摘要：随着工业技术的精进和制造业的发展，工业机器人的生产水平不断提高。工业机器人的出现在降低生产危害的同时，极大地提高了生产效率。目前，对工业机器人的研究中，提高机器人的末端定位精度，以提升其分拣能力是重点。本文提出了基于视觉检测技术的工业机器人无序分拣技术，具有较高的研究价值。
关键词：工业机器人；无需分拣技术；视觉检测技术
工业机器人的出现是工业现代化的发展标志。在制造业领域中，工业机器人能够实现生产的自动化、智能化和标准化，更多的企业选择使用工业机器人来避免生产的危害，提升生产的效率，降低人力成本，增加企业的效益。工业机器人在发展的过程中不断精进技术，满足现代制造企业对生产的需求，而利用视觉检测技术，在零部件的分拣、拆卸过程中帮助机器人更加精确地获取视野范围内物体信息，通过相应的检测技术对目标物体进行识别和信息处理使工业机器人的优势更加明显，应用范围和应用效果更高。
一、工业机器人无序分拣技术的平台设计
本文介绍的基于无序分拣技术的工业机器人的平台是kinect相机及ABB1200-5/09机器人、雄克夹爪共同构建的平台，3D视觉检测技术满足对目标的识别和信息处理，从而加强机器人的无需分拣精准度。
工业机器人生物模仿自人类的手臂，由连接杆链接关节形成工业机器人的活动链，活动链的一头固定于平台底座，另一头链接末端的执行器，用以完成分拣工作。Kinetc相机是构成机器人视觉检测的重要设备，能够捕获外界的信息，借助自身的信息传输系统和云数据系统完成图像的传输和解析，相机扫描到外界的物体再将数据反射，相机接收到信息识别深度，获得相应的点云数据。
工业机器人无序分拣技术的平台是基于RobotStudio软件，这类软件是专业用于机器人的设计，来完成机器人的离线编程和模拟仿真，实现抓取姿势的调整。
二、基于视觉检测技术的工业机器人视觉系统标定
工业机器人的无序分拣技术需要依靠视觉检测系统，因此视觉的识别、特征分析和匹配等信息处理是机器人的关键部分。工业机器人的相机部分在视觉检测技术之下，获取到相应的位姿信息，将需要抓取的目标物体从视觉检测系统之下处理到机器人的视觉坐标之中，从而完成抓取和摆放。
1.相机的标定
工业机器人视觉系统标定首先要完成相机的标定。相机进行参数的标定能够提高信息处理的精准性，降低外界环境的干扰，提高工作的效率。相机的标定是在既定的小孔成像模型中获取各个坐标系之间的关系，图像坐标系，相机坐标系和环境坐标系等。图像坐标系是相机图像平面上的坐标系，计算的单位是像素，数值代表了图像的灰度值。图像成像平面坐标系是相机的光轴和图像之间的交叉点。相机坐标系是相机的光轴中心点和光轴的重合。环境坐标系是工业机器人工作环境的三维坐标，利用旋转和平移能够得到环境坐标系与相机坐标系的对应点。在这几个坐标系之下，能够计算出目标物体在相机范围内的像素坐标系和环境坐标系的对应关系，进而得到相机的内参矩阵和外参矩阵，两者能够组成相机的透视投影矩阵，从而计算出相机图像与现实空间中的对应关系。
得到了相机图像与现实空间中的对应关系仍然不够精准，还需要考虑相机镜头产生的折射现象导致的光线弯曲期刊。因此，在镜头标定中加入了镜头的畸变模型，从光轴的中心点坐标系为借鉴，对比图像的点到光轴中心点的距离。
期刊文章分类查询,尽在期刊图书馆
2.机器人视觉检测的标定
相机标定只是考虑了相机自身的参数和相机与目标物体的距离关系，然而对于需要分拣的机器人来说，还需要考虑机器人位置的因素，将机器人的位置纳入到分拣技术之中，才能得到更加精确的数据信息，通俗来说就是工业机器人的“眼睛”与“手”协调配合。
