基于机器视觉的工业机器人分拣系统

王传鑫?吴思彤?马超?李林

摘要：工件分拣是工业生产的重要组成部分。在传统的生产线中，采用人工分拣。然而，这类工作具有很高的重复性和劳动强度。随着工业的发展和进步，工业机器人逐渐取代工人用于分拣，但由于机器人的运动，所有操作都是通过教学或离线编程预定义的。一旦工件的位置确定，机器人就无法进行适当的调整，这将导致误差。基于此，本文主要对基于图像处理的工业机器人分拣系统进行了分析和探讨。

关键词：基于机器视觉;工业机器人;分拣系统

1.前言

图像处理技术与并联机器人的结合，使分拣操作更加可靠、灵活，操作对象和分拣过程可以随时随地改变，提高了工业生产的效率和机器人分拣系统的智能化。基于上述优势和相关技术基础，开发和研究基于图像处理技术的工业分拣机器人系统具有重要意义。

2.機器人分拣系统工作流程

本文基于Astro Boy并联机械手机和康奈仕insig7000智能摄像头，设计并构建了一个基于视觉定位技术的机器人分拣系统，如图1所示。在实验调试过程中，通过打开和关闭圆筒，将不同类型的立方体块随机分布在传送带上。该程序评估要排序的块是否在视野内。当区块进入摄像机的视野时，机器人控制器通过以相等间隔触发来触发摄像机拍照，以收集分类对象的姿势信息。计算机通过特定的处理算法识别和计算实验对象块，接收分类对象的分类信息、坐标信息和旋转角度，然后以特定的数据格式传输给机器人控制器。根据视觉系统返回的信息，在适当的行动区域进行跟踪和记录。在指定位置放置不同类型的实验块。当材料容器上的块数达到设定值时，重新打开圆筒，将块随机分散在传送带上，并重复上述过程。

无花果。2基于视觉的机器人分拣系统工作原理示意图

6轴机器人：由于待分拣工件的质量在400g以内，最大搬运距离为500mm，因此选择了Nachi的轻型6轴机器人mz04。该机器人可以处理重量为4kg、移动范围为600mm的物体。它具有精度高、速度快的优点。

视觉模块：视觉模块由摄像头和镜头组成。方程式（1）是相机选择的公式。

F=FOV/D（1）

其中FOV是视野，D是视觉模块的识别精度，F是摄像头的像素。由于要分拣的工件在250mm的工作范围内为180mm×300mm，所以整个视觉模块的FOV设置为200mm×300mm，整个视觉识别模块的检测精度D必须为0.8mm。根据公式（1），为满足精度要求，至少选择10万像素摄像头。为了提高稳定性和准确性，13个像素代表一毫米，因此必须选择130万像素的摄像头。Basler的aca-1300-gm相机有130万像素，芯片尺寸为1.3英寸。稳定性高，能满足精度要求。透镜选择的原理如图3所示。

根据已知工作距离h、视场FOV和芯片尺寸x，结合类似三角形原理，透镜焦距为F16mm。选择后，摄像机和镜头安装在机器人外部的支架上。经调试，图像处理模块能够满足检测精度要求。气动模块：气动模块由吸盘、空气压缩机、电磁阀和真空发生器组成。吸盘和真空发生器安装在机器人的末端。真空发生器将空气压缩机的压缩空气功率转换为负压，以便吸盘能够容纳工件。

4.基于机器视觉的工业机器人分拣技术分析

工业机器人分拣系统主要实现机器人的自动分拣，涉及的技术主要包括：

4.1摄像机校准

分拣系统投入运行后，首先要对工件或物料的摄像头进行校准，这可以称为基于图像处理的工业机器人分拣的基础。没有摄像机校准，就无法实现图像处理。摄像机标定用于建立工业机器人与输送带上的物料或工件的空间位置坐标系和图像坐标系，并讨论和分析它们之间的关系。

4.2工件识别和定位

为了确保机器人分拣中的错误率尽可能低，有必要确保系统运行中工件的检测和定位是准确的，而细化这两项任务的根本原因是使用了图像匹配技术。在实际操作中，我们根据不同的材料选择不同的工件匹配技术。目前，主流的图像匹配技术包括区域匹配、特征匹配和相位匹配。其中，最常用的匹配技术是特征匹配，这是因为其他两种匹配方法比特征匹配更依赖于灰色查询。

4.2.1工件识别

所谓工件识别是指图像识别。其工作原理是通过摄像头获取工件的图像，然后与输入的工件图像进行比较，得到图像中工件的具体信息，然后记录工件本身的位置和方向。一般来说，在图像识别过程中，首先需要通过预处理工业摄像机获取工件的图像信息，然后相应的匹配系统从输入的工件信息中找出一些相似的工件。然后通过图像处理技术将预处理摄像机接收到的图像信息中的工件与背景分离，并将工件图像转换为二值图像。然后提供经过二值化处理的图像，以比较匹配形状或特征的相似性。用于完整的图像识别。

4.2.2工件定位

工件检测允许工业机器人精确完成物体分拣过程，但如果想要获得分拣物体的准确位置信息，则需要准确定位分拣物体的位置。要计算工件的准确位置，需要分析预处理相机拍摄的图像。具体操作如下：首先，需要将工件在图像中的位置与背景进行比较，然后将其位置转换为摄像机坐标。随后，根据摄像机坐标，工件的位置坐标以世界坐标的形式显示。根据工业机器人运动学原理，得到了机器人的关节角和电机的驱动角。最后，利用一阶图像矩算法计算出工件的中心坐标。

4.3工业机器人的运动控制

为了精确控制工业机器人的运动，需要对预处理摄像机拍摄的图像进行分析，通过分析可以得到工件的精确坐标。当工件被转移到指定位置时，机器人可以根据指令对工件进行分拣，并将其移动到指定位置，完成材料或工件的最终分拣。

5.结论

机器人版本技术在工业环境中的应用将越来越广泛，这将提高分拣系统在工业过程中的鲁棒性，为以后开发机器人辅助分拣系统提供更好的参考。

参考文献：

[1]唐宇，吴清潇，朱枫.平面工件的识别与定位方法研究[J].机械设计与制造，2015（10）：172-175.

[2]李婷，柳宁.基于机器视觉的圆定位技术研究[J].计算机工程与应用，2012，48（9）：153-156.