把圖像信息的處理結(jié)果發(fā)送給下位機，下位機控制接在IO口上的總線舵機；同時下位機把舵機位姿信息傳回上位機。優(yōu)點是除了用戶原有的PC機以外，僅另需一塊單片機即可完成控制操作，節(jié)省成本。缺點是增加了復(fù)雜度，除一般PC機的Windows系統(tǒng)不易安裝ROS外，還需額外設(shè)計與下位機的通訊協(xié)議，以及單片機的編程下載操作等。

方案二是選用Linux嵌入式系統(tǒng)，運算力強，ROS安裝方便，可對IO進行操作。一個模塊就能完成上述所有操作，大大降低復(fù)雜度。

由于我手里擁有一塊jetson_nano，故采用方案二。

■2.6 攝像頭模組的選用

IMX219攝像頭。808萬像素、83度視場角，22%畸變和180幀/s的幀率，微小的體積使得它在窄邊框結(jié)構(gòu)的機械臂上也能安裝。

■2.7 定位框

觀察機械臂的運動范圍，以底座為基坐標(biāo)，攝像頭正前方為Y軸正半軸，向右為X軸正半軸；在X=0cm，Y=25cm處畫一個圓心，以該圓心為中間點畫一個15cm×15cm的矩形框用于后面的定位計算。定位框如圖4所示。

圖4 定位框

3 軟件及算法設(shè)計

設(shè)計主要包括：①找方框邊緣，把其四邊進行透視變換后作為圖像的四邊。②圖像中，根據(jù)HSV原理找到物體并求物體中心點。③實際中，由物體中心點的位置轉(zhuǎn)換得到物體的坐標(biāo)。④結(jié)合物體坐標(biāo)及夾爪投影算得末端坐標(biāo)系的定位。⑤服務(wù)端把定位通過ROS server通訊發(fā)送出去，客戶端獲得定位后用機械臂逆運動學(xué)解出各關(guān)節(jié)角度。⑥驅(qū)動舵機轉(zhuǎn)動，進行抓取、投放、復(fù)位。

■3.1 視覺定位原理和設(shè)計

為達到視野最廣，調(diào)整機械臂關(guān)節(jié)使相機與地面形成斜視45°，此時視野下的方框呈像類似梯形。首先我們找出方框輪廓：運用OpenCV(Open Source Computer Vision Library，機器視覺庫)，把RGB圖像轉(zhuǎn)灰度之后，進行高斯濾波、二值化、腐蝕、膨脹、提取輪廓點集。再根據(jù)左上，左下，右下，右上四點將輪廓進行透視變換矯正后作為圖像（640×480）的四邊。然后將物體放入視野進行顏色識別。透視變換效果示意圖如圖5所示。

圖5 透視變換效果示意圖

■3.2 運用HSV模型原理的顏色識別

HSV（Hue, Saturation, Value）六面椎體模型如圖6所示，其中H表示色調(diào)，S表示飽和度，V表示亮度。HSV格式的圖像比RGB格式的圖像能夠明顯的顯示出顏色差異程度[2]，對于顏色識別來說更方便，提高識別率。

圖6 HSV六面椎體模型

運用OpenCV庫，主控制器先讀取到RGB格式的圖像，經(jīng)濾波處理后轉(zhuǎn)換到HSV格式，把每一個像素點的HSV值與目標(biāo)顏色的HSV值進行比對，濾除掉范圍值之外的像素，剩下相對集中的像素即為目標(biāo)物體；提取其輪廓點集，用方框框出，方框中心點即圖像中物體中心點。常見顏色對應(yīng)的HSV范圍見表1。

表1 常見顏色對應(yīng)的HSV范圍

■3.3 求物體實際坐標(biāo)

X坐標(biāo)計算：由公式(point_x-image_x)/640=(object_x-x)/150計算。其中object_x是待求量；point_x代表圖像中物體中心點橫向坐標(biāo)；image_x代表圖像中心點坐標(biāo)；x是基坐標(biāo)系的X坐標(biāo)，即為0；640是圖像的像素點寬度，150是方框?qū)嶋H寬度，單位mm。

