蔡倩倩 寧 祎 王 雷

（河南工業(yè)大學 機器人研究所，鄭州 450007）

機器視覺分揀技術在現(xiàn)代工業(yè)生產中占有非常重要的地位，一直是該領域學者和技術人員研究的重點。近年來，有關機器視覺的理論研究論文和技術成果非常豐富，有力推動了該領域的技術進步。

本文主要分析機器視覺機器人分揀關鍵技術研究現(xiàn)狀及其在工業(yè)、食品以及其他行業(yè)的應用現(xiàn)狀，并分析其未來的發(fā)展趨勢，以期對分揀術的研究發(fā)展提供一定的參考。

1 基于機器視覺的機器人分揀系統(tǒng)

基于機器視覺機器人分揀系統(tǒng)的主要工作流程是：首先，利用工業(yè)CCD相機與圖像采集卡采集目標圖像信息；其次，通過計算機對采集的圖像數(shù)據(jù)進行分析處理，獲得待測目標的幾何形狀、顏色、實時位置等信息；最后，PC機通過運動控制卡對機械臂進行控制，完成對抓取目標的分揀工作。實現(xiàn)這個流程的分揀系統(tǒng)如圖1所示。以下將對其關鍵技術研究現(xiàn)狀進行具體分析。

圖1 機器人分揀工作流程圖

2 基于機器視覺的機器人分揀關鍵技術

2.1 目標識別

基于機器視覺的目標識別技術是整個分揀系統(tǒng)的關鍵，主要是將目標跟蹤獲得的目標物體圖像經過處理，利用計算機技術對目標進行識別的過程。目標識別方法分為兩大類：相關匹配法和特征匹配法。

相關匹配法主要分析待測目標圖像與模板之間的相關性來識別目標物體。高文和陳熙霖[1]提出的逐點匹配算法是工程上經常使用的一種匹配方法。該算法抗噪能力強，對目標識別要求少，識別精度與選擇模板關系密切，模板越大，匹配精度越高，計算量與匹配時間也相應增加，但僅適用于簡單的目標識別。蔡昌金等[2]針對圖像旋轉角度過大導致傳統(tǒng)的結構化模板失效的問題，提出了圓投影匹配算法。該算法主要利用“圓”的各向同性和投影特征解決旋轉圖像之間的匹配問題，但僅適用于靜態(tài)圖像的匹配。特征匹配法主要根據(jù)模板圖像目標與待測目標圖像的特征，如邊緣、角點、輪廓等，按照距離測度進行識別目標物體，如特征聚類法[3-4]，綜合特征匹配法[5]，Hu不變矩法[6]，Zernike正交矩法[7]等。該方法利用目標圖像的形狀信息，以符號表示特征描述目標圖像，降低了計算量和儲存量，但對噪聲敏感，適用于目標特征明顯、噪聲較小的場合。

2.2 目標跟蹤

基于機器視覺的目標跟蹤技術是分揀系統(tǒng)對目標物進行分揀的前提，主要是將待分揀目標物的視頻細分成多幀圖像，通過定位每幀圖像目標物體的位置，得出目標物體的位置時間序列，機器人據(jù)此實現(xiàn)對目標的追蹤。目標跟蹤方法[8]主要分為邊緣跟蹤、形心跟蹤和質心跟蹤。圖2為常用目標跟蹤方法與算法。

圖2 常用目標跟蹤方法與算法

邊緣跟蹤主要是對單幀圖像中目標圖像邊線的提取，勾勒出目標的邊緣特征。 Canny算子具有良好的信噪比（SNR）[9]，能夠精準定位邊緣位置，使得到的邊緣特征圖像更加清晰，保證了視覺分揀系統(tǒng)的精度。Roberts算子根據(jù)對角線方向相鄰兩像素之間近似梯度幅值檢測邊緣[10]，定位精度較高，但對噪聲敏感，無法區(qū)分圖像的主體與背景，獲得的圖像輪廓不清晰，邊緣平滑度較差。Sobel算子屬于非線性邊緣檢測算法[11]，對噪聲有較好的平滑效果，能夠準確定位邊緣位置，但有較多假邊緣，適用于檢測精度較低的系統(tǒng)。形心跟蹤主要是對目標圖像與背景圖像二值化分割，對得到的二維圖像處理計算得出目標中心位置的方法。相對簡單的背景，形心跟蹤具有較高的精度，但對復雜的背景計算量增大，跟蹤性能不理想。近年來，國內外學者對其閾值分割方法進行了完善，提出一種目標峰值自適應的檢測方法[12]，該方法使得形心跟蹤的精度有所提高。質心跟蹤算法與形心跟蹤算法相似，不受跟蹤目標大小、旋轉運動影響，但需要計算二級質心，計算量較大。該算法需要目標周圍灰度均勻，國內學者已對其進行了進一步的改進，提出了一種改進的群目標自適應質心跟蹤算法[13]，提高了擴張目標跟蹤的能力。