工业机器人的视觉系统既有相机也有机械臂，相机的位置在机械手臂之上被称之为Eye-in-hand方式，相机在机械手臂之外被称之为Eye-to-hand方式。Eye-in-hand方式的相机多固定于工业机械臂的末端，当工业机器人处于工作状态时，相机随着机械臂的移动而移动。Eye-to-hand方式的相机固定于机械臂的外侧，当工业机器人处于工作状态时，机械臂和相机各自活动，相机处于独立的状态，不随其移动而移动。Eye-in-hand方式和Eye-to-hand方式各有优势，Eye-in-hand方式的相机与目标物体的距离更近，容易精准地进行分拣，然而这种方式相机会随着机械臂运动，相机的范围不断变化，也容易造成遗漏目标物体的现象。Eye-to-hand方式依靠视觉系统的数据测量进行目标选择，且这种系统标定极易实现，因此应用更加广泛。本文所研究的工业机器人也是Eye-to-hand方式作为分拣系统的视觉检测部分。
Eye-to-hand方式的机器人与相机标定即相机坐标系对机器人坐标系关系的求解，将工业机器人在不同位姿之下相机与目标物体的参数进行获取，同事记录下机器人的末端和姿态信息，再对矩阵进行变换，得到相机对机器人坐标系的外参。机器人与相机的标定中，相机的固定的，机器人在移动时要多次记录机器人的末端位姿，相机与机器人是相对静止的状态，在相机的视线范围之内移动机器人到其他位置，其相机坐标系相对于机器人基坐标系的位置是固定不变的，可用矩阵式来表示其方位。机器末端坐标系相对于标定板坐标系也是固定不变的。标定机器人与相机是为了解出相机坐标系与机器人基坐标系的位置关系，以使视觉检测系统能够得到机器人末端坐标系相对于机器人基坐标系的方位数据，本文在研究中选择了Tsai两步法来求解。Tsai两步法需要多组的位姿来进行计算，提高计算的精准度，结合相机标定的外参数求解方程，最终得到相机坐标系相对于机器人基坐标系的位置关系，完成视觉系统的标定。
三、基于视觉检测技术的工业机器人目标物体检测技术
目标物体的检测技术对于无序分拣有重要价值，这既有对物体的识别，也有对工业机器人位姿数据的分析。在本文的研究中利用了三维点云数据进行目标物体的检测，提升检测的真实性和准确性。点云数据是利用了Kinect相机进行数据的采取和信息的处理，将处理的信息转换为机器人系统能够使用的位姿数据，如信息的处理，分类、特征的提取等，以此完成无序分拣。
目标物体检测技术的技术路线是从Kinect相机采集数据开始，采集到的数据进行预处理，然后对目标的物体进行分割，将得到的结果与系统内的数据进行对比，以此进行分类，之后就是提取目标物体的关键信息点，提取其体征与模板库进行匹配，匹配成功则进行抓取。
在数据的预处理过程，需要先除去目标物体的背景。目标物体的摆放角度不同，其抓取到的云数据信息也不同。因此需要采取OUR-CVFH技术将目标物体的特征进行分类，再根据分类的结果提取主要的特征，并进行初步的匹配准备。再利用ISS3D算法进一步提取关键点，进行特征的匹配。此时一般会产生多种匹配的结果，这种情况下使用假设验证来计算出最优的匹配结果。对匹配出的结果选择ICP算法进行进准的匹配，完成对目标物体的识别，获取机器人的位姿信息，并将其转化可视化的结果，方便观察和检测。自此，完成工业机器人的无需分拣作业。
参考文献
[1]王新刚.基于OMRON视觉系统的机器人零件分拣装配系统[J].电子制作,2019(19):36-38.
[2]石稳,潘洪军.新经济环境下“机器换人”的研究与应用[J].特区经济,2018(12):80-82.
[3]朱亚红.基于机器视觉的工业机器人分拣系统[J].智慧工厂,2018(12): 73-74.
论文作者:郭晓亚
论文发表刊物:《基层建设》2019年第25期
论文发表时间:2019/12/12
标签：机器人论文; 坐标系论文; 相机论文; 工业论文; 物体论文; 视觉论文; 目标论文; 《基层建设》2019年第25期论文;