基于機器人自動分揀系統的設計研究

胡長友?陳樂柱?王晨晨?趙耀武

摘 要 本文主要從視覺控制系統和運動控制系統進行研究，分析了在分揀系統的策略中機器人的抓放和最優路徑的選擇。同時介紹了如何實現對目標物體的動態追蹤和重復目標的剔除。

關鍵詞 機器視覺；分揀；動態追蹤

前言

近年來，隨著計算機技術和人工智能技術等技術的快速發展，機器視覺系統也在快速發展。隨著工業自動化的不斷發展和完善，機器視覺系統在工業上的應用也越來越寬廣。機器視覺系統可以快速地獲取大量的信息，而且易于自動處理，從而提高了工作效率。機器視覺可以代替人工視覺[1]，進行檢測和識別，提高檢測系統的智能化水平和生產的自動化水平。機器視覺技術能在機械手分揀系統上實現高精度、高可靠性的高速檢測、識別和拾取等。

1 控制系統的總體設計

機器人自動分揀系統主要由物品輸送部分、視覺檢測與控制部分和機器人本體控制部分組成。

本文控制系統分為視覺控制系統和運動控制系統。視覺控制系統是利用攝像機實時采集傳送帶上物體的信息，由計算機對采集到的物體信息進行分析和處理，提取出有效信息和對目標物體的跟蹤，得出物體的相應位置和姿態為機械臂的抓取提供參考。運動控制系統可以自動調取經過計算機分析和處理過的數據，當目標物體到達機械臂的運動空間內時，由計算機分析處理得出的一系列所需位置坐標點，通過控制各個伺服電機使機械臂到達這些所需位置點，實現機械臂的抓取動作和分選工作。

1.1 視覺控制系統

視覺控制系統采用了基于位置控制方式對傳送帶上移動的物體進行識別，攝像機固定在機械臂操作空間外且易于采集信息的位置。機器視覺系統根據攝像機所采集到的圖像特征信息，通過攝像機坐標與機械手坐標的變換計算出目標相對于機械臂的位置，再由視覺控制器根據機械臂位姿計算出控制量，生成運動軌跡的位置插補點，最后通過總線形式傳給機器人控制器，完成對機器人的控制。

1.2 運動控制系統

運動控制系統開發設計是實現控制系統各種功能的關鍵。要實現機器人有序運動，就必須要構建一個完整的穩定的控制系統。運動控制系統是實現機器人運動的核心模塊，即運動控制系統根據運動編程指令控制各主軸關節協調運動，實現動平臺末端執行器平穩快速運動。其中，較好的運動控制是控制系統的核心，是機器人具有優良操作性能的前提和保障。控制機器人運動實質就是控制安裝在平臺上三個伺服電機協調同步運動。伺服電機的控制方式一般分為位置控制方式，速度控制方式和轉矩控制方式。三種控制方式中，伺服電機響應速度高低順序依次是轉矩控制方式，速度控制方式和位置控制方式。由于建立工業機器人動力學模型方法并沒有得到完善統一，因此轉矩控制方式應用受到阻礙，并沒有得到廣泛應用，而建立工業機器人運動學模型方法相對前者簡單，更方便應用于工業機器人控制中，故受到市場青睞。為了具有快速響應性和精確性，本文對伺服電機采用速度控制方式，所設計的并聯機器人控制系統結構圖，此系統為半閉環控制系統，比一般的開環控制系統精度要高，通過伺服電機上的編碼器將檢測到的電機的轉角、轉速信息反饋到運動控制卡中，然后準確輸出電機轉角位置。

2 分揀系統的策略分析

2.1 機器人抓放分析

通過視覺系統獲取傳送帶上不同類型的雜亂物件的位置，機器人通過視覺定位，對已識別的物件進行分類抓取，如圖3所示是機器人末端執行機構每次執行的運動路徑，常見的運動路徑為典型的PTP（Point to Point）模式，即是分揀機器人常用到“門字框”型的運動路徑。

