基于機器視覺的物料分揀機器人系統設計

陳廣 西南石油大學工程學院

引言

隨著生產需求和人力成本的持續增加，許多企業逐漸用機器人代替人工進行生產。機器人技術的引入使得生產加工方式更加多樣化、智能化，產品的不良率降低，企業的制造水平提高。目前，機器人技術已成為國內外制造業產業轉型的重要途徑，逐漸從實驗室走向了汽車、生物、醫學等領域，并在制造業運用范圍越來越廣泛。

在制造業許多生產領域的流水線上，物料分揀是一道重要工序，如樂高工廠不同形狀、不同顏色積木的分揀。采用工業機器人代替人工完成分揀任務，能提高流水線的生產效率，避免人工疲勞導致的產品缺陷。雖然分揀系統通過示教機器人可以使機器人完成分揀任務，并在一定程度上提高生產效率、減輕人工的工作量。但是大多生產流水線上的工件，其角度和位置是不確定的，不能通過對工業機器人示教編程使其對流水線上的工件進行分揀操作。

隨著工業機器人技術的逐漸成熟，更多的智能感知技術融入到了工業機器人技術當中，如機器視覺技術、觸覺感知技術。正是在這樣的背景下，本文提出了基于機器視覺的物料分揀系統設計，利用機器視覺實現不同形狀、不同顏色產品的分揀工作，提高機器人的自適應性。

1 物料分揀系統總體設計

1.1 物料分揀機器人總體結構

分揀系統主要由物料傳送及控制系統系統、視覺采集系統、機器分揀控制系統、單片機傳送控制系統組成。

(1）物料傳送系統：通過單片機控制系統與計算機的串口通信控制相機的觸發，實現通過繼電器控制傳送的啟停。通過傳送帶傳送工件，利用光電檢測開關實現工件的到位檢測，利用傳送帶配置的調速器進行速度調節。

(2）光學圖像采集系統：主要由工業相機、工業鏡頭、照明光源系統組成，鏡頭與光源的選擇通常根據檢測對象特征進行適應性變化，通常可以選擇定焦鏡頭、變焦鏡頭或者雙遠心鏡頭以及采用環形LED 光源，面陣LED 光源，或者線陣LED 光源進行落射照明。采集系統將檢測對象的采集圖像通過USB 線傳送至計算機進行識別，分類處理。

(3）機器人分揀系統：分揀機器人通過與計算機控制系統的socket 通信實現對工件的分揀，分揀具體形式通常是將采用電磁鐵吸附或真空吸附的設備連接到機械手末端來實現分揀，機器人分揀系統主要由視覺采集系統和機器人分揀系統兩個部分組成。

1.2 物料分揀系統工作機制

其工作過程為：經過視覺檢測區，此時控制器觸發攝像機采集圖片，并將圖像信息傳遞給計算機，視覺軟件進行圖像預處理和圖像分割，對物料顏色，形狀等具體信息進行識別。同時提取圖像特征并與事先建立好的物料模板進行匹配.如果匹配成功，利用輪廓外接形心計算的方法找到物料，并將所得到的位置信息傳遞給控制器。當視覺系統采集到圖像并匹配成功時，MM240/A 模塊產生一個鎖存事件，并以此時編碼器的位置信息為起始點開始記錄編碼器數值的增量。物料在傳送帶上只有沿著傳送帶運動的方向有位移變化，將物料初始位置與鎖存事件記錄的編碼器增量值傳遞給控制器，可以得到物料的實時位置?？刂破魍ㄟ^并聯機器人運動學逆解程序得到3 個主動臂轉角，再通過角度值得到出第四根旋轉軸的旋轉角度。最后控制器向并聯機器發出指令，控制機器人末端執行器采用等間隔小時間的插值方式，使其快速運動到物料抓取點 ( 在物料中心位置上方1cm 處) ，打開氣動電磁閥，吸取物料。然后再將物料按照設置好的門字形運動軌跡送到放置點，關閉電磁閥，物料落入指定的物料盒中，完成一次抓取工作。放置完畢后，完成一次循環。下一個物料觸發相機，進行下一次抓取工作。

