机器视觉技术在工业机器人中的应用研究

谭春林

（新疆昌吉职业技术学院，新疆 昌吉 831100）

1 机器视觉发展现状

20 世纪60 年代，机器视觉研究开始兴起，罗伯特等人的三维视觉研究为机器视觉技术发展打下了坚实基础；20 世纪70 年代，机器视觉兴起，大卫·马尔提出一种新的机器视觉理论，这是机器视觉的第一个重要理论框架，也是机器视觉理论的雏形。20 世纪80 年代，随着机器视觉技术的迅速发展，世界范围内出现了一股新的机器视觉理论，包括动态视觉理论框架、视觉集成理论框架等。20 世纪90 年代，随着计算机视觉工业化的出现，大量的机器视觉公司建立，各种工业领域都有了机器视觉的应用。我国在20 世纪80 年代开始机器视觉技术的研究。中国首次引入了机器视觉技术，并在南方的电子半导体工厂中得到了应用。我国机器视觉技术发展可以分成4 个时期：第1 个时期是在20 世纪80 年代开始的机器视觉，这一时期主要是技术和设备；第2 个时期为1999 ～2003 年，国内机器视觉企业通过代理部分国外机器视觉企业系统整合服务和机器视觉的二次开发；第3 个时期为2004 ～2007 年，在此期间，国内机器视觉厂商由学习向自主研发转变，并逐渐占领初级市场；第4 个时期是从2008 到现在高速发展时期，在这一时期，我国相关机器视觉设备公司纷纷出现，并迅速提高机器视觉产业的质量和速度。根据中国机器视觉工业联合会的数据，2019 年，机器视觉领域的销售额超过了百亿，以20%的速度增长。

2 机器视觉系统组成

2.1 光源

光源是影响成像质量的重要因素，它的作用是突出物体的特点，抑制不相关特征，提高被探测区域和未探测区域的反差，并保证光源有足够的亮度和稳定性，从而保证图像的成像质量。由于光源种类繁多，为了获得最佳的使用效果，需要根据实际情况选择适当光源。在选择光源时，选择不同的光源以达到反射的目的，并吸收不必要的光。

2.2 相机及镜头

相机是机器视觉的关键部件，它的作用是把接收的光线转换成有秩序的电子信号。图像传感器是相机的核心感光元件，其主要包括两类：CCD 和CMOS。其最大的区别是芯片技术结构的不同。CMOS 相机把采集的光线信号转换成电信号，然后把电子器件整合到一个芯片中，使得相机可以更快速地读取图像信息。CCD 摄像机不需要在晶片上安装任何电子元件，而是利用晶片表面来捕获光，所以对光非常敏感，适合在弱光环境下拍摄。此外，镜头是机器视觉的“眼球”，还是机械视觉的一部分。透镜的选取直接影响图像分辨率、对比度、景深等重要的成像参数，从而影响图像的质量。现在，镜头正向着高分辨率、高光谱传输的方向发展。

2.3 图像采集处理

采集卡的功能是采集、压缩、存储、控制图像的解析度，并以高速传输图像信息。图像处理是指对摄像机获取的原始影像进行多种处理，以突出图像中的特征，并对不需要的信息进行筛选。对于各种特征信息有多种处理方式，如图像降噪、增强、分割和特征提取等。

2.4 机器视觉软件

一般的视觉软件可以根据功能划分为两大类：（1）特殊功能（例如，金属铸件检测、BGA 锡球检测、液晶显示器检测）；（2）一般的功能（如测量、定位、实时反馈和分类检测）。

