基于视觉的工业机器人应用系统发展及研究综述

0  引言

机器人是集成了高新技术的高端智能装备，它对生产制造业地发展起到至关重要的作用。机器人技术作为重要指标已用来衡量国家高端智能制造和科技创新水平的高低。工业机器人近年来发展迅猛，生产使用量非常高，受到了世界上各个国家研发领域和制造领域的强烈关注。工业机器人技术和产品的创新，推动了智能制造技术的进步，体现了一个国家机器人技术的实力和其在自动化、智能化技术水平方面的竞争力。

第一台机器人在美国诞生距今已近60年，其技术和产品在全世界范围迅速发展，极大地满足了工业生产制造、国民经济建设及人们日常生活的多方面需求，图1给出了机器人的发展历程。智能制造推动了工业的发展，基于视觉的工业机器人满足了智能制造的自动化和智能化要求，现在已得到很广的应用。在物料转移、工件的拆装、分捡和储运等方面极大地降低了人类劳动强度，并且提高了工作效率。不同类型工业机器人的出现推动了机器人技术的不断进步，体现出智能制造在国民经济发展和国家综合国力提升中不可或缺的价值。

1系统分析

1.1  系统组成及工作原理

机器人通过视觉系统获取外界信息，然后通过软件计算出目标参数，最后利用控制硬件完成特定的任务。随着国民经济的发展，科学技术水平地不断提升，以及工业生产技术智能制造水平地不断提高，对于工业机器人的性能各方面要求也随之越来越高，迫切希望出现能够自适应周围环境、自我学习的工业机器人。传感器市场的快速发展，各种高性能、易使用、灵敏度高、寿命长的传感器地普及，使视觉工业机器人性能的提升得以实现。

研发人员通过在工业机器人系统中集成各类传感器来增加它们对外界的感知能力，其中视觉类传感器发挥的作用最大。因为视觉的目的是让机器人仿照人类的视觉系统，以使用外部传感器获取视觉范围内的图像数据信息，并通过系统中的处理器对图像数据进行分析和判断，进而实现物体辨识及物体定位等。相对于一般感知系统，视觉系统具有两点优势：（1）快速获取大量环境信息，而且获取的信息以数据存储，易于计算机处理;（2）易于和其他系统集成，且兼容性好，在工业生产制造中可以提高效率和精度，自动化程度高。

通常所说的视觉系统是由硬件组成的。该系统中的摄像机用来获取图像数据信息，然而由于周围各种影响因素的存在，使得获取到的数据被污染，含有大量的噪声和干扰，导致所需要的有用信息被淹没，系统无法直接分析，因此需要对获取的原始信息进行处理。图像处理可以利用图像去噪技术、特征提取技术等，将图像的特征信息从原始数据中挖掘出来，改善数据质量，便于计算机后续分析处理，做出正确决策，最终完成任务要求。

1.2  機器人视觉的主要功能

机器人技术的不断更新、产品的广泛应用，极大地促进了机器视觉的产生与发展。如何更加合理有效的将机器视觉引入工业机器人系统，提高工业机器人应用的灵活性，逐渐成为机器人研究的重要方向。工业机器人视觉的主要功能可以概括为：

（1）目标定位：工业机器人通过视觉系统可以在工作中迅速找到物体（如零件、电子元件等）位置，通过控制系统引导机器人进行相应作业，快速、精准地完成工作。

（2）外观检测：工业机器人通过视觉系统可以进行量化对比，对所生产产品的规格、尺寸、外观和缺陷等指标做相应检测，发现制造过程中出现的不合格产品，进而为质量检验提供精准可靠的数据支撑。

（3）操作和识别：机器人视觉系统可以对目标图像进行识别和分析，进而对所识别的图像数据做采集和处理。

2  研究现状

2.1  工业机器人发展现状与趋势

作为一种技术附加值高、应用范围广的高端装备，机器人在现今先进制造业中发挥的作用越来越重要，同时也会对社会未来生产和发展起到极大的推动作用。机器人地出现使得大量劳动力得以解放，随着技术的不断创新，工业机器人产品性能更加稳定、效率更高、价格更低等，促使大量工厂和企业引进更多的工业机器人来提高生产效率并保证产品质量，从而降低企业的生产和经营成本。

世界各国高度重视机器人产业的发展壮大，主要经济体和国家纷纷发展机器人产业，特别是工业机器人产业，甚至将工业机器人产业提升到国家战略发展的高度，从而增强本国在机器人领域的竞争实力，体现了工业机器人在机器人产业，乃至社会各项产业中的重要地位。

