機(jī)器視覺的伺服控制技術(shù)簡述

沈燕卿 劉興法

一、前言

機(jī)器視覺通過圖像攝取裝置將被攝取目標(biāo)轉(zhuǎn)換成圖像信號，即用機(jī)器代替人眼來測量和判斷，它是快速發(fā)展的人工智能領(lǐng)域的重要分支。機(jī)器視覺的伺服控制通過對來自圖像提取裝置的圖像信息，分析其像素分布和亮度、顏色等，提取目標(biāo)特征，進(jìn)而結(jié)合控制需求來控制現(xiàn)場的設(shè)備動作。

機(jī)器視覺易于實(shí)現(xiàn)信息集成，是實(shí)現(xiàn)計(jì)算機(jī)集成制造的基礎(chǔ)技術(shù)。機(jī)器視覺的應(yīng)用有助于提高生產(chǎn)的柔性和自動化程度。 在一些不適合于人工作業(yè)的危險工作環(huán)境或人工視覺難以滿足要求的場合，常用機(jī)器視覺來替代人工視覺; 同時在大批量工業(yè)生產(chǎn)過程中，用人工視覺檢查產(chǎn)品質(zhì)量效率低且精度不高，用機(jī)器視覺檢測方法可以大幅提高生產(chǎn)的自動化程度和效率。

隨著機(jī)器視覺技術(shù)的發(fā)展與成熟，基于機(jī)器視覺的自動監(jiān)測與智能控制系統(tǒng)將廣泛應(yīng)用于電子制造、半導(dǎo)體、汽車、交通、工業(yè)生產(chǎn)等各個領(lǐng)域，并主要從中端生產(chǎn)線向前端制造和后端物流環(huán)節(jié)延伸，成為提升產(chǎn)業(yè)自動化水平、實(shí)現(xiàn)中國制造 2025 的重要技術(shù)手段。

二、機(jī)器視覺及其伺服控制技術(shù)的國內(nèi)外研究現(xiàn)狀

機(jī)器視覺包括數(shù)字圖像處理技術(shù)、機(jī)械工程技術(shù)、控制技術(shù)、光學(xué)成像技術(shù)、傳感器技術(shù)、計(jì)算機(jī)技術(shù)等，是一門多學(xué)科交叉融合技術(shù)。

機(jī)器視覺系統(tǒng)主要包括三部分：圖像的采集、圖像的處理和分析、輸出或顯示。如圖 1 所示，一個典型的機(jī)器視覺及控制系統(tǒng)包括光源、光學(xué)系統(tǒng)、圖像捕捉系統(tǒng)、圖像數(shù)字化模塊、數(shù)字圖像處理模塊、智能判斷決策模塊和機(jī)械控制執(zhí)行模塊等。

其中，采用CCD 攝像機(jī)等的光學(xué)成像系統(tǒng)和圖像捕捉系統(tǒng)將被攝取目標(biāo)轉(zhuǎn)換成圖像信號，在經(jīng)采集與數(shù)字化后傳送給專用的圖像處理與決策系統(tǒng)，它根據(jù)像素分布和亮度、顏色等信息，對這些信號進(jìn)行各種運(yùn)算來提取目標(biāo)的特征（面積、長度、數(shù)量及位置等），最后根據(jù)預(yù)設(shè)的容許度和其他條件輸出結(jié)果（尺寸、角度、偏移量、個數(shù)、合格/不合格及有/無等）;上位機(jī)實(shí)時獲得檢測結(jié)果后，指揮運(yùn)動系統(tǒng)等控制執(zhí)行模塊執(zhí)行設(shè)定的控制操作。

通過采用視覺伺服控制，系統(tǒng)可以模擬人的視覺器官、對環(huán)境實(shí)施非接觸量測以及便于對非結(jié)構(gòu)環(huán)境和目標(biāo)進(jìn)行檢測等。視覺伺服的一個關(guān)鍵問題是從三維空間到二維圖象空間的未知的時變非線性變換 ， 由此派生出新的視覺平面內(nèi)系統(tǒng)的可控性、可觀性以及與原系統(tǒng)控制性能的關(guān)系問題。

機(jī)器視覺的伺服控制可分為基于位置、圖像和混合視覺控制三類。利用標(biāo)定得到的圖像采集系統(tǒng)的參數(shù)對目標(biāo)位置進(jìn)行三維重建，基于位置的視覺控制能通過軌跡規(guī)劃求得機(jī)器人末端執(zhí)行器下一周期的期望位置，進(jìn)而通過控制器對機(jī)械關(guān)節(jié)進(jìn)行控制。基于圖像的機(jī)器視覺伺服控制一般使用多臺攝像機(jī)故對對象圖像進(jìn)行特征匹配?；旌弦曈X可控制在圖像控制的基礎(chǔ)上，借助超聲波、激光和紅外等其它類型傳感器，并進(jìn)行多傳感信息融合，從而實(shí)現(xiàn)對象的識別、定位及控制。

