李 楊，郭浩澤

（臨汾職業(yè)技術學院，山西臨汾 041000）

0 引言

隨著科技的迅猛發(fā)展，制造業(yè)的規(guī)模不斷攀升，工業(yè)機器人作為制造業(yè)升級的關鍵因素，因其具有減少勞動力、降低生產成本、提高生產效率的優(yōu)點而被廣泛應用在制造業(yè)中[1-2]。工業(yè)機器人的抓取動作是制造生產領域較為常見的動作，搬運、碼垛、裝配等都需要抓取這一動作。但是，如今在自動化生產線中，傳統(tǒng)的抓取方式仍然以示教再現(xiàn)方式為主，這種方式存在很大的局限性，機器人的起始位姿和終止位姿均被嚴格限定，只能完成點對點的特定動作，無法完成目標點不斷變化的操作任務[3]。當目標工件的位姿或外界環(huán)境發(fā)生變化時，機器人任務將被迫中斷或直接失敗。為提高工業(yè)機器人的自適應性和智能化程度，保證工業(yè)機器人在制造生產中的高效性，拓寬工業(yè)機器人的應用范圍，機器視覺被迅速應用到工業(yè)生產的實踐中。裝備具有視覺感知功能的工業(yè)機器人，利用視覺檢測和圖像處理的方法，即可迅速、準確地獲取目標工件的類別及位置信息，實現(xiàn)機器人對目標物的定位和抓取。本文基于機器視覺技術，對工業(yè)機器人抓取系統(tǒng)進行研究。

1 系統(tǒng)結構與原理

1.1 系統(tǒng)組成

抓取系統(tǒng)由工業(yè)機器人、視覺系統(tǒng)和數(shù)據(jù)處理單元（PC）等組成，如圖1所示。

圖1 工業(yè)機器人抓取系統(tǒng)的組成

1.1.1 工業(yè)機器人選型

工業(yè)機器人選用FANUC 工業(yè)機器人，具體技術參數(shù)如表1所示。

表1 機器人技術參數(shù)

1.1.2 視覺系統(tǒng)選型

視覺系統(tǒng)主要由工業(yè)相機、鏡頭、光源等組成。

（1）工業(yè)相機采用海康威視工業(yè)相機，如圖2 所示，其性能參數(shù)如表2 所示。工業(yè)相機通過USB 3.0 接口與PC 連接，用于目標工件的實時拍攝，通過相機內部的感光芯片將鏡頭產生的光學圖像轉換為對應的模擬信號，并通過A∕D 轉換將模擬信號轉換為數(shù)字信號，進而對數(shù)字信號進行處理，最后這些信息將通過工業(yè)相機與計算機間的接口傳送到計算機主機[2]。

圖3 ?？低曠R頭

圖2 ?？低暪I(yè)相機

表2 相機性能參數(shù)

（2）鏡頭選用?？低曠R頭，如圖3 所示，其性能參數(shù)如表3 所示。鏡頭主要用于實現(xiàn)光束的轉變，在機器視覺應用系統(tǒng)中，鏡頭的作用相當于人眼的晶狀體，主要是將目標物成像到圖像傳感器的光敏面上。光學鏡頭直接影響成像質量的優(yōu)劣，影響算法的實現(xiàn)和效果，進而影響到機器視覺抓取系統(tǒng)的整體性能。因此，合理地選擇并放置鏡頭，是機器視覺系統(tǒng)設計的重要環(huán)節(jié)。

表3 鏡頭性能參數(shù)

（3） 光源采用海康威視環(huán)形光源，如圖4 所示，其性能參數(shù)如表4 所示。在目前的機器視覺應用系統(tǒng)中，好的光源往往是整個系統(tǒng)成敗的關鍵，并不是簡單地照明而已[4]。適當?shù)墓庠凑彰髟O計，可以使圖像的目標信息與背景中的無用信息得到最優(yōu)的分離，可以有效降低圖像處理算法分割與識別的難度，同時提高系統(tǒng)的定位精度及檢測精度，進而提高系統(tǒng)的可靠程度和綜合性能。因此，光源及光學系統(tǒng)的設計是決定系統(tǒng)成敗的關鍵因素[5]。

圖4 ?？低暪庠?/p>

表4 光源性能參數(shù)