Y坐標(biāo)=機械臂底座距方框最近邊的距離+方框?qū)挾?2+物體對于方框中心點的縱向坐標(biāo)。而物體對于方框中心點的縱向坐標(biāo)計算方法與物體X坐標(biāo)計算類似。

■3.4 末端坐標(biāo)系的定位

我們知道，運動學(xué)逆解求得的是末端坐標(biāo)系到達的位置[3]，不是夾爪夾取的位置，因此要想由末端坐標(biāo)系的定位來做逆解運算，還需要先利用三角函數(shù)求夾爪在坐標(biāo)系的投影長度。

X，Y坐標(biāo)求解：實際測得夾爪的長度為0.12m。對夾爪進行x，y方向上的投影，如圖7所示。末端坐標(biāo)系的X，Y坐標(biāo)=物體的X，Y坐標(biāo)-投影長度。

圖7 夾爪的x，y軸投影

Z坐標(biāo)求解：如圖8所示，Z坐標(biāo)=物體的Z坐標(biāo)+投影長度。因為夾取的是生活中的小件物品，其自身高度可忽略不計，即物體的Z坐標(biāo)為0。

圖8 夾爪的z軸投影

接下來創(chuàng)建ROS服務(wù)端節(jié)點，當(dāng)收到客戶端請求時把末端坐標(biāo)系的定位通過ROS server通訊發(fā)送給客戶端。

■3.5 機械臂的運動學(xué)正逆解

機械臂的正運動學(xué)是指已知每個關(guān)節(jié)角度，求解末端坐標(biāo)系相對于底座坐標(biāo)系的變換方矩陣。求解步驟如圖9所示。

圖9 機械臂正運動學(xué)求解

其中的DH參數(shù)法[4]是一種用于描述串聯(lián)式鏈路上連桿和關(guān)節(jié)幾何關(guān)系的系統(tǒng)方法，簡單來說描述的就是連桿坐標(biāo)系之間的關(guān)系。本文中的機械臂的DH參數(shù)如表2所示，其中各個參數(shù)的含義如下：

表2 DH參數(shù)

(1)連桿長度αi-1：沿xi-1方向zi-1到zi的距離。(2)連桿轉(zhuǎn)角αi-1：沿xi-1方向zi-1旋轉(zhuǎn)到zi的角度。(3)連桿偏距di：沿zi方向,到xi-1到xi的距離。(4)關(guān)節(jié)角θi：沿zi方向,xi-1旋轉(zhuǎn)到xi的角度。

DH表中的參數(shù)通常由URDF文件讀出，URDF是一種使用xml格式描述的機器人模型文件。

機械臂的逆運動學(xué)是指已知機械臂的末端坐標(biāo)系的坐標(biāo)，即已知齊次變換矩陣，求解各關(guān)節(jié)的角度。因此機械臂的逆運動學(xué)問題，可以理解為通過上述正運動學(xué)方程求解關(guān)節(jié)的θ1、θ2、θ3、θ4、θ5。

客戶端得到末端坐標(biāo)系的坐標(biāo)后，逆解出關(guān)節(jié)角度，依據(jù)關(guān)節(jié)的運動范圍對其做出適當(dāng)調(diào)節(jié)。繼而主控制器控制舵機轉(zhuǎn)動相應(yīng)角度并夾取，然后讓機械臂運動不同的軌跡到對應(yīng)的容器上方進行投放，最后機械臂復(fù)位等待下一次抓取。

4 結(jié)束語

本次設(shè)計的分揀機采用機械臂作為機身，jetson_nano為控制核心，使用單目攝像頭進行圖像采集，以Python作為語言，調(diào)用一系列如OpenCV等工具，以物理原理、數(shù)學(xué)運算作為支撐，實現(xiàn)了對生活中常見物品如鵝卵石等的顏色識別并分揀投放，如圖10所示。隨著我國工業(yè)化程度不斷提高，可將分揀機進一步推廣到其他應(yīng)用當(dāng)中，比如依據(jù)顏色對水果的品質(zhì)挑選、中藥挑選等，該分揀機將會有更大的應(yīng)用價值。

圖10 分揀機對鵝卵石顏色分揀