機(jī)器視覺的軟硬件產(chǎn)品已逐漸成為生產(chǎn)制造各個階段的必要部分，這就對系統(tǒng)的集成性提出了更高的要求。在現(xiàn)代自動化生產(chǎn)過程中，人們將機(jī)器視覺系統(tǒng)廣泛地用于工況監(jiān)視、成品檢驗(yàn)和質(zhì)量控制等領(lǐng)域。隨著全球制造中心向中國轉(zhuǎn)移，中國機(jī)器視覺市場正在繼北美、歐洲和日本之后，成為國際機(jī)器視覺廠商的重要目標(biāo)市場。目前包括中國和日本在內(nèi)的亞太地區(qū)占全球的比重突破 20%已經(jīng)超過歐洲，位居全球第二大區(qū)域市場。

機(jī)器視覺控制系統(tǒng)的應(yīng)用目前主要集中在檢測、定位、運(yùn)動控制、機(jī)器人等幾個領(lǐng)域， 特別是在運(yùn)動控制、生產(chǎn)流水線、診斷、測試、數(shù)控設(shè)備等幾個領(lǐng)域的應(yīng)用需求增長最為迅速。

三、存在的問題及發(fā)展趨勢

機(jī)器視覺的伺服控制技術(shù)目前存在的主要問題有成像質(zhì)量不足、圖像處理分析算法性能不足、計(jì)算數(shù)據(jù)量大、智能化水平不高等問題。

1.成像質(zhì)量不足

影響機(jī)器視覺成像系統(tǒng)成像質(zhì)量的影響很多，主要包括：系統(tǒng)制造開發(fā)過程中的影響因素：成像波段的選擇、成像傳感器電學(xué)特性與幾何特性、光機(jī)系統(tǒng)的優(yōu)化設(shè)計(jì)、光學(xué)元件的材料質(zhì)量、加工精度、系統(tǒng)裝調(diào)精度等;系統(tǒng)使用過程中的影響因素：光照條件、目標(biāo)材料特性、目標(biāo)幾何形狀特性、目標(biāo)表面特性、目標(biāo)距離等。 以移動機(jī)器人為例，隨著自身的平移及轉(zhuǎn)向運(yùn)動，目標(biāo)與攝像頭之間的相對距離姿態(tài)信息并不準(zhǔn)確，其相對運(yùn)動和攝像頭自身俯仰平移運(yùn)動帶來的圖像變形都極大影響了視覺跟蹤成像的穩(wěn)定性。

2.圖像處理與分析算法性能不足

圖像處理與分析技術(shù)是機(jī)器視覺的核心，所以構(gòu)造出一個良好的、適應(yīng)相關(guān)領(lǐng)域應(yīng)用的識別算法顯得尤為重要。由于機(jī)器視覺控制系統(tǒng)主要用于工業(yè)現(xiàn)場，工作環(huán)境較為惡劣、現(xiàn)場噪聲大，而且現(xiàn)在的應(yīng)用領(lǐng)域越來越要求檢測設(shè)備具有準(zhǔn)確、高速地識別出目標(biāo)的能力，如果不能構(gòu)造出一個適應(yīng)相應(yīng)需求的識別算法，就不能適應(yīng)不斷增長的需求。特別是在運(yùn)動物體跟蹤時，由于攝像頭隨對象一起運(yùn)動，自然目標(biāo)的運(yùn)動形式往往具有未知、 復(fù)雜、 高度非線性等特點(diǎn)，且周圍環(huán)境的視覺特征隨時間改變，此時僅依靠顏色或形狀為目標(biāo)跟蹤特征的視覺跟蹤控制方法缺乏魯棒性。

3.計(jì)算數(shù)據(jù)量大

隨著對機(jī)器視覺功能需求的不斷提高，機(jī)器視覺所獲取的數(shù)據(jù)量也日益增大。比如用于人臉識別的機(jī)器視覺，識別一次要投射多達(dá)幾萬個紅外線點(diǎn);又如交通檢測，一天累積下來的數(shù)據(jù)量也十分驚人。不過隨著硬件技術(shù)的發(fā)展，這個問題將來會逐漸得到解決。

