摘要：机器视觉系统是一门综合性的技术，涉及多个学科，并将各种技术协调成功地应用于实际工程中。机器视觉系统由摄像机和光学系统、照明系统、待检测对象、图像采集和处理系统、操作设备和外部设备组成。机器视觉实际上是利用视觉传感器代替人眼，适应现场恶劣的环境，完成困难或不可能完成的任务，提高生产的灵活性和自动化程度。基于此，本文主要对工业机器人视觉定位技术与应用进行分析探讨。
关键词：工业机器人；视觉定位；技术；应用
1、前言
机器人始终是辅助人类的机械动作，不能根据特定的环境变化来调整运动路径，在特定的时间里无法获得工件的姿态，智能化处理受阻，机器人应用将受到极大限制。许多枯燥而危险的工作由工业机器人取代人工完成。为了使机器人更加智能化叫机器人视觉这一研究领域得到大力发展，提高了机器人的智能化水平，在测量、检测、定位与识别等领域得到广泛应用。国
2、工业机器人视觉定位技术应用
2.1视觉系统
依照摄像头与机器人两者的位置关系，机器人视觉系统大致可以分成两种不同的类型，一是Eye－in－Hand，即将摄像机设置在机器人手臂的末端，确保其能够与机械手共同运动，二是Eye－to－Hand，即摄像机被安装在一个相对固定的位置，并不会随着机械手运动。对两种系统进行对比发现，后者在运动过程中的视野会受到一定阻挡，而且存在较大的测量误差，因此，选择前者进行分析。Eye－in－Hand机器人视觉系统包括机器人、控制器、控制系统以及单目视觉系统等。整个视觉系统在运行过程中可以分成两个不同的阶段，第一阶段要求做好机器人视觉系统的标定工作，通过标定来获取物体二维像点和三维物点的彼此关系；第二阶段要求操作人员做好对工件的信息识别和边缘检测，明确工件的三维坐标，通过坐标引导确保工业机器人能够准确完成相应的工作任务。
2.2系统标定
一方面，必须重视摄像机参数标定。在机器人视觉定位中，如果想要确定工件的空间位置以及在相应图像中的对应关系，需要结合相关参数，建立完善可靠的数据模型，将模型作为分析研究的参照，结合空间一点成像原则，操作人员可以先进行坐标系转换，将世界坐标系转化为相机坐标系，提升数据参数的互通性，摄像机的外部参数是平移向量与旋转角度，对照初始坐标，可以准确判定摄像机的空间位置；然后，需要进一步进行坐标系转换工作，将初步转换得到的相机坐标系转化为平面坐标系，提取物体在图像中对应像素点的具体坐标。在此过程中必须明确的是，坐标系转换过程中需要把握好数据与参数的变化，这些参数就是相机参数。
以德国MVtec公司开发的HALCON机器视觉算法包为例，可以利用其本身提供的高精度圆形标定板来对摄像机参数进行标定，结合摄像机在不同位置拍摄的标定板图像，利用相应的函数就可以完成摄像机标定工作，标定的精确性能够得到保证。在标定环节，必须确保一些基本参数固定，如相机光圈和焦距等，一旦标定工作完成，相机内部参数将不再发生变化，外部参数会因为相机拍摄图片位置和姿势的不同而有所不同，如果没有特殊要求，一般会将拍摄到的第一幅图像作为参考位置，以此来对世界坐标系进行确定，也方便技术人员进行摄像机外参数的计算工作。
另一方面，需要进行机器人手眼标定。对于机器人视觉定位而言，手眼标定同样是非常重要的一个环节，其能够在摄像头坐标系中明确机器人工作的位置和姿态。在手眼标定的过程中需要明确的内容包括基座、摄像机和末端执行工具等，构建的系统坐标系模型如图1所示。
其中，W表示机器人坐标系、T表示工具坐标系、B表示标定板坐标系、C表示摄像机坐标系。在手眼标定过程中，技术人员可以利用相应的坐标变换关系对存在的未知变量进行计算，其中的等量关系如下：
在上述关系式中，CHB指摄像机外部参数，能够对标定板相对于摄像机的位置关系进行描述；CHT是需要求解的未知量，能够对机器人工具手相对于摄像机的位置关系进行描述；THW主要描述机器人基座相对于工具手的位置关系；WHB同样是需要求解的未知量，描述的是标定板相对于机器人基座的位置关系。进行手眼标定的主要目的是对上述两个未知量进行计算，其属于固定值，利用上述摄像机参数标定流程可以得到其外部参数CHB，操作人员可以直接从控制器中读取已知参数THW，配合多幅图像，并从hand＿eye＿calibration中调取相应的手眼标定函数，对两个未知参数进行计算，将计算得到的数据写入相应文件中，帮助工业机器人更好地完成工件抓取工作。