2.3 視覺伺服

基于機器視覺的視覺伺服技術是整個分揀系統(tǒng)的保障，主要是待分揀目標進行圖像識別后，計算機驅動機械臂完成對目標進行分揀的過程。一般常用的是混合視覺伺服，基本流程如圖3所示。

圖3 混合視覺伺服工作原理圖

J.Chen等［14］提出了一種自適應無標定視覺伺服方法，在深度信息與攝像機參數(shù)不確定的環(huán)境下，根據(jù)射影單應性矩陣與歐幾里得單應性矩陣之間的關系，用分解算法得到了新的旋轉角表達式，得出姿態(tài)誤差的計算函數(shù)；根據(jù)圖像信息得出位置誤差函數(shù)設計出自適應控制器，用于自適應估計深度信息等未知參數(shù)。G.Hu等［15-16］引入了四元數(shù)，將其應用于姿態(tài)誤差的描述，擴展圖像坐標描述位置誤差，實現(xiàn)了姿態(tài)控制和平移控制的解耦?；旌弦曈X伺服攻克了位置視覺伺服（IBVS）與圖像視覺伺服（PBVS）兩種視覺伺服的缺點，解決了局部收斂區(qū)間過小、雅克比矩陣出現(xiàn)奇異點等問題，同時還具有較好的魯棒性。但它無法保證機械臂與目標處于同一視野內，且矩陣求解后，結果可能不唯一。

綜合以上基于機器視覺的分揀機器人關鍵技術分析。目標識別方面，識別精度要求不斷提高，應出現(xiàn)更高速、精確、立體化的目標識別算法；目標跟蹤方面，對多模、多特征的跟蹤等技術還不太成熟，還需要對其進行不斷完善。

3 基于機器視覺的機器人分揀應用現(xiàn)狀

基于機器視覺的機器人分揀系統(tǒng)具有以下特點：一是能夠在非接觸目標的條件下，完成視覺分揀工作，保證了整個分揀系統(tǒng)的安全性與可靠性；二是能夠識別到人眼難以觀測到的物體，比如，細小變形、污漬等；三是能夠不間斷、不停歇的工作；四是能夠在高溫、有毒等相對惡劣環(huán)境下工作。隨著機器視覺的發(fā)展，基于機器視覺的分揀機器人在工業(yè)、食品以及其他行業(yè)應用都有新的發(fā)展。

3.1 工業(yè)領域的應用

分揀技術在工業(yè)領域得到廣泛應用，如汽車零件的分揀與工件的分揀等，不僅提高了生產效率，而且保證了產品的質量和可靠性。

針對傳統(tǒng)汽車新能源軟包單體電池定位困難，難以實現(xiàn)實時追蹤等問題，將i RVision 和 Precitec 兩種視覺系統(tǒng)應用機器人分揀系統(tǒng)中[17-18]。其中，i Rision視覺系統(tǒng)實現(xiàn)了對單體電池的定位與引導，重復定位精度達到了0.07mm；Precitec視覺系統(tǒng)實現(xiàn)對焊縫位置的實時追蹤，重復定位及補償精度達到0.1mm，合格率達到98.8%。該系統(tǒng)對分揀要求嚴格的產品提供了理論依據(jù)，為分揀機器人的廣泛應用開闊了市場。愛普生研發(fā)G系列工業(yè)分揀機器人，圖4所示分揀機器人對流水線上的目標進行分揀。該機器人為機器視覺系統(tǒng)提供接口，為機器人分揀應用提供了多種選擇。針對分揀生活垃圾環(huán)境惡劣、對身體有害等特點，北京精密機電控制設備研究院成功研發(fā)出分揀生活垃圾機器人（見圖5），該分揀機器人系統(tǒng)集合深度學習算法智能識別、機械臂在線規(guī)劃與控制、多臂協(xié)同控制等技術，完成了對生活垃圾的分揀工作，實現(xiàn)了對生活垃圾資源化、減量化、無害化的處理。

圖4 機器人對流水線上的目標進行分揀

圖5 機器人分揀 生活垃圾

3.2 食品領域的應用

早期的食品分揀主要是采用人工分揀，不僅會對食品造成二次污染，還可能出現(xiàn)誤撿、漏撿等情況?；跈C器視覺的機器人分揀在食品分揀領域的應用逐漸引起了眾多研究學者的關注。