2 物料分揀系統硬件設計

系統可以分為3 個部分分別為檢測部分、識別定位部分和執行部分。

(1）檢測部分硬件主要由工控機、視覺系統組成。

(2）識別定位部分主要是上位機，它是整個系統的核心部分。上位機對圖像信息進行分析處理，獲得物料的位置、姿態等信息，并輸出分揀信號。

(3）執行部分主要由Delta 并聯機器人本體部分、電磁閥、KeMotion R5000 系列的CP263/X 模塊、DM272/A 數字I/O 擴展接口、MM240/A 編碼器接口模塊、GTS 系列輪式編碼器以及驅動兩個傳送帶的三相異步電動機和兩個控制電機的變頻器構成。

3 物料分揀系統控制設計

3.1 視覺識別過程設計

為了識別采集圖像中的工件并獲取位置，圖像采集是視覺采集系統獲取視覺信息的第一步。實際的視覺采集系統往往根據色彩要求和分辨率選擇不同的工業攝像機對圖像進行采集。采集到高質量的圖像能使得圖像易于處理，獲得識別和定位的結果也將更加準確。數字圖像的采集過程為，圖像傳感器感應經鏡頭聚焦在感光平面上的光線，將光信號轉變為電信號，量化該電信號得到數值信息，然后將數值信息傳輸給存儲設備，后經圖像處理單元進行顯示。

為了減少后續算法的復雜度和提高計算機的處理效率，圖像的預處理是必不可少的。預處理是圖像自動識別系統中非常重要的一步，它的好壞直接影響圖像識別的效果。由于工業生產環境經常會受到光照強度、空氣中的漂浮物、鏡頭周圍灰塵的影響，采集到的圖像往往會包含噪聲，因此，本系統中圖像預處理的目的就是去除圖像中的噪聲，得到清晰的圖像，以便后續處理過程中提取正確的圖像特征。

3.2 機器人運動控制設計

利用工業機器人進行工件分揀能夠保證分揀的效率，需要對工業機器人的運動控制進行分析。計算機借助內部系統和坐標參數對機器發出指令，放到輸送帶上的工件，會在計算機指令的作用下送到確定的位置，機器人才可以完成分揀工作。應用工業機器人可以保證分揀的效率和質量，提高企業經濟效益。

工業機器人程序控制實驗，主要是讓實驗者根據軌跡起點和終點的坐標確定機器人各個關節的運動曲線。機器人的軌跡規劃算法包括笛卡爾坐標系下的直線差補算法和圓弧插補算法以及關節空間的三次、五次、七次多項式插值算法。由于笛卡爾坐標系下的軌跡規劃方法較為復雜，三次多項式插值算法的加速度曲線不連續，七次多項式插值算法因次數太高會出現龍格現象。所以本次實驗平臺的軌跡規劃算法選用五次多項式插值算法。采用五次多項式插值算法對SCARA 機器人在關節空間進行軌跡規劃，SCARA 機器人作為一種平面關節型工業機器人具有4 個關節，適合于搬動和取放物件，被廣泛應用于平面抓取、快速分揀以及動態抓取等領域。

4 試驗結果及分析

經過對軟硬件的調試，本實驗順利完成了對待分揀對象的分揀過程。實驗過程為預先在上位機上建立所有待抓取對象的模板，然后在傳送帶初始位置開始隨意放置不同類型的待分揀對象，分揀作業要求將不同的分揀對象分別放置到相應的位置。整個抓取過程，視覺系統通過規定好的數據通信格式向機器人發送傳送帶上目標對象的位姿信息。

由于本實驗平臺沒有配備視覺光源，因此光照對于視覺系統的圖像采集效果有較大的影響，但實驗結果表明，邊緣特征對于光照等噪聲的影響具有較好的適應性，同時改進的Canny 邊緣提取算子可以更加精準的提取圖像的邊緣特征，機器人能夠完成對目標的準確抓取。

5 結論

本文提出了基于機器視覺的物料分揀系統設計，利用機器視覺實現不同形狀、不同顏色產品的分揀工作，提高機器人的自適應性，機器人能夠完成對目標的準確抓取