2.3定位方法
这里主要是参照工件的轮廓对其进行定位。通过图像处理可以得到较为精确的抓取点像素坐标，配合手眼标定结果也能够对工件抓取点的空间位置进行计算。一方面，需要对工件抓取点获取策略进行明确，对于背景相对固定、同时具备对边平行线的工件，可以利用原来的夹具增加曲线拟合以及基于边缘的提取策略，配合平行线中点位置，对二维抓取点进行明确。以金属四角螺母为例，可以先对待抓取工件的边缘轮廓进行拟合，得到二维抓取点坐标后，以此为依据构建相应的三维坐标系，若在相应场景中，仅存在需要抓取的物体，没有其他物体的干扰，可以通过阈值分割方法，从背景中将工件分离出来，然后对工件的位置进行明确。参照需要抓取工件的灰度值以及区域特征，这里从工件边缘轮廓的角度对抓取对象的边缘轮廓进行了分割，运用直线、圆等几何基元开展相应的拟合工作，利用系统自带的gen_parallels_xld算子，可以得到完整准确的数据信息，对相应的二维抓取点进行明确。将上述步骤分成两个环节，第一个环节是曲线分割以及多边形拟合，这两种技术是工件抓取点位置确定的核心所在，完成图像边缘信息提取后，系统能够得到相应的工件轮廓，这个轮廓是由大量边界点构成的。想要对相应的几何基元进行描述，通常情况下，会将工件的轮廓数据分成一些简单的几何单元，如直线、圆形等。工件轮廓提取完成后，通过曲线分割可以在轮廓线上选择部分点构建拟合多边形，其不仅能够保持初始轮廓线的相关信息，还能够对其数据进行压缩表示。结合Ramer算法，可以在初始轮廓线上对像素点进行选择，以此减少轮廓点的数量，配合相应的递归细分操作，要求轮廓点与拟合线段之间的最大距离不能超过指定阈值，通过这样的方式可以提取工件轮廓的拟合多边形；第二个环节是平行线段查找，在实际操作中，同样可以利用gen_parallels_xld算子，根据实际情况检查拟合多边形的平行性，利用像素坐标运算，确定好抓取点位置。
另一方面，需要对工件抓取位置进行确定。操作人员必须将工件抓取点的像素坐标转化为空间位置，而这需要经过大量的坐标转换，手眼标定环节已经确定了参考坐标系，在这种情况下，可以直接将抓取点转化成坐标系平面中的点，确定工件坐标系与参考坐标系的相对位置，然后利用手眼标定结果实现坐标变换。通过以太网可以将得到的工件抓取位置传输到工业机器人控制器中，引导其准确抓取工件。
3、实践结果
一是摄像机标定，采用Basler面阵摄像机，选择工业镜头，焦距9mm，圆形标记标定板的规格尺寸为100mm×100mm，采用Eye－in－Hand视觉系统，以工件表面作为检测平面，实现摄像机标定工作，摄像机标定结果如表1所示；二是手眼标定，从控制器提取单幅图片对应的机器人工具坐标，得到工具和摄像机的相对位置，以及标定板坐标系和基座的相对位置；三是工件定位，选择具备平行对边特征的木质工件，开展多组抓取实验，结合手眼标定结果可以对工件在机器人坐标系下的抓取位置进行明确。
4、结语
总而言之，本文提出了一种基于工件轮廓的工业机器人视觉定位系统，实践结果表明，该系统具备良好的工件定位效果，即便工件位置出现偏移，系统依然能够准确对其进行识别，获取抓取点坐标，识别率达到96%以上。
参考文献
［1］徐官南，夏庆观，丁猛．浅析零件图像的特征提取和识别方法［J］．机电信息，2015(3):75－76．
［2］吴卫．基于机器视觉的机械零件检测与识别系统设计［D］．上海:东华大学，2011
论文作者:王辉
论文发表刊物:《基层建设》2019年第15期
论文发表时间:2019/8/2
标签：工件论文; 坐标系论文; 机器人论文; 位置论文; 摄像机论文; 手眼论文; 视觉论文; 《基层建设》2019年第15期论文;