針對人工難以剔除柑橘罐頭存在的囊衣、橘核殘留以及橘片破損問題，設計了基于LabVIEW的機器視覺快速檢測算法[19]，經過大量實驗檢測，能夠滿足實驗要求，檢測正確率可達（99.1±0.5）%，檢測平均總耗時（17±5）ms，提高檢測速率與識別度。該算法對分揀不合格產品提供了技術支持，不僅保障了食品的質量，還降低了勞動強度，節(jié)省了成本。FANUC公司研發(fā)的輕載型機器人M-LiA（又稱拳頭機器人）[20]，圖6為M-LiA分揀不同顏色的巧克力豆。該機器人內置iR Vision視覺系統(tǒng)軟件以及配有適應復雜裝配作業(yè)的多軸手腕，采用獨特的平行連桿機構最大幅度提高動作速度，其分揀速率能達到0.3s/次。近年來，ABB公司在IRB360Flex Picker的基礎上，研發(fā)出RacerPack分揀設備，圖7是RB360Flex Picker對流水線上的食品進行分揀。該機器人不僅實現(xiàn)對開放式食品工業(yè)機械設備的潔凈功能，而且可以根據(jù)實際應用場合選擇合適的分揀夾具，其分揀速度能夠達到400次/min。

圖6 M-LiA分揀不同色的巧克力豆

圖7 RB360Flex Picker對流顏 水線上的食品進行分揀

3.3 其他領域的應用

機器人分揀技術的應用不僅局限于工業(yè)、食品等行業(yè)，在其他領域的應用也有新的進展。

華科大研發(fā)的視覺分揀系統(tǒng)[21]，能夠穩(wěn)定、高速、準確地完成各種材質的分揀工作，支持不規(guī)則形狀物體的匹配識別以及近似物體的區(qū)分，其正確識別率達到98.73%，定位精度誤差小于2mm，分揀物料速率達到3.8s/件。Baxter雙臂仿人形機器人[22]是開發(fā)的新型分揀機器人，如圖8所示。該機器人結合Kinect視覺傳感器[23]，能夠有效獲取目標物體的三維信息，反饋自身及周邊的環(huán)境信息，還具備非常完善的人機交互功能[24]，該系統(tǒng)不僅增強了分揀系統(tǒng)的識別精度、交互性、安全性以及可靠性，還加快了分揀速率和減少人工分揀的工作量，具有較高的實際推廣及應用價值。在第七屆中國智博會展會上新松機器人推出新一代研發(fā)產品，圖9為機器人分揀物料。該機器人兼容MES、ERP等多種上位管理軟件以及具有開放式通訊技術，還融合力感知、力控制、傳感、視覺等多種創(chuàng)新技術，具有輕載、高速、精度較高等特點，是國內率先研制的協(xié)作機器人產品。近年來，新松更是攻克機器人控制核心算法，推出對激光、視覺、力覺等多傳感器高度集成的SIRC2.0智能機器人控制器，達到了CLASSA標準，具備優(yōu)秀的擴展性及通用性，為機器人分揀帶來工業(yè)級的實時性、穩(wěn)定性、適應性，也為工業(yè)機器人實現(xiàn)智能化提供了理論研究。

圖8 新型分揀機器人

圖9 機器人分揀物料

4 基于機器視覺的機器人分揀技術發(fā)展趨勢

綜合以上對機器人分揀技術在各個領域的應用，目前機器視覺研究有較大進步。但由于環(huán)境多變性、軟硬件開發(fā)等方面還存在很多不足，仍需要對其進行更深一步的研究。目前，國內外機器人的研究熱點主要集中在以下方面[25]。

第一，隨著現(xiàn)代機器視覺技術的發(fā)展，機器視覺逐步向智能化、數(shù)字化以及實時化方向發(fā)展。對于圖像處理、目標物體跟蹤與識別以及控制器的控制等都需要對其進行數(shù)字化處理，而現(xiàn)代工業(yè)對機器人智能化以及實時化要求也越來越高。

第二，基于機器視覺處理器將會不斷向PC機以及嵌入式視覺系統(tǒng)發(fā)展。該技術集于先進計算機技術、半導體技術以及其它先進技術融合的產物，利用嵌入式系統(tǒng)不僅功耗低、結構緊湊、成本較低，而且具有安裝方便、配置靈活、攜帶方便等優(yōu)點。

第三，基于機器視覺系統(tǒng)與其他傳感技術相結合，實現(xiàn)處理復雜問題的功能。利用多傳感技術提高整個系統(tǒng)檢測、追蹤和識別等方面的可靠性和實時性，彌補了傳統(tǒng)視覺系統(tǒng)的不足。