沈 濤 郭 超 劉永興

（宜賓職業(yè)技術(shù)學(xué)院，宜賓 644000）

當(dāng)前，在智能制造領(lǐng)域中，越來越多的加工制造企業(yè)引入工業(yè)機器人作為其智能化設(shè)備的核心。工業(yè)機器人視覺系統(tǒng)的應(yīng)用不僅降低了工人負擔(dān)，還提高了產(chǎn)品生產(chǎn)效率及其加工精度。工業(yè)相機與工業(yè)機器人在圖像采集及其軌跡運行時，需對其各自的相對位置關(guān)系進行明確，因此需對相機和工業(yè)機器人進行標(biāo)定。完成標(biāo)定后，才能獲取工業(yè)機器人與工件的相對位置，再通過工業(yè)機器人軌跡規(guī)劃等方式，使工業(yè)機器人與工件的相對運動達到預(yù)期設(shè)計[1]。在工業(yè)機器人視覺系統(tǒng)中，通過工業(yè)相機提取產(chǎn)品特征，利用圖像處理技術(shù)識別產(chǎn)品的形狀、顏色等特征信息并反饋至工業(yè)機器人控制系統(tǒng)。

1 工業(yè)機器人視覺成像

工業(yè)機器人視覺成像充當(dāng)了在加工制造過程中工人的眼睛，是工業(yè)機器人進行軌跡運動的重要信號依據(jù)。它主要將采集的工件顏色、形狀等特征轉(zhuǎn)換為數(shù)字信號，并傳輸至工業(yè)機器人總控系統(tǒng)，從而控制下位機的運行。因此，在信號采集過程中應(yīng)收集工件加工過程中所需的全部特征，確保圖像能夠完整體現(xiàn)。影響工業(yè)機器人視覺成像的成效主要有圖像獲取和圖像處理兩大關(guān)鍵要素[2]。除視覺傳感器等硬件設(shè)施外，外部光源對圖像獲取的穩(wěn)定性也有很大影響。因此，在圖像獲取的過程中往往會在工業(yè)機器人視覺系統(tǒng)上增設(shè)照明系統(tǒng)。工件圖像往往利用視覺傳感器獲取，采用最大類間方差法（OTSU）、自適應(yīng)閾值算法、Canny算子等圖像處理算法[3]，將外部采集的模擬信號轉(zhuǎn)換為機器人能夠識別的數(shù)字信號，從而使工業(yè)機器人按照采集的工業(yè)圖像的特征確定其類型及其位置。

2 工業(yè)機器人視覺定位

2.1 手眼標(biāo)定

手眼標(biāo)定方法主要根據(jù)工業(yè)相機與工業(yè)機器人末端執(zhí)行器充當(dāng)?shù)慕巧x，將工業(yè)相機的坐標(biāo)系與工業(yè)機器人坐標(biāo)系連接，反映其相對位置關(guān)系。根據(jù)工業(yè)相機固著的方式，有Eye-in-Hand與Eye-to-Hand兩種，分別如圖1和圖2所示。

圖1的系統(tǒng)中，工業(yè)相機固定，機器人工具坐標(biāo)系隨軌跡的運動而改變，僅機器人基坐標(biāo)系固定，因此相機坐標(biāo)系和機器人基坐標(biāo)系相對固定，可確定相機坐標(biāo)系與機器人基坐標(biāo)系的相對位置關(guān)系。工業(yè)機器人視覺系統(tǒng)定位時，首先確定工件在相機中的相對位置特征，其次確定工件在工業(yè)機器人基坐標(biāo)系中的位置特征，最后通過矩陣變換獲取工業(yè)相機坐標(biāo)系與工業(yè)機器人基坐標(biāo)系的相對位置關(guān)系[4]。

圖2的系統(tǒng)中，工業(yè)相機處于活動狀態(tài)而工業(yè)機器人基坐標(biāo)系固定不動，因此相機坐標(biāo)系與工業(yè)機器人基坐標(biāo)系無法實現(xiàn)相對固定，但工業(yè)相機固定在工業(yè)機器人末端執(zhí)行器上，工業(yè)相機坐標(biāo)系與工業(yè)機器人末端執(zhí)行器坐標(biāo)系相對固定。在進行工業(yè)機器人視覺定位時，可通過獲取工件在相機坐標(biāo)系中的位置特征和工件在工業(yè)機器人末端執(zhí)行器坐標(biāo)系中的位置特征，利用相機參數(shù)變化矩陣和機器人末端位姿變化矩陣求取手眼關(guān)系矩陣，從而獲取工業(yè)相機坐標(biāo)系與工業(yè)機器人基坐標(biāo)系的相對位置關(guān)系。

