机床上下料视觉作业引导方法研究

杨子阳

摘要： 随着工业的发展，自动化生产线的使用彻底地改变了工厂的生产模式，一些复杂的操作可以被分解成简单的指令，由机器来重复完成。同时，视觉系统大大增强了机器人的工作能力，使机器人可以完成动态环境的中的复杂任务。本文从“机器换人”的思想角度出发，把视觉系统和工业机器人相结合应用于机床的上料和下料工作。这样做不仅可以减轻工人的工作压力，还可以提高生产线的工作效率，推动工业的自动化发展。

Abstract： With the continuous progress of industry，the introduction of the automation has revolutionized the manufacturing in which complex operations have been broken down into simple step-by-step instruction that can be repeated by a machine. At the same time， vision systems greatly enhance the capabilities of robots and allow them to be applied to complex tasks within dynamic environments. In this paper， the "machine substitutions" from the point of view， the visual system and industrial robot combined with the machine tool feeding and cutting work. This will not only reduce the pressure on workers， but also can improve the efficiency of the production line to promote the development of industrial automation.

关键词： 自动化；视觉系统；机器人；机器换人

Key words： automation；visual system；robot；machine substitution

中圖分类号：TG502.31 文献标识码：A 文章编号：1006-4311（2017）14-0131-03

0 引言

我国的视觉机器人发展相对国外比较缓慢，真正开始研发开始于上世纪80年代末期，一开始是在科研能力上借助他人的成果进行模拟，随着改革开放的实施，引入了相当多的国外人才，这些为视觉机器人的发展奠定了基础[1]。目前我国的视觉机器人还处于研发阶段，在一些高校和企业中有不少的研究成果，但是在市场生产和应用中还没有一套真正属于自己的系统。

在我国，虽然对于不同领域的机器人已经开始推广应用，但很多都是在国外研究的基础上加以改进或进行二次开发，总体的研究水平仍和国外存在一定的差距，视觉机器人更是处在研究的初级阶段，因此，对于视觉机器人的研究、开发和使用具有重要的意义。

本文研究的意义在于从“机器换人”的思想角度出发，将视觉与工业机器人相结合起来应用于机床上下料系统，以此来适应对多样化工件的加工，为了满足不同环境下的生产工作，把视觉传感器置于机器人末端执行器部位，实现随动和实时分析，从而提高生产效率和灵活性，为工人减轻工作压力，同时推动工业自动化发展。

1 整体的结构设计

为了实现通过视觉引导机器人完成工件的上下料过程，首先需要图像传感器先获取到由传送带传输过来的工件的位置，然后通过对图像的处理分析，得到工件的形状和准确位置，通过笛卡尔坐标系的转换矩阵，获取工件在世界坐标系下的位置，再通过机械手的控制系统来实现机械手的抓取工作。

其中，传输系统主要包括传送带装置；图像处理系统主要包括补偿光源，图像传感器以及负责图像分析的计算机算法技术；机械手系统主要包括机械手本身，与之相匹配的控制柜，和负责抓取工件的夹具；为了满足不同种类的工件，末端夹具采用了快换装置，方便替换不同夹具来抓取工件。具体布局如图1所示。

2 视觉工作原理及摄像机的标定

2.1 视觉工作原理

通过对视觉系统的研究可以让机器人能够像人一样“看”清对象，并了解作业对象，对被加工对象有比较直观的认识，从而更好的适应多变的工作环境。计算机的视觉定位是根据“寻位-加工”的方法实施的，其中“寻位”是模仿人去识别感兴工件在空间中的相关信息，通过计算系统建立仿生视觉模型进行相关的计算和处理。

计算机的视觉系统包括工件状态的捕获和对图像的计算，根据得到的结果完成信息的传输。其中图像的获取主要包括光照的补偿、CCD相机和配套的镜头等设备；图像的分析处理一般是通过相关的算法在软件中完成；结果的显示是通过显示设备显示经过处理后的特征图像。信息的传输是把得到的位姿信息传送给相关的执行设备，最终完成动作的实现。

目前的视觉研究中，双目视觉的研究过程存在空间匹配难、可视区域小等特点，在单目视觉中却不需要考虑这些，而且单目视觉相比立体视觉的标定步骤少，结构的设计也不繁琐。单目视觉定位的方式有：几何光学法、几何形状约束法、辅助棒间接测量法、激光辅助测距法等。因为视觉传感器在结构上受到一定的限制，所以上述大多数方法只有在对固定的被测物体进行近距离成像的条件下才会有效。而且单目视觉定位系统不用考虑双目摄像机之间距离的约束，所以在实际的工作坏境中适用性更好。

视觉定位系统完成上下料工作过程图如图2所示。

2.2 摄像机的标定

对相机进行标定是机器视觉作业中非常必要的问题，这是获取相机几何参数的过程。从拍摄的图像出发，计算物体的相关信息并重建物理模型，物体和图像之前的关系是由相机的内外参数联合决定的。对相机进行标定的步骤就是寻找图像和物体的对应关系的过程。相机的内部参数是指决定了相机的理想成像和实际成像之间对应关系的相关信息；相机的外部参数主要包括相关的变换矩阵[2]。

目前存在的相机标定技术根据方法不同主要分为三种：第一种是传统的相机标定法；第二种是主动视觉相机标定法；第三种是相机的自标定法。传统的相机标定法是根据已知物体的形状和几何参数，通过相关的计算，得出相机的内外部参数，这种标定方式适用范围广，而且标定的精确度高，但标定步骤繁琐；主动视觉相机标定法需要先取得某些动态参数，通常能够进行线性运算，有较高的鲁棒性，但不适用于相机动态参数未知的情况；相机的自标定法是通过多个图像之间存在的某种关联进行标定，虽然比较灵活，但该方法是非线性标定，而且它的鲁棒性不好。