根据视觉软件的着重点，可以划分为3 个主要类别：（1）可视觉图形处理软件（如OpenCV、Halcon、VisionPro)；（2）算法方面的视觉软件（Matlab、LabVIEW)；（3）由摄像机SDK 开发的视觉软件（eVision）。当前，使用最多的是Halcon、OpenCV、VisionPro 等。Halcon 拥有超过1400 个可被各种开发语言调用的独立操作，并拥有独有的底层数据管理、开发语言、工业相机接口；另外，OpenCV 是一款开源跨平台电脑视觉库，它能适应各种不同的操作系统，并支持很多的程序设计，但是OpenCV 开发周期较长；Vi sionPro 是美国Cognex公司开发的一款图像处理、拼接和标定的视觉软件，它的开发速度很快，可以通过图形化或API 函数实现。

3 机器视觉技术分析

3.1 机器视觉技术的概念和工作原理分析

机器视觉系统利用机器视觉产品（也就是分成CCD和CMOS）将目标转化成图像信号，再通过特殊的图象处理系统获取目标的外形信息，并根据像素分布、亮度、色彩等将这些数据转化成数字信号，而且，图像处理系统可以获得与目标特性有关的资料，以决定设备的移动。

机器人可以利用强大的运算和仿真能力，使机器可以对周围物体做出类似人类的反应，并对外部信息进行细致的分析，然后进行综合处理，最后的结果反馈给机器人内的电脑，该方法由可视觉传感器获取，可用于日常生产检测、控制和观察。目前，智能视觉识别技术中有一种比较成熟的3D 视觉识别技术，它可以将图像采集到计算机中，并将其传输到计算机中。计算机将图像进行分析、处理，再将其反馈到执行机构，以实现视觉操作。

3.2 机器视觉技术的作用分析

工业机器人作为一种非常具有代表性的现代技术，具有精准、快捷、省时等诸多优点，在食品、家电、服装、电子等行业中都有广泛的应用。第一，在现代化工业生产中，机器视觉技术能够在最短的时间内准确地判断出物体的具体位置，从而准确地捕捉到目标。第二，利用机器视觉技术，可以利用它的识别能力获得一幅图像，然后进行分析、处理，从而确定目标和物体的不同状态，实现对信息的追踪和采集。第三，对各种产品在生产过程中的品质进行检验，如产品尺寸、外观缺陷等，完全解放了人工。第四，在工业生产过程中，很多细小设备都是人们不易发现的，自动机器视觉技术可以对这些零件进行有效的检测。第五，能够有效地进行分类和处理工作。如果用人工进行分类，将会有一些限制。因此，利用视觉机器人进行分类提高了工作效率和精确性，使工人得以解放。

4 机器视觉技术在工业机器人中的应用分析

4.1 机器视觉技术在自动检测中的应用

工业机器人的视觉系统，主要是根据摄像机和机器人的具体位置来判断。工业机器人视觉系统分为两大类，一种是Eye-in-Hand，该系统包括机器人、控制器、控制系统和单眼视觉系统等，并对机器人手臂的触碰进行检测；第二种是Eye-to-Hand，它会被固定在一个地方，在工作的过程中，它不会跟着机械臂一起移动。根据上述两种方法的比较，第一种方法会妨碍到机器人的视觉，从而导致机器人在移动中出现较大的偏差，因此，在比较了两种方法后，Eyein-Hand 机器人的视觉系统是最好的选择。在工业机器人视觉系统中，它的视觉系统是通过校准来实现的，也就是说，它可以通过2D 和3D 技术来实现。

4.2 机器视觉技术在智能装配中的应用

首先，是对运动物体的探测。运动物体的检测要求在背景图像中自动提取物体。在这种情况下，机器人的分类问题主要有光流法、帧间差分法和背景差分法三种方法来实现利用这三种方法，可以很容易地实现对物体的动态检测，从而实现对物体的自动识别。其次，是对运动物体的追踪。利用多个目标跟踪方法，实现对运动物体的跟踪。具体来说，就是对每幅图像进行一帧的分析。在每个画面中都会检测到一个移动物体，然后对每个画面中的像素进行分类，并建立一个目标链。在接下来的几个画面中，不断地进行定位和识别，建立目标链，以及建立相应的运动对应关系，从而对目标进行精确的判定。在判定物体时，物体坐标系统与机器人坐标系统之间有某种关联，使物体在分类时能正确地进行相应的定位，为以后的分类工作提供借鉴，对运动对象进行跟踪时，也要建立相应的运动模型。通过建立运动模型，使机器人能够快速、简单地做出判断，从而简化工作，提高工作效率。