相較兩種手眼標(biāo)定系統(tǒng)，Eye-in-Hand手眼系統(tǒng)標(biāo)定明顯較為復(fù)雜，是當(dāng)前工業(yè)機器人視覺系統(tǒng)研究的熱門課題之一。

2.2 TCP標(biāo)定

工具中心點（Tool Center Point，TCP）標(biāo)定是當(dāng)前工業(yè)機器人示教系統(tǒng)中必備的坐標(biāo)系之一[5]。一般而言，它以工業(yè)機器人末端執(zhí)行器上工具的末端中心位置作為坐標(biāo)系原點。因工業(yè)機器人末端執(zhí)行器種類多樣，大小不同，在調(diào)試過程中需重新標(biāo)定工具坐標(biāo)系。工具坐標(biāo)系的標(biāo)定往往采用“四點標(biāo)定法”或“九點標(biāo)定法”。通過工業(yè)機器人末端執(zhí)行器上工具的中心點在工業(yè)機器人不同位姿狀態(tài)下多次采集工業(yè)機器人工作區(qū)域中的某一固定點，以采集到固定點的坐標(biāo)值在工業(yè)機器人世界坐標(biāo)系坐標(biāo)值相等為條件列取方程，從而獲得工具坐標(biāo)系的相對位置。

TCP標(biāo)定常采用外部基準(zhǔn)法和自標(biāo)定法兩種方法來計算。外部基準(zhǔn)法系統(tǒng)復(fù)雜且造價較貴，標(biāo)定精度很大程度上依賴于外部基準(zhǔn)精度。若外部基準(zhǔn)發(fā)生偏移，對TCP標(biāo)定影響很大，因此該方法在生產(chǎn)中的應(yīng)用受到限制。

自標(biāo)定法對設(shè)備的需求較少，在企業(yè)生產(chǎn)中得到了廣泛應(yīng)用，其中“四點標(biāo)定法”是其典型代表[6]。若自標(biāo)定法采取非接觸式標(biāo)定，僅需在工業(yè)機器人配置攝像頭或激光測距裝置即可，擴大了該種標(biāo)定方法的適用范圍。

3 工件特征提取

工業(yè)機器人視覺系統(tǒng)反饋至工業(yè)機器人總控系統(tǒng)中的數(shù)字量信號需采集工件的特征信息。相機在采集工件的特征信息時，由于外部環(huán)境的影響會產(chǎn)生大量的冗余信息，需要相機通過一定的方式從大量的采集信息中提取所需的特征信息[7]。本文以閾值分割法和邊緣檢測兩種方式分析工件特征提取。

3.1 閾值分割

以閾值分割提取工件的特征信息時，有固定閾值和自動閾值之分[8]。固定閾值設(shè)置的閾值是固定不變的。在外部環(huán)境多變的情況下，固定閾值不能根據(jù)環(huán)境的變化而改變，嚴重影響采集圖像的精準(zhǔn)度，如圖3所示。

自動閾值會在外部圖像像素變化的情況下自動調(diào)整，根據(jù)圖像像素的灰點分布自動選取適合的閾值。此種方式適用于Eye-in-Hand手眼系統(tǒng)，相機采集的圖形隨機器人運動而圖形灰度值不斷變化的情況，如圖4所示。

3.2 邊緣檢測

在閾值分割獲取工件特征信息后，為獲取更精準(zhǔn)的圖形信息，往往采取邊緣檢測方式，并利用Canny算子等方法分析計算邊緣檢測結(jié)果，以達到對圖像進行精確處理的效果。

在計算過程中，先使用高斯濾波平滑圖像計算全局梯度，去除局部梯度不是最大的像素點，保留局部梯度最大的像素點，消除由噪點或顏色變化形成的假邊緣段，用一個高閾值和一個低閾值來區(qū)分邊緣像素點[9]。一般情況下，高閾值約為低閾值的兩倍[10]。抑制掉小于低閾值的點，可形成如圖5和圖6所示邊緣檢測的效果。最后，提取出工件邊緣像素點即工件圖像的輪廓，如圖7所示。

4 結(jié)語

本文主要分析了手眼標(biāo)定和TCP標(biāo)定方法，明確了機器人和相機在總控系統(tǒng)中的位置關(guān)系，利用閾值分割提取工件的圖形特征，并將圖形特征采用邊緣檢測的方式加以強化，形成圖形的像素坐標(biāo)，開拓了工業(yè)機器人視覺系統(tǒng)的理論研究思路，具有一定的參考價值。