所謂的“門字框”路徑即在目標軌跡上設置四個點P1、P2、P3、P4 。P1為機器人末端執行件路徑軌跡的起點，P4為機器人末端執行件路徑軌跡的終點，P2、P3分別為目標路徑的轉折點。將P2、P3點路徑經過圓弧過渡優化為P5、P6、P7、P8四個點，如此四個點把目標軌跡劃分為五段，即上升段；和為圓弧過渡段；水平移動段；下降段。因此，對于每一段的運動路徑機器人末端執行件都是基于兩點的運動。假設，段的運動時間為T1，段的運動時間為T2，段的運動時間為T3，段的運動時間為T4，段的運動時間為T5，所以機器人的運動周期T有：

（1）

綜上分析，機器人在抓取不同物件時，上升段、過渡段和下降段的末端移動距離是相對固定的，影響整個抓取及放置效率的是水平運動段的移動距離。機器人在有效的工作空間內，能夠高效的將視覺系統識別的所有物件抓放在指定的位置。機器人運動速度一定時，如何優化整個過程機器人末端所走的運動總路程最短，是提高整個分選系統效率的重要因素。抓取的運動總路程最短問題可以轉換成在傳送帶I上的物件被機器人抓取到轉送帶II上的先后排序問題。目前，傳統的方法是在笛卡爾坐標系下依次按照行或列先后順序來完成分揀。如果物件數目和種類很多的情況下，會影響整個產線的生產效率，如何在最短時間內將物件高效的分選出來是問題研究的關鍵。通過算法尋找抓取的先后順序，計算最后Delta機器人末端所走總路程最短。

2.2 最優路徑選擇

根據以上對抓取策略相關分析可知，分選工作存在抓放順序優化問題，而最優抓放順序的求解是提高機械手抓取效率最終要解決的關鍵問題。所謂最優解抓放順序，即是當抓放效率最高時，機器人將傳送帶I中各個物件抓放到傳送帶II上相應位置的先后順序。可將問題等效為：

（2）

其中，S表示分選效率；So1表示機器人執行末端原點位置到第一個物件的抓取點位置的水平移動距離；i表示第幾個抓取物件；j表示第幾個放置點；n表示放置點總數；Sij 表示從第i個抓取點到第j個放置點的水平移動距離；同理，Sji表示第j個放置點到第i個抓取點的水平移動距離；Sno表示第個放置點到末端原點位置的水平移動距離。

本文通過收斂速度較快的粒子群優化算法來求解最優路徑，具體步驟如下：

（1）首先初始化，選擇最大迭代次數T，種群數N，加速因子C1，C2，初始化粒子位置和速度；

（2）根據初始粒子的位置和速度，尋找當前的最優解，并賦值給行為參數；

（3）計算每個粒子的適應度值，每次迭代中，粒子通過跟蹤兩個極值更新位置和速度——粒子本身找到的歷史最好解，整個種群目前找到的最好的解，并賦值給行為參數；

（4）粒子根據當代適應度值與本身歷史位置最優時的適應度值進行比較，若適應度值優于歷史位置最優時的適應度值，則更新粒子歷史最優位置，粒子歷史最優位置適應度值取當代適應度值，否則保留粒子歷史最優位置及其適應度值；

（5）比較各個粒子當代適應度值，找出當代全局位置最優適應度值，若當代全局位置最優適應度值優于之前全局位置最優適應度值，則更新粒子群全局位置最優適應度值，全局位置最優適應度值取當代全局位置最優適應度值，否則保留粒子群全局位置最優及其適應度值；

（6）判斷迭代中止條件：設置最大的迭代次數。若到達最大迭代次數轉至（7）；否則轉至（3）；

（7）實驗結束。

3 目標物體的識別

3.1 目標的動態追蹤

運動目標特征是跟蹤一個物體的重要依據，在許多跟蹤算法中都有提取運動目標特征這一環節。提取的運動目標特征必須在環境、運動狀態改變和運動目標自身變化時，都能夠將運動目標描述出來。目標的特征大致分為：

（1）視覺特征，如形狀、邊緣、輪廓、紋理等特征；

（2）代數特征，如圖像矩陣的奇異值分解等特征；

（3）統計特征，如顏色直方圖等不變矩等特征；

（4）變換系數特征，如傅里葉描述子和自回歸模型等特征。

靜態視覺中通過對相機采集到的圖像進行處理、識別后，再將提取到的位置信息傳遞給控制系統后就可以實現對目標的準確抓取。本文通過采集具有反饋功能的伺服電機，配合減速機和同步帶輪來驅動傳送帶，從而保證系統精度，通過傳送帶伺服電機實時反饋位置記錄物體的位置，從而達到跟蹤的目的。