随着智能制造技术的出现和发展，未来的工业机器人技术会朝着智能化、系统化的方向发展，其趋势可归纳为以下几方面：（1）多传感器应用技术的实用化;（2）控制技术的分布式、网络化;（3）系统的可重构化、模块化;（4）作业的柔性化、系统的自动化和智能化等。

近年来，随着工业4.0、中国制造2025、互联网+和人工智能等理念地持续推进，以及深度学习算法在医学、生物、图像识别等领域的广泛应用，推动了工业机器人技术的进步，也为工业机器人未来发展及应用提供了强有力的技术平台。在这样的大背景下，未来全球工业机器人产业竞争将更加激烈，而我国也将迎难而上，继续推进工业机器人产业，争取在国际上有足够的竞争力。目前我国只有新松公司能够在国际市场上有一定竞争力，因此未来工业机器人应朝着以下几个

方向发展：（1）系统的可重构化、模块化;（2）多（六轴以上）自由度;（3）核心部件（如减速器、伺服电机等）国产化;（4）编程易于实现。

2.2  基于视觉的机器人研究及发展现状

对于视觉机器人的研究， Nagata等人利用机器人视觉伺服技术和遗传算法相结合的方式，实现对机器人的精准控制。澳大利亚西澳大学研发制造的Australias Telerobot，是一个以摄像机作为视觉数据采集装置的工业机器人，该机器人具有六轴自由度，有极高的灵活性，使用者通过此机器人拍摄静态图像，然后对图像数据分析处理，处理后生成空间位置信息，对物体不断拍摄新图像和更新后得到空间位置信息，系统对信息进行处理分析后，最终实现一垒积木块位置的准确摆放。

国内众多高校对工业机器人机器视觉方面进行了实验和研究，发明了众多专利，为科技成果的转化提供了有力支撑。例如：华中科技大学彭刚等人利用视觉系统和超声测距技术跟踪和抓取动态目标;北京航空航天大学孟偲等人利用手-眼视觉系统的测量与定位信息，准确判断目标物体并抓取;东南大学席文明等人将基于视觉引导的机器人引入焊接工作中，实现焊接的高精度和高效率;华中理工大学刘延林等人通过机器人视觉技术获取毛坯的图像数据分析处理，最终实现毛坯的准确识别。

当然，实际应用中，视觉系统独立存在的意义不大，只有将其与其他系统结合，才能发挥它的真正优势。Allen P K等人提出了一种能够实时跟踪三维运动物体的实时视觉系统和可抓取运动物体的机器人手臂的高交互式的综合系统，实现在动态抓取任务中手眼相互协调，如在移动式输送机系统上抓取部件，装配铰接部件，或从移动机器人系统抓取部件。S Murakami等人基于模糊逻辑控制器研发了弧焊机器人焊缝跟踪控制系统。该系统从焊枪的摆动位置及导线末端与工作距离之间的关系中，识别出焊接点的水平位移和垂直位移，并由三菱重工的电弧传感器输出，利用这一信息，可以知道弧焊机器人的焊枪位置和调整方向。H. Ali等人利用视觉传感器设计和开发了智能机器人手爪，文中使用的视觉传感器可以用于检测对象的存在并将信息发送给机器人。Huang等人提出一种改进的用于解决动态补偿机器人系统（DCRS）的无模型位置调节问题的算法，控制机器人实现高速、准确的操作。

1961年麻省理工学院的林肯实验室将含有触觉传感器的装置与计算机连接通信，机器人通过触觉感知到的周围物体的状态信息即可以传递给计算机。随后把摄像头当作输入，将计算机物体识别、图像处理常用的方法引入到机器人系统中，从此开启了机器人视觉方面的研究。计算机技术和人工智能的快速更新和发展，提高了机器人智能化程度，使得世界各国纷纷投入大量资源，用于基于视觉的机器人的研发和应用。

美国的Adept公司是一家全球知名的专业从事工业机器人制造的高新技术企业，他们研发生产的第一代工业机器人就是基于视觉系统的。此后，在三十多年的发展历程中，Adept公司拥有了非常丰富的经验和技术，这使其成为美国工业机器人企业中最大的一家。

日本也是机器人研究和应用水平世界领先的国家之一。日本的工业机器人品牌很多，如爱普生、OTC、那智不二越、安川、FANUC等，在中国各行各业企业的生产线上使用广泛，如东风汽车、长安汽车、上海通用、京东方、海尔、美的、华星光电等。从统计数据比较来看，全球机器人市场份额的50%以上已被这些日本品牌的工业机器人占有。从1970年起，日本已经在机器人领域打下了非常好的产业基础，从日本政府提供的统计数据可知，截止2011年，日本的工业机器人产业占世界工业机器人产品市场的50%～57%。

