基于机器视觉的工业机器人定位系统研究

2020-11-29曹诚诚

科技与创新 2020年14期

曹诚诚

基于机器视觉的工业机器人定位系统研究

曹诚诚

（南京理工大学泰州科技学院，江苏泰州 225300）

当前工厂对智能设备的制造要求逐渐提升，同时机器视觉技术的的发展对于高精度的定位性能要求较高，并逐渐向机器人领域拓展。基于机器视觉技术，通过概述工业机器人定位系统组成，围绕动作过程等方面探究工业机器人定位系统的具体内容，进而将定位信息向机器人控制器进行传输，完成定位任务。

机器视觉；工业机器人；定位系统；定位抓取技术

工业机器人是制造业的高端制造设备，对于稳定性、定位精准度的要求较高，因此需要借助机器视觉技术处理图像，通过工业相机实现引导定位和模式识别等操作，快速获取物体的质心和边界，满足工业机器人系统运行的自定位需求，缩短其期望位置和末端位置间的差距，进而促进机器视觉技术的创新和发展。

1 定位系统组成

依托机器视觉的机器人定位系统包含摄像机系统和控制系统，其中摄像机系统中包括计算机（具有图像采集卡）、摄像机，主要收集视觉图像，并应用机器视觉算法。控制系统包含控制箱和计算机，对计算机末端具体位置完成控制。工作区利用CCD摄像机进行拍摄，并使用计算机识别图像，得到跟踪特征，完成数据的计算和识别，借助逆运动学方式获取机器人每一位置的误差，再对高精度末端执行模块进行控制，科学调整机器人的位置和位姿。

2 工作原理

机器人系统较为复杂，其中包含工业计算机、伺服电机、伺服控制器等部件，借助“人类引导思想”工艺，对人类的行为习惯、肢体动作、决策方式、表达模式进行展示和控制[1]。依托机器视觉技术的机器人定位系统工作原理包含以下内容。

2.1 工业相机

工业相机的主要工作原理是光传感使光线经过相机镜头进入传感器，实现CCD成像或者COMS成像，进而将光学信号调整为电信号，利用内部模数转换电路形成数字信号，同时将信号传输到DVP或DSP位置完成加工，获得可以进行工业控制的格式。

2.2 视觉定位系统

视觉定位系统主要借助1394采集卡、CCD摄像机向计算机中输入视频信号，同时对其进行迅速处理。系统选取物体图像、搜寻跟踪物、构建坐标系，进而获取跟踪特征，完成数据计算和识别，借助逆运动学原理获取机器人关节区域数值，利用末端执行部分完成对机器人位姿的控制。

2.3 区域匹配

以依托区域的匹配方式为例，该技术主要是将图像中某一位置的灰度区域当作模板，在另一个图像中寻找相似或相同的灰度值对应分布区域，从而加强图像之间的匹配度。依托区域的匹配方式中匹配关键是尺寸固定的图像窗口，而判断相似性的关键是度量值。例如，某点p（，）是图像模板中的标准点，将该点作为中心随机选择某邻域当作窗口，若位于原始图片中，垂直方向平移，水平方向平移，该部分搜索区域是k，若（，k）相关函数最小，则二者可以达到最佳匹配效果。

2.4 提取图像特征

系统工作台背景和工作台工件颜色差别较大，如果工件是黑色，则需要将该条件当作识别工作的主要依据。若工件的边缘灰度出现明显变化的情况，则可以得出对象的边界节点。在扫描线技术中，若扫描过程中灰度变化十分明显，则该像素点是边界点。此外，可以利用最小二乘方法，通过边界点将其拟合成圆周，得出圆心区域[2]。

3 系统动作过程

3.1 机器人标定

在借助机器视觉技术对机器人进行引导前，需要对相机坐标系和机器人完成标定，建议使用“三点自动标定”方式，对机器人进行标定操作，同时设置标定工件的自动模板，进而为后续机器视觉技术控制和引导机器人系统操作提供技术支持。

3.2 系统动作流程

在运行工位模块时，需要借助可编程的PLC控制器单元，结合锂电池载流片系统对机器人系统中气缸、伺服电机、传感器等装置完成上料操作[3]。同时，工业相机可以采集上料后锂电池载流片的图像，并分析处理图像，实现特征识别、模块匹配、定位计算物料、确定目标位置，进而将数据传输至机器人系统中，使机器人可以对锂电池载流片完成科学的取放工作。