1.2 工作原理

工業(yè)相機采用固定式安裝，通過固定支架安裝在工件臺目標工件上方，負責采集目標工件的視覺信息（如形狀、位置、角度等），工業(yè)相機對工作環(huán)境進行掃描檢測，檢測到工件到位，拍照并將拍攝到的圖像傳遞給PC；PC主要負責對工件圖像進行提取與運算，接收到圖像后，利用已經開發(fā)好的程序進行圖像預處理，然后通過模板匹配識別出欲抓取的目標工件，并計算出其在圖像中的位置和姿態(tài)，進一步地通過相機標定，將目標工件的位姿信息轉化成工業(yè)機器人基坐標下的位姿信息，實現(xiàn)對目標工件的識別與定位功能[6-9]；得到目標工件相對于工業(yè)機器人基坐標的位姿信息后，工業(yè)機器人轉動各關節(jié)軸，使機器人的末端執(zhí)行器以最優(yōu)的姿態(tài)到達目標點，實現(xiàn)對目標工件的抓取，并完成后續(xù)動作。

2 系統(tǒng)聯(lián)調

2.1 視覺相機標定

2.1.1 視覺相機標定的作用

相機拍攝的圖像是基于圖像坐標系，而機器人操作是基于基坐標系，相機標定就是建立相機圖像坐標系和機器人基坐標系的轉換關系，將圖像中的目標工件的圖像坐標位置轉換為基坐標系中的位置，保證機器人進行抓取操作的參數(shù)環(huán)境一致。相機參數(shù)的標定在機器視覺應用中是非常重要的環(huán)節(jié)，其標定結果的精度及算法的穩(wěn)定程度直接影響視覺識別結果的準確程度。

2.1.2 視覺相機標定的方法

（1）傳統(tǒng)相機標定法

傳統(tǒng)相機標定法需要利用已知結構信息的標定物，通過在標定物上坐標已知的點和其圖像點之間建立相應關系，并利用算法獲得相機模型的相關參數(shù)。其中標定物可分為平面標定物和三維標定物。制作平面標定物較簡單，精度要求容易實現(xiàn)，但標定過程必須使用兩幅或兩幅以上的圖像。高精密三維標定物加工和維護較難，標定精度相對較高，且標定時可只是用單幅圖像。傳統(tǒng)相機標定法的缺點是在標定過程需要使用標定物，且標定結果依賴于標定物的加工精度。同時，如果操作臺不適合放置標定物，將不能使用傳統(tǒng)相機標定法。

（2）相機自標定法

相機自標定法是基于場景約束的自標定，利用場景中的一些平行或者正交的信息。相機自標定法的優(yōu)點是僅利用圖像點之間的對應關系或約束關系而不需要標定物，具有較強靈活性，潛在應用范圍廣，可對相機進行在線定標。但由于它是非線性標定，基于絕對二次曲線或曲面，因此其算法魯棒性不高。

（3）基于主動視覺的相機標定法

基于主動視覺的相機標定法是通過控制相機做某些特定運動，并拍攝多組圖像，依據(jù)圖像信息和已知位移變化對相機進行標定。該方法不需要標定物，算法簡單，通常可以線性求解，魯棒性較高；但系統(tǒng)的成本較高，需要配備精準的控制平臺，試驗條件要求苛刻，對一些相機運動參數(shù)未知或運動無法控制的場景不適用[10]。

本文采用9 點法進行視覺相機標定，標定紙板如圖5所示。

2.2 工件的識別與定位

準確從系統(tǒng)相機得到的圖像中識別出目標并對其進行定位是工業(yè)機器人成功抓取目標工件的關鍵，其結果將直接影響機器人的抓取效果，所以工件的識別與定位是抓取系統(tǒng)的關鍵。

2.2.1 圖像預處理

當觸發(fā)工業(yè)相機獲取到一張圖像后，一般都要進行圖像預處理。因為在獲取圖像或圖像傳輸過程中，可能會產生一些隨機干擾，圖像中可能混入一些無效信息，進而影響后續(xù)的工件處理結果。

（1）灰度化處理

彩色圖像由三原色紅、綠、藍組成，且每種顏色都有256 種灰度值。對圖像進行灰度化處理就是將彩色圖像進行處理，使之成為只有黑白之間各個灰度級的灰度圖像。將彩色圖像轉化為灰度圖像，不僅會保留和彩色圖像相同的數(shù)據(jù)信息，還能大大地減少圖像處理的計算量，提高處理效率。灰度圖像雖與黑白圖像看似差不多，但實際上大有不同。黑白圖像只包含黑、白兩種顏色深度，而灰度圖像除了黑和白外，還有其他級的顏色深度。正是因為這些不同級別的顏色深度，使灰度圖像與黑白圖像相比，有更強的圖像特征描述能力，幾乎等同于與彩色圖像的描述能力，可以描述出圖像整體和局部的相關特征。