机器人在国内研究相比日本、美国等起步晚，但是发展相对迅速，并且已经得到了大量有价值的研究成果。近年来，我国政府高度重视，得益于多个政策支持文件的出台，国内一些科研院所在机器视觉方面投入的研究也非常大，发展势頭强烈。

2011年3月7日中国农业大学教授李伟主持的国家863计划项目 “黄瓜采摘机器人关键技术研究”通过了国家教育部的成果鉴定。此项研究综合应用多传感器融合技术，对所需采摘黄瓜的成熟度和空间位置获取信息，在机器人工具端实现了智能化操作，并能够在未知环境机器人自适应寻找最优路径、视野内快速搜索、判断采摘对象的成熟度、获得采摘对象实时位置信息，最终完成整个采摘工作。传统工业机器人需要在结构化环境中工作，而该研究成果打破了这一技术屏障，这是对传统工业机器人使用模式的重大突破。

清华大学的机器人视觉科研组研制出了一套新的多传感器视觉系统—基于CAD模型的CMMS。CMMS分层结构：第一层是识别、定位和跟踪层;第二层是获取处理信息层。哈尔滨工程大学自主研发的足球机器人导航系统，可以同时检测到不同方位的视点。通过数据融合技术处理两个摄像机采集的数据信息，测量精度得到了提高。实际比赛测试中，在其他传感器失效的情况下，双目视觉依然能够实现导航功能，体现了高度的自适应能力。

3  结论及展望

在传统应用中，工业机器人多数是通过示教方式或者离线编程进行工作，机器人需要严格遵循设定工作，功能单一，无法满足柔性制造的要求。机器视觉技术的引入，提高了机器人执行任务的灵活性，机器人的初始位置姿势和结束位置姿势都可以通过视觉采集数据自适应地计算得出，借助机器人与视觉系统之间的协同工作，不但可以利用机器人的运动扩大相机的可视范围，还可以利用相机给机器人进行辅助定位，完成人工难以实现的复杂任务，提高工业机器人的智能化水平。未来基于视觉的工业机器人系统可能朝着以下几个方向发展。

3.1  多机器人协调系统的发展

国内外研究普遍针对单个机器人，其技术相对成熟，效率、性能和可靠性显著提升，但仍然无法充分满足先进智能制造的要求，许多复杂任务无法依靠单个机器人独立完成。多机器人协调运行系统比单机器人有很多优势，比如空间上分步，时间上可以并行，更具灵活性，更具容错能力，效率更高。因此，研究意义重大，多机器人协调系统的市场发展以及应用前景具有广阔空间，是未来视觉工业机器人发展的方向之一。段云涛提出基于改进的BP神经网络算法和碰撞检测算法的双机器人协调下棋系统，将多机器人协调系统优势完全体现了出来。李丹勇等人基于多智能体系统理论，开发出机器人协调控制的实验平台，通过实验验证实验平台的实用价值。

3.2  工业机器人视觉系统性能的提升

机器人视觉系统和人类视觉系统功能一样，是机器人的高级感官系统。借助于视觉系统机器人可以自适应感知环境信息，从而对周边环境的变化作出快速合理的决策。随着基于视觉的工业机器人应用领域的不断扩大，不同应用环境中的不同任务对机器人视觉系统有了新的要求，针对不同的应用领域开发出适合的视觉系统，将会大大提高工业机器人在工业环境中的竞争能力。

3.3  深度学习方法优化视觉系统

深度学习方法已经在语音识别、图像处理及医学等领域广泛应用，其中深度学习方法的典型结构CNN（卷积神经网络），特别适合于处理图像数据，而且这类网络结构无需人工进行特征提取，智能化程度非常高，易于实现。因此，未来可以考虑利用深度学习方法优化工业机器人视觉系统，提高系统的辨识能力和自适应能力，在工业现场发挥更大的作用和更强的优势。

参考文献：

[1] 谢超艺.简析视觉系统在工业机器人集成系统中的应用[J].南方农机，2019，50（23）：42.

[2] 王琳，张珊珊，潘艳飞，刘新.工业机器人视觉检测系统研究[J].电子技术与软件工程，2019（22）：86-88.

作者简介：郑凯（1987-），男，汉族，山西太原人，工程师，硕士研究生，中电科风华信息装备股份有限公司，主要从事电子专用设备的研究。