4.3 工业机器人的视觉技术识别应用

工业机器人是当今最具代表性的技术之一，它具有操作简便、准确、省时等特点，在家电、电子、服装、汽车、食品等领域得到了广泛的应用。由于许多公司都在追求高质量、高效率的产品，工业机器人就是在这样的背景下诞生的，例如，京东自动机器人，数以千计的机械人穿梭于各个货架之间，分拣、投放、搬运。

机器人视觉系统包括相机定位、图像分析和处理、目标状态辨识和运动控制四大方面。首先，通过摄像机位置来确定物体运动坐标，得到物体的坐标对所采集到的物体进行图像分析与处理，基于图像分析方法，通过对物体状态进行分析和处理，进而实现对物体运动的控制。工业机器人的应用是现代工业与传统工业相比的重大进步和发展，它克服了传统工业成本高、效率低、时间长等问题，解放了人们的双手，实现了工业的自动化和智能化。

4.4 工业机器人的视觉技术定位应用

工业机器人视觉技术根据具体产品的外形，利用影像处理技术，找出适当的捕捉点，并设定象素的坐标，再用机器人手与眼连在一起，完成对工件抓取点定位。当确定了一个空间捕捉点的战略时，它的背景必须是固定的，它的工件是有机体，可以通过相应的机器来提高它的形状，这样的抓取方法可以根据平面上的直线位置关系进行定位。通过对参考数据中的灰色值和特定属性，从工件边沿剖面的特定角度进行阈值分析，再将圆法和几何法相结合，可以快速地获得所需的资料，进而二维化的抓取点进行确定。为了对其进行有效的分析，把它分成两个部分，第一部分是曲面的分块和多边形拟合，它可以用工件形状来决定中心，这样就可以对图形进行边缘化，工件的轮廓就会变得更加清晰。第二部分，通过与其对应的几何要素相结合，可以对工件的外形进行简单的分割，例如，圆、线等。该方法不仅可以保留原始轮廓的相关信息，还可以进行数据压缩和计算，并对其进行初始化处理，这样就可以实现对工件轮廓的拟合，并根据实际情况对工件的轮廓进行处理。

5 机器视觉技术发展趋势

机器视觉技术的优势：通过机器非接触式测量，能够在人不能操作或到达的地方，实现目标探测；它能探测肉眼看不到的红外线和弱光探测，扩展眼睛的视野。另外，机器人不会疲劳、工作时间长、工作稳定、分析、处理和操作；采用机器视觉技术可以节约大量的人力，有效地减少企业生产成本，为现代工业生产创造了巨大的效益。例如，工厂内噪声太大时，机器视觉会被干扰，从而导致仪器灵敏度下降或者设备受损。由于工业生产中有些地方温度较高、有些地方温度较低，对机器设备的抗干扰性和稳定性提出了更高的要求，在图像获取过程中，由于光线较弱、图像的提取、识别和分析都会受到一定的影响，从而导致产品质量下降影响加工准确性和效率，如何解决这些问题，改善设备的性能，实现对图像的有效识别是当前的一个重要课题。

6 结语

随着机器视觉技术的迅速发展，对机器人的需求越来越大，它的发展也越来越深刻地影响着整个社会。目前，为适应工业生产自动化必须依靠机器视觉技术来提高生产自动化水平，所以工业制造技术的进步，让机器视觉技术也随之进步。本文着重探讨了机器视觉技术在工业机器人中的应用，以期为机器视觉技术工作提供有益的借鉴，能够打破简单的重组作业模式，适应当前市场发展的需要。