佛山隆深机器人有限公司 广东省佛山市 528300
摘要：工件分选是工业生产的重要组成部分。在传统的生产线上，采用人工分拣。然而，这种工作具有高重复性和高劳动强度。随着工业的发展和进步,并开始逐步采用工业机器人进行排序而不是工人,而是因为机器人的运动,通过教学或离线编程,实现所有操作是预定义的,一旦工件的位置,机器人不能做出相应的调整,将导致错误。基于此，本文主要对基于机器视觉的工业机器人分拣系统进行分析探讨。
关键词：基于机器视觉；工业机器人；分拣系统
1、前言
将机器视觉技术与并联机器人相结合，可以使分拣作业拥有更高的可靠性和柔性，作业对象以及分拣工序可以随时随地的变换，提高了工业化生产的效率和机器人分拣系统的智能化程度。基于以上优势和相关技术基础，开发和研究基于视觉技术的工业分拣机器人系统有着十分重要的意义。
2、机器人分拣系统的工作流程
本文以阿童木并联机械手机器人和康奈视InSight7000型智能相机为基础，设计并搭建了一套基于视觉定位技术的机器人分拣系统，如图1所示。实验调试过程中，将多个不同种类的正方体物块通过气缸的开合随机的散落在传送带上，程序会判断视野内是否有待分拣的物块，当物块运行到相机的视野区域内时，机器人控制系统采用等时间间隔的触发的方式触发相机进行拍照，采集分拣对象的位姿信息，计算机通过一定的处理算法对实验物块进行识别、计算，获取分拣对象的分类信息和坐标信息、旋转角度后，以一定的数据格式传递给机器人控制器，机器人控制系统根据视觉系统传回的信息，控制机器人末端执行机构在合适的动作区域内进行跟踪和拾取操作，将不同种类的实验物块放置到分别指定的位置。当料盘上的物块数量达到设定的数值时，气缸再次开启，将物块随机的散落在传送带上，重复上述的过程。
图 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:由于需要分拣的工件质量在400g以内，最大搬运距离为500mm，故选用Nachi公司的MZ04高速轻型6轴机器人，该机器人可以搬运4kg重量的物体，移动范围为600mm，具有精度高，速度快的优点。
视觉模块:视觉模块由相机和镜头组成。式(1)为相机选型公式。
F=FOV/D(1)
式中，FOV为视野范围，D为视觉模块的识别精度，F为相机的像素。因为待分拣的工件，放置在180mm×250mm的工作区域中，所以将整个视觉模块的视野范围FOV定为200mm×300mm，而整个视觉识别模块的识别精度D要求为0．8mm，根据式(1)算出要满足精度要求，至少需选用10万像素的相机。为提高稳定性和准确率，用13个像素表示一个毫米，故需要选用130万像素的相机。Basler的Aca-1300-gm相机，像素为130万，芯片尺寸为1/3英寸，并且有着较高的稳定性，能够满足精度要求。镜头选型的原理，如图3所示。
图3 镜头选型示意图
根据已知的工作距离H、视野范围FOV、芯片尺寸X，结合相似三角形原理求得镜头焦距f为16mm。选型完成后，将相机和镜头安装在机器人以外的支架上，经过调试后，测得该视觉模块能够满足识别精度。气动模块:气动模块由吸盘、空气压缩机、电磁阀以及真空发生器组成。吸盘和真空发生器安装在机器人末端，真空发生器将空气压缩机输出的压缩空气转为负压，从而使吸盘吸取工件。
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是实现机器人的自动分拣，其所涉及的技术主要有以下几点：
4.1相机校准
当分拣系统开始进行运转时，其第一步需要做的就是对工件或材料进行相机的标定，这项工作可以称之为基于机器视觉的工业机器人分拣工作的基础。没有摄像机校准，机器视觉就无法实现。相机标定是建立工业机器人与输送带上的材料或工件的空间位置坐标系和图像坐标系，并对两者之间的关系进行讨论和分析。
4.2工件识别和定位
为了确保机器人的排序操作的错误率尽可能的小，必然需要确保在系统的运作中，工件的识别及定位均是准确无误的，而这两项工作得以精细化完成的根本原因是图像匹配技术的应用。在实际的操作中，我们根据材料的不同会选择不同的工件匹配技术，而目前主流的图像匹配技术有：区域匹配、特征匹配以及相位匹配。其中应用范围最为广泛匹配技术是特征
匹配，其原因是相对于特征匹配，另外两种匹配方式对灰度查询的依赖性较强。
4.2.1工件识别
所谓的工件识别即是指图像的识别。其工作原理是通过相机获得工件的图像进而与已录入的工件图像进行比对，进而获得图像中工件的具体信息后，对工件本身的位置及方向进行记录。通常情况下，在进行图像的识别时，首先需要通过预处理工业相机对工件的图像信息进行获取，然后由相应的匹配系统从已录入的工件信息中找出与其相似的部分工件，之后经过图像处理技术将预处理相机所获取的图片信息中的工件与背景分离开，将工件的图像转换为二进制，然后提供二进制处理后的图像，比较匹配形状或特征的相似性。以完成图像识别工作。
4.2.2工件定位
工件识别使得工业机器人可以准确的完成对象排序的操作，但是如果想要获得排序对象准确的位置信息则必须对排序对象的位置进行精确的定位，而为了能够计算出工件的准确位置，就需要对预处理相机所拍摄的图片进行分析。其具体操作如下：首先，需要将图片中工件的位置与背景进行比对，进而将其位置转换为摄像机坐标。然后，根据摄像机坐标再将工件的位置坐标以世界坐标的形式展示出来。依据工业机器人的运动学原理获得机器人的关节角度和电机的驱动角度。最后通过采用图像一阶矩的算法计算出工件的中心坐标。
4.3工业机器人的运动控制
为了能够对工业机器人的运动进行准确的控制，就需要对预处理摄像机所拍摄到的图片进行分析，通过分析可得到工件的准确坐标。这时候，计算机就可以根据坐标向机器手发出操作指令，当工件传输到指定位置后，机器人就可以根据指令对工件进行分拣工作，将其移动至指定的位置，进而完成材料或者工件的最后一步分拣操作。
5、结语
视觉技术的引入，提高了工业机器人的智能化程度和技术水平，使工业过程可以更好的适应环境的改变，为机器人分拣系统在后续生产过程中其他功能的开发提供了相应的参考信息，基于视觉系统的工业机器人分拣系统由于其智能化程度以及高鲁棒性等优势，将会越来越广泛的应用于工业分拣领域。
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．
［3］刘振宇，李中生，赵雪，等．基于机器视觉的工业机器人分拣技术研究［J］．制造业自动化，2013，35(17):25－30．
［4］刘振宇，李中生，张涛，等．基于机器视觉的码垛机器人系统研究［J］．合机床与自动化加工技术，2014(4):9－14．
［5］王诗宇，林浒．基于机器视觉的机器人分拣系统的设计与实现［J］．组合机床与自动化加工技术，2017(3):125－129．
论文作者:王辉
论文发表刊物:《防护工程》2019年9期
论文发表时间:2019/8/8
标签：工件论文; 机器人论文; 视觉论文; 工业论文; 相机论文; 系统论文; 机器论文; 《防护工程》2019年9期论文;