在进行相机标定之前，还需要先研究相机的成像模型，一般选用理想的针孔模型为例，这也是相机成像模型中最简单的成像方式，如图3所示。

因为图像处理的最终目的是要获取感兴对象的形状和位姿，所以建立了如图3所示的相关坐标系。

①像素坐标系（Ouv）：它是用于描述像素位置所使用的坐标系。相机获取的图像最终是以M×N形式的数组进行存储的，像素的数值在图像上表现为该点的亮度，像素坐标系的建立如图中所示。

②平面坐标系（oxy）：该坐标系建立在相机的图像平面上，其中横向为x轴，纵向为y轴，坐标的原点是相机的光轴与图像平面的交点。

③相机坐标系（ocxcyczc）：该坐标系的建立是以相机的光心为坐标系的原点，xc轴、yc轴平行于图像平面中的x轴和y轴，zc轴与相机的光轴一致。

④空间坐标系（OWXWYWZW）：它是固定于场景中的坐标系，为了方便后期的计算，空间坐标系的设定和机器人的基坐标系相重合。

空间坐标系中某点的坐标和该点在像素坐标系中的位置有如下关系：

其中，（xw，yw，zw）表示是某点在空间坐标系中位置，（u，v）是该点在像素坐标系中的位置，矩阵A是指相机的内部的几何参数，sx和sy是指相机的焦距，单位为像素，[R T]是相机的外部几何参数，该公式描述了像素坐标系和空间坐标系之间的转换方式。

根据本文的作业要求，最终选用了传统标定方式中的张正友平面标定法。此方法是张正友教授在1998年创建的一个处在传统标定法和自标定法之间的标定方式[3]。有效的避开了传统方法中对设备的高准则以及标定过程的麻烦，而且标定的结果比用自标定方法的精确度好，具有良好的鲁棒性，它的出现推动了计算机视觉应用的脚步。

3 图像的处理

用计算机处理图像时，图像首先会被数字化，然后被表示成矩阵的形式，其元素对应于图像中相应位置的亮度。在图像进行采集过程中采集到有用信息的同时也会采入大量的背景信息，会因为噪声、辐照度以及物体表面的反射特性等原因使图像不理想，为了只获取图像中的有用信息，需要先对采集到的图像进行处理。

图像处理的整体过程如图4所示。

3.1 图像的平滑处理

因为噪声在真实世界的每个测量中都是固有存在的，所以要想办法抑制噪声对图像的影响，而平滑的目的就是在于抑制噪声或其他小的波动，它可以根据数据的冗余性对图像含有的噪声进行抑制，所以我们首先需要对相机获取的图像进行平滑处理。平滑处理常用的方法有：均值滤波法，中值滤波法和高斯滤波。通过实验对比可以发现，中值滤波能够保证图像边缘清晰的情况下抑制图像中的椒盐噪声，所以本课题最终采用中值滤波对图像进行处理。

3.2 图像增强

增强的目标是通过不同的方法来让感兴区域变得更加明显，可以根据需要扩大目标的特征值，增加对比度，提高图像的清晰度。本文中选用频率域法对图像进行增强处理。

3.3 图像的阈值分割

分割算法是基于强度值不连续和相似性的两个进本属性展开的研究。第一类是基于强度的突然变化来分割图像，例如图像的边缘。第二类是将图像分割成和预定义的标准相似的区域，例如直方图阈值法。

图像的阈值问题作为图像处理中的一个重要问题，它不仅可以减少图像包含的数据，还为目标的识别和图像的理解打好了基础。灰度阈值化是最简单的分割处理。阈值技术可以分为两类：全局阈值和局部（自适应）阈值。本文中选用的是阈值化中的一种自动阈值检测法，其处理的结果如图8所示。

3.4 边缘检测

目标的识别需要获取工件图像的特征点信息，这些点是从图像轮廓中获取到的。通过锐化的方法可以增强图像的边缘细节、轮廓和灰度跳变部分，得到连续的边界，这对后期的判断有很重要的作用。对于一般的滤波方法得到的结果虽然能够抑制噪声，但也会让图像的边缘变得模糊。本文所采用Canny算法作为边缘的检测工具，最终处理的效果如下。

3.5 中心点的提取

本课题中所选工件的厚度是均匀的，所以可选择通过求重心的方法来获得中心位置，假设工件的密度函数为？滓=（x，y），则工件的质量可以表示为：

坐标值的显示结果如图11所示。

把得到的坐标值通过相关的笛卡尔转换坐标处理后，得到可供机器人控制器识别的信息，从而引导机器人自动完成工件的上下料工作。

4 结束语

本文首先设计出了由视觉引导的机床上下料系统整体结构，然后根据摄像机的工作原理，对选用的摄像机进行标定，通过计算机对图像进行相关的处理，最终得到工件在工作环境中的具体位姿，最终引导机器人完成工件的上下料工作。

参考文献：

[1]田涛，邓双城，杨朝岚，张泽.工业机器人的研究现状与发展趋势[J].新技术新工艺 ，2015（3）：92-94.

[2]David A. Forsyth， Jean Ponce 著.計算机视觉—一种现代方法[M].王宏，等译.北京：电子工业出版社，2004.

[3]Zhang Zheng you. Flexible camera calibration by viewing a plane from unknown orientations [C].Proceedings of the IEEE International Computer Vision. Greece， 2002.