圖5 視覺相機標定紙

由于系統(tǒng)相機獲取的圖像為彩色圖像，而彩色圖像色彩豐富，其中含有大量信息，圖像處理速度將大大降低，但抓取系統(tǒng)對定位識別效率有一定的要求，對工件的定位沒有必要使用彩色圖像，所以對彩色圖像進行灰度化處理是必不可少的。

（2）圖像二值化

圖像二值化就是將圖像上的像素點的灰度值僅設置為0或255，使整個圖像呈現(xiàn)黑白效果，即將灰度圖像轉換成黑白圖像，但對圖像的整體特征和局部特征仍進行保留。圖像二值化處理將使圖像變得更為簡單，更加能突顯出目標工件的輪廓，還能大大減少數(shù)據(jù)處理量[3]。

2.2.2 識別工件

工件識別就是對圖像進行辨認。一般情況下，對目標工件進行圖像錄取，經過圖像處理后將目標工件與背景分離，得到處理完成后的圖像，并與已錄入的模板圖像進行圖像匹配，對比其相似的形狀與特征，完成圖像的識別工作[11-12]。本系統(tǒng)主要是針對形狀規(guī)則的幾何體物件，如三角形、矩形、圓形，故通過形狀來識別不同的工件。

2.2.3 工件定位

通過工件識別，僅能識別出工件的形狀，而且根據(jù)識別出的工件形狀，只能確定其放置的位置，想要確定工件的準確抓取位置，還需要進行工件定位。定位過程一般包括對工件的位置定位和姿態(tài)定位[13-14]。由于本系統(tǒng)只完成對目標工件進行抓取和放置操作，不要求對其抓取或放置時的姿態(tài)，所以只需對進行目標工件的位置定位，無需進行目標工件的姿態(tài)定位。在工業(yè)抓取操作中，為使抓取過程更平穩(wěn)，一般用工件的質心位置作為目標工件的抓取位置。

3 抓取實驗

在自然光及一般照明條件下，在相機拍攝區(qū)內的工作臺上任意放置幾個形狀不同的工件，實驗裝置實物如圖6 所示。具體實驗流程如下。

（1）初始狀態(tài)。機器人處于原點位置。

（2）拍攝與識別。相機拍攝圖像，對圖像進行預處理，進行模板匹配，經位姿計算將圖像坐標值轉換為機器人運動控制的基坐標值。

圖6 實驗裝置實物

（3）機器人搬運。機器人根據(jù)識別到的目標工件位置，依次完成工件的抓取和放置，最后恢復到初始狀態(tài)，以此循環(huán)。

根據(jù)獲取的數(shù)據(jù)信息，機器人完成了對目標工件的抓取，達到了預期試驗目標。

為了驗證該系統(tǒng)的精度，分別對6個目標工件重復進行10次抓取實驗，且在抓取每個工件的同時，記錄機器人在抓取時刻的機器人末端執(zhí)行器的坐標（該坐標可在機器人示教器上直接讀出），將示教器讀出的實際抓取點坐標與系統(tǒng)計算出的理論抓取點坐標的平均值相比較，如表5所示（由于使用單目視覺結構，不考慮Z坐標的值）。

表5 系統(tǒng)視覺定位與實際結果對比表

結果表明，實際抓取點與理論抓取點誤差平均值0.77 mm，在誤差范圍允許之內，滿足工業(yè)機器人執(zhí)行抓取操作時的精度要求，具有良好的應用價值。

4 結束語

智能制造已是未來發(fā)展趨勢，本文將單目視覺的Eye-to-Hand 系統(tǒng)應用于工業(yè)機器人抓取系統(tǒng)設計中，通過對目標工件的輪廓提取、模板匹配、位姿計算，可以使系統(tǒng)準確地對目標工件進行識別和定位，具有系統(tǒng)結構簡單、實時性高、成本低等特點。經實驗得出的結果均在誤差范圍內，表明了該系統(tǒng)的可行性，且實現(xiàn)了實時準確抓取目標工件的預期目的，這對提高工業(yè)機器人的適應性和智能化水平、節(jié)約勞動力、降低生產成本、提高生產效率具有重要價值。