傳送帶I運行的方向為機械臂y坐標正方向，故目標點的x坐標方向的數值不變。攝像機固定在傳送帶邊上，每采集一幀圖片經過圖像處理、信息提取后得到該圖片上所有的目標點的位置、大小信息。輸送帶由伺服電機驅動，電機所轉圈數由所發的脈沖數決定。同步帶的傳送比已知，減速機的傳動比已知，主動輪的直徑已知。則傳送帶每前進1mm電機所接收到的脈沖數λ可由下式求得：

其中：i為減速比；j為傳動比；d為輸送帶主動輪的直徑；N為電機轉一圈所需的脈沖數。

視覺控制系統在提取、保存每個目標點位置信息時，除了提取目標點的位置坐標（xn，yn）、大小Dn外，還記錄此刻傳送帶伺服電機編碼器反饋回來的脈沖數tn，記錄為（xn yn Dn tn）T。這樣就可以得到動態目標的位置信息：

其中：x，y為目標點實時坐標；為單個脈沖輸送帶所走的距離。

通過實驗驗證，單靠次方法實現跟蹤機械臂的抓取精度不高。通過分析公式（4）可知，t為目標有效信息輸送到運動控制系統中當前時刻傳送帶收到的脈沖值，而機械臂從原點到抓取點或者從抓取點到放置點這個過程中傳送帶所走的距離沒有被記錄，從而導致每次抓取位置偏后。所以對上述問題進行改進：運動控制系統在抓取點和放置點之間產生一系列的位置點，機械臂通過這些位置點坐標完成完整的運動軌跡。

3.2 重復目標的剔除

本文采用基于單幀圖像上獲取目標物的坐標信息，但當兩張相連的圖像采集時間過長不僅會導致目標物的遺漏還會增加視覺系統的負擔，時間過短則會對相同目標物的重復采集。所以相連兩張圖片采集間隔時間的確定要適合，故我們做了如下分析：

假設本視覺系統的視場大小為M×N，相機拍照間隔時間內傳送帶會走一定的距離，任意相連的兩張圖片可能會出現目標點的重復采集以及目標點的遺漏現象。

由上述情況分析可知，考慮到所采集的圖像包含全部目標物無遺漏且完整，由于伺服電機按照每10ms進行一次插補，要實現相機在輸送帶移動距離d的過程中精確拍攝兩張圖片的難度較大。綜合考慮，此時相連的兩張圖片可能出現重復的目標。因此，本文引入一種基于像素當量剔除重復目標點的方法。具體方法如下：

假設，a圖像中m個物體的像素坐標記為集合M。

b圖像中n個物體的像素坐標記為集合N。

將集合N中元素與a圖像中的每個元素做比較得出兩元素的像素坐標的距離，再利用標定出的像素當量求出實際距離d：

傳送帶移動的距離為：，若，則該點為重復點予以剔除。由于現實存在誤差，所以設定誤差范圍τ，即當時，對此點做剔除。τ的具體值可以通過多次實驗獲得。

通過引入像素當量計算相連兩幅圖像中目標點的位置，并利用傳送帶反饋脈沖差值確定傳送帶所走的距離，把兩者進行比較從而最終獲得傳送帶上每個不重復目標點的位置信息，此方法在實驗中獲得了良好的效果。

4 結束語

本文基于機器人自動分揀系統的設計研究，使機器人可以高速分揀。在系統開發過程中主要完成了以下方面：

（1）對系統的總體進行設計，分析了視覺系統和運動控制系統，以及系統的軟件設計平臺；

（2）針對機器人通過視覺識別物件進行快速分揀的問題，分析了機器人的抓放和路徑的最優選擇；

（3）同時介紹了如何實現對目標物體的動態追蹤和重復目標的剔除。

參考文獻

[1] 吳衛.基于機器視覺的機械零件檢測與識別系統設計[D].上海：東華大學，2011.