3.3 系统通讯模式

依托机器视觉技术的工业机器人系统中，锂电池载流片定位系统内部若采取普遍的TCP/IP模式，会出现网线掉线的情况，无法充分释放设备网络端口，需要先断电再重启才可以完全释放，很难检测HUB系统问题，进而影响生产系统的运行状态。因此，建议创新通讯模式，按照“心脏跳动式”工艺，借助系统标志、通讯设备所呈现的通讯模式，为工业机器人系统通讯运行工作提供技术保障。

4 摄像机标定技术

视觉定位技术中摄像机标定十分关键，需要结合多种测量标准选择标定模式，进而提升机器人系统定位精度。当前摄像机标定技术包含传统标定模式和自标定模式，其中传统标定模式主要依托摄像机模型，在其前方放置特定参照物，借助数学计算和变换模式，得到外部参数和内部参数信息。自标定模式无需获取已知参照物数值，可以利用移动的摄像机对周边图像及其对应关系完成标定。摄像机模型中小孔摄像机是基本模型，但在近距离、计算精度、广角等要素要求较高的环境中，则无法利用该线性模型进行计算，需要借助校正方式，重建三维模型，获取摄像机较高的精确度，因此畸变模型、成像模型是依托计算机视觉技术完成摄像机定标的关键。

此外，当多种坐标系统进行调整时需要实现成像转换，3-D景物成像中坐标系统包含以下结构：①世界坐标。属于现实和真实坐标系统，属于客观坐标，可以表示3-D场景。②摄像机坐标。将摄像机作为中心，设置坐标系统，将光学轴设为轴。③像平面坐标。将摄像机坐标模块中平面与像平面平行，确保轴、轴分别和´、´重合，使平面的原点位于光学轴上。④计算机图像坐标。数字图像需要存储在计算机的存储器内，因此应将投影坐标向计算机图像坐标转换。

5 图像处理技术

5.1 图像采集

模拟图像无法借助数字计算机直接进行处理，需要将模拟图像转变为数字图像。而图像数字化实际上是将模拟图像划分为多个小区域，称为像素，并利用整数表示像素的灰度和亮度。本课题中对于数字图像的处理主要借助灰度图像实现，灰度图像单纯包含亮度信息，因此应将亮度值进行量化控制，其中包含0～255，共计256个级别，而0是黑色属于最暗的颜色，255是全白色，是最亮的颜色。同时，由于人眼可以分辨32个灰度级，因此应借助一个字节对灰度完成表示，计算机内部二维数字图像相当于某一矩阵，但其中的矩阵元素则是对应图像位置的灰度值，取值在0～255。

5.2 图像预处理

数字图像预处理技术主要借助平滑处理模式，可以降低噪声。图像处理阶段出现的噪声一般包含高斯噪声、脉冲噪声、椒盐噪声，其中，高斯噪声是正态分布或依托亮度的噪声；脉冲噪声中存在白亮度值，其相当于正脉冲噪声；椒盐噪声包含随机形成的黑白亮度值。而高斯噪声一般来源于传感器，比如摄像机运行过程中的干扰噪声。因此，可以借助频率域、空间域消除噪声，利用模板运算、邻域平均等方式降低噪声。

6 定位抓取技术

6.1 图像处理技术

依托机器视觉工艺应用图像处理技术，需要优化定位抓取技术，数据来源是图像信息，图像处理技术的质量与图片完整度、清晰度相关，具体的处理技术包含以下内容：①灰度处理模式。该技术可以把彩色图片转变为黑白灰度图片，进而体现图像中的相关信息，优化系统图像处理质量，减少计算机的计算任务。由于灰度图像和彩色图像的差别只有颜色，因此借助灰度图像获取数据可行性较高。②滤波处理模式。该模式主要目的是降低图像噪声，增加图像中保留的信息点，突出图像的可靠性和有效性。③二值化处理模式。该技术将像素点中灰度值调整成0/255，确保图像只有唯一的灰度值，提升图像的简便性，降低信息处理量，该技术的关键是科学选择阈值，充分发挥二值化处理技术的高效性。

6.2 三维定位技术

依托机器视觉的工业机器人定位技术的核心是三维定位模式，该技术对于提升系统定位抓取的精准度至关重要。三维定位技术的应用依托立体双目视觉系统，对观测目标进行定位，构建三维坐标系，进而提升定位工作的质量，可以更好地契合现代化工业生产和制造的需求，便于结合特定场景环境对坐标系进行科学调整。借助三维定位技术能够迅速对三维坐标数据完成识别，转化图像坐标系、现实坐标系，获取目标具体位置信息，提升机器人系统定位抓取的水平。另外，该技术可以分析并调整图像坐标系和现实坐标系之间的关联度，抓取不同形状、规格的目标，进而满足工业机器人定位系统开发需求。