4.機(jī)器視覺系統(tǒng)自身的智能化水平不高

機(jī)器視覺是實(shí)現(xiàn)人工智能的關(guān)鍵，但目前為止，國際上機(jī)器視覺系統(tǒng)本身的智能化水平不高，導(dǎo)致機(jī)器視覺系統(tǒng)在外在條件發(fā)生變化時，要么需要人為干預(yù)，要么限定其使用范圍，往往不能使機(jī)器視覺系統(tǒng)始終工作最優(yōu)狀態(tài)，導(dǎo)致成像質(zhì)量下降。所以目前的機(jī)器視覺的最終效果往往依賴于圖像處理與分析算法的先進(jìn)性與復(fù)雜性，最終因?yàn)樗惴ㄟ^于復(fù)雜性而不

能在實(shí)際系統(tǒng)中實(shí)時使用。

四、機(jī)器視覺的伺服控制技術(shù)發(fā)展趨勢

隨著計(jì)算機(jī)技術(shù)、電子技術(shù)等的發(fā)展，機(jī)器視覺的伺服控制技術(shù)主要發(fā)展方向有以下幾點(diǎn)。

1.機(jī)器主動視覺的應(yīng)用

機(jī)器主動視覺強(qiáng)調(diào)系統(tǒng)利用及其視覺伺服裝置與周圍環(huán)境進(jìn)行交互，是當(dāng)前機(jī)器人視覺領(lǐng)域的一個熱點(diǎn)。由于機(jī)器視覺的成像質(zhì)量隨著光照條件、目標(biāo)材料特性、幾何形狀特性、表面特性、相對位移等條件的變化而發(fā)生改變，為保障成像質(zhì)量，系統(tǒng)可通過智能調(diào)節(jié)光照條件、機(jī)器視覺系統(tǒng)與目標(biāo)的相對位置與相對姿態(tài)、機(jī)器視覺系統(tǒng)自適應(yīng)調(diào)焦或變倍等，最終實(shí)現(xiàn)復(fù)雜工作條件下的最優(yōu)成像質(zhì)量。

2.多傳感器信息融合

不同傳感器各有優(yōu)劣，都有一定的適用范圍，如將多種傳感器綜合使用，取長補(bǔ)短，實(shí)施多傳感器的信息融合，可以得到對象的更加準(zhǔn)確、可靠的結(jié)果。

3.復(fù)雜環(huán)境下的物體跟蹤

復(fù)雜環(huán)境下的視覺特征隨時間改變，攝像頭隨對象進(jìn)行未知、 復(fù)雜、 高度非線性運(yùn)動，可考慮采用自適應(yīng)多動態(tài)模型算法可以被采用以接近目標(biāo)的復(fù)雜運(yùn)動特性。

4.算法復(fù)雜度與準(zhǔn)確度平衡

對于圖像特征信息的提取直接關(guān)系到伺服系統(tǒng)性能的優(yōu)劣，機(jī)器視覺系統(tǒng)自身智能化的高水平實(shí)現(xiàn)，可以降低對圖像處理算法復(fù)雜度的苛刻要求，提高機(jī)器視覺系統(tǒng)的實(shí)時性與使用效果。

參考文獻(xiàn)

[1]王耀南， 陳鐵健， 賀振東，等. 智能制造裝備視覺檢測控制方法綜述[J]. 控制理論與應(yīng)用， 2015（3）：14.

[2]孔德磊， 方正. 基于事件的視覺傳感器及其應(yīng)用綜述[J]. 信息與控制， 2021， 50（1）：19.

[3]魏秀琨， 所達(dá)， 魏德華，等. 機(jī)器視覺在軌道交通系統(tǒng)狀態(tài)檢測中的應(yīng)用綜述[J]. 控制與決策， 2021.

[4] 呂鐵，韓娜.智能制造：全球趨勢與中國戰(zhàn)略[J].人民論壇·學(xué)術(shù)前沿，2015（11）

[5] 沈義平， 徐賀. 移動機(jī)器人視覺跟蹤控制方法綜述[J]. ?2012.

[6] 王耀南，陳鐵健，賀振東.智能制造裝備視覺檢測控制方法綜述[J].控制理論與應(yīng)用，2015（03）

[7] 張思源，陸志強(qiáng)，崔維偉.考慮設(shè)備周期性維護(hù)的流水車間生產(chǎn)調(diào)度優(yōu)化算法[J].計(jì)算機(jī)集成制造系統(tǒng)，2014（06）

基金項(xiàng)目：重慶市教委科學(xué)技術(shù)研究項(xiàng)目資助（KJQN201803204，KJQN202003202）