APP下载

一种3C产品零件的智能分拣系统设计与实现

2018-11-15梅阳寒熊长炜范四立

现代制造技术与装备 2018年10期
关键词:角点质心机械手

梅阳寒 熊长炜 范四立

(东莞职业技术学院,东莞 523808)

视觉检测技术是现代精密测试中应用的比较前沿的新技术,它综合运用了光电技术、测试技术和计算机图像处理技术,将机器视觉引入到工业产品零件检测中,实现对物体(产品或零件)二维、三维尺寸或位置的快速测量,具有响应快、精度高和智能化等突出优点,在现代制造业中有着广阔的应用前景,本文针对某企业利用振动刷对按键进行分拣包装效率低、人工需求多、分装出现空位和损坏等现象,设计开发一种基于视觉检测的智能分拣设备,提高了产品包装效率和合格率,解决了企业生产效率低和用工短缺等问题。

1 分拣系统总体设计

产品分拣装置总体结构如图1所示,由工控机、工业相机、运动控制卡、分拣机械手、传感器单元以及通信总线等组成。通过机器视觉系统的应用可以有效识别零件位置和角度,以及精度控制,生产线上利用传输带传递托盘把物料送到工作位。利用自动分拣系统能够检测传输速度、动态抓取以及自动分拣。工业相机对托盘物料盒中零件进行拍照,完成数据采集,通过Matlab软件分析和运算采集到的图像,与标定好的模板匹配运算,确定每个零件的位置和角度信息,进而通过控制机械手就能够完成抓取、旋转和分装工作。

图1 设备及产品分拣示意图

2 零件的图像处理及识别

边缘是图像基本特征之一,是图像中两个具有不同灰度的均匀区域的边界,它反映灰度的突变。图像边缘可用其切线方向、法线方向、位置和强度等信息描述。由于边缘是图像的信息丰富区域,且较少随图像的几何变换而丢失或改变,因此,对图像应用Canny算子运算,可直接获得单像素宽的图像边缘。

通过边缘算法,确定各个按键的质心坐标位置和角度,视觉检测系统的主要用途是确定工件的形状和位姿,进而驱动机械手完成工件的抓取和放置,而方形、圆形等规则几何工件是常见的工业产品类型。比较常用的匹配检测方法有:SIFT(Scale invariant feature transform)匹配算法、模板匹配算法、角点匹配算法等[1-3]。SIFT算法过于复杂,实时性也较差;模板匹配算法不适用于工件旋转或缩放的情况;由于图像噪声的存在,角点检测算法容易检测出伪角点或漏检角点,从而影响到角点匹配算法的准确性[4]。本文提出一种边缘曲线等价与Harris算法相结合的规则几何工件形状与位姿识别方法。首先对工件图像进行预处理,然后利用边缘曲线等价与Harris 算法相结合的规则几何工件识别方法检测出多目标工件的几何中心、形状及旋转角度,实现了工件的在线识别与分拣,具体过程如图2所示。

图2 分拣流程

2.1 几何中心识别

确定图像的边缘信息后,利用边缘曲线等价与Harris算法相结合的规则几何工件识别方法检测出工件中心,在工件分拣过程中,采用质心坐标作为工件的位置信息,针对零件的实际情况,提出来一种多目标质心快速算法,具体实现过程为:先确定分块外接矩形的四个顶点坐标(x1,y1)、(x1,y2)、(x2,y2)和(x2,y1),再确定单一目标质心坐标[5-7]:

式中,Q(i,j)表示像素值:

2.2 选择角度识别

本文研究的目标只存在旋转变化。为减少制作的模版数量,只制作一张模板。设图像绕任意点R(X0,Y0)旋转δ角度,模板图像的旋转变换过程实现如图3所示,通过图4的3个步骤中的变换矩阵依次分别设为T1,TR和T-1。

图3 旋转变换示意图

图4 图像变换流程

因此,图像绕某点R(X0,Y0)的旋转过程表示成矩阵为:

式中,(X´,Y´,1)为变换后的坐标,(X,Y,1)为变换前的坐标,其中:

由两式可得:

即可得图像的选择模型:

由表1可知,采用上面的检测方法,检测出的质心坐标、旋转角度均与实际值接近,精度较高,检测稳定性较好。

表1 视觉检测值与实际值比较

3 算法设计

根据图像处理的结果,确定各个任意摆放的零件的中心位置和角度,机械手移动路径规划的目标就是在零件初始位置和最终位置已知,并使目标在满足约束条件的情况下,求一条最短路径(即最优解),作为产品的移动路径。设托盘中有N个按键零件,这N个按键确定了N个离散的零件质心,从初始位置到目标位置的移动路径简化成起止位置连线间的一系列的离散点[8-10],这一系列的离散点为路径点。各个离散点到目标为支点的具体为L。每次移动都有两个动作组成,其一是通过插补运算,逼近到各个离散点;其二是旋转摆正零件方向,保证与包装位一致。

机械手移动路径规划的目标之一就是要使所有零件在移送过程中,总的路径长度之和最小。定义的路径长度总和计算公式为:

机械手移动路径规划的目标之二就是要使所有零件在旋转摆正过程中,总的路径旋转角度之和最小。定义的路径旋转角度总和计算公式为:

式中,θi表示任意位置零件方向摆角,是任意位置零件方向矢量,为目标位置方向矢量。

4 应用验证效果

通过上述一序列的图像处理、质心识别和角度识别,有效得获取到各个零件的以像素点为单位的特征值,质心位置的误差率都在±10.2%以内,旋转角度的误差在±1%以内,应用位置二目标规划模型,分装效率要比采用传统的震动刷提高大约3倍的速率,整个系统分装准确率达到99.3%,满足了企业需求。

5 结语

本文结合多种图像处理技术和采用视觉检测技术,成功获取了按键的质心坐标和旋转角度信息,获得较高的抓取质量,且应用机械手移动路径规划模型,实现了零件的快速分装,得到企业的认可,具有良好的市场前景。

猜你喜欢

角点质心机械手
一种改进的Shi-Tomasi角点检测方法
重型半挂汽车质量与质心位置估计
基于GNSS测量的天宫二号质心确定
多支撑区域模式化融合角点检测算法仿真
某数控车床的桁架机械手结构设计
TRIZ与情景分解法在换刀机械手设计中的应用
基于FAST角点检测算法上对Y型与X型角点的检测
基于粒子群迭代的一种冗余机械手逆解算法
搬运机械手PLC控制系统设计
基于局部权重k-近质心近邻算法