基于機器視覺的工業機器人分揀技術研究

張旭

摘要：在當前的機械化生產領域，機器視覺已經成為了大部分自動化生產的主要技術之一。因此文章建立在工業機器人分揀技術的角度，融合機器視覺打造自動化的工業生產體系。工業機器人的分揀系統構成，往往涉及到了多個核心構建以系統平臺作為主要的操控中心，在分揀工作開始的過程中需要進行圖像處理、信息采集、目標定位以及機械操作，能夠準確的識別工件以及相關物品的類型和特征，并且預判位置和姿態，經過精準的抓取來完成分揀作業，這一技術體系能夠有效增強工業生產的效率。

關鍵詞：工業機器人;分揀;機器視覺;工件識別;定位

當前工業機器人已經廣泛融入到了工業生產的多個領域，例如搬運、焊接、上下料、噴涂以及裝卸等，尤其在物流領域有著較高的應用效率。綜合其技術體系來看，工業機器人不僅涉及到了自動化技術，還建立在機器視覺的基礎上，利用機械設備代替人眼進行判斷和測量。本文建立在具體案例以及技術分析的角度，通過文獻分析法以及技術分析法闡述工業機器人的具體工作流程，分析了機器視覺的實際應用價值，以期能夠為當前的工業自動化發展奠定基礎。

一、以機器視覺為主的工業機器人系統結構

在當前的流水線生產體系中，分揀作業是核心工序，需要將不同類型的物料或者工件分門別類的擺放到相應位置。傳統的人工分揀效率較低且精準性較差，而利用智能工業機器人可以在短時間內快速的完成高質量的分揀作業。從系統結構上來講，智能化分揀機器人的系統涉及到了視覺系統以及分揀控制系統，例如歐姆龍智能機器視覺系統 fz4便具有較高的應用價值，分揀控制系統則是建立在控制平臺的基礎上，以伺服驅動器作為介質，來實現信息傳導和機械操控。當前較為常見的系統結構如圖1所示。

（一）工業機器人

為了進一步提升本文論述的科學性和有效性，文章建立在三菱RV-3SD工業機器人的基礎上進行細節分析。該機器人的本體為六自由度垂直多關節型機器人為主，選擇AC伺服控制器，還涉及到了轉換器，主要負責信號的輸入和輸出，配備抓取機構，主要的活動半徑在60厘米以上，能夠完成340度左右的運轉。從其功能上來講，能夠實現吸取、抓取、裝配、搬運、測量、拆解等相關工業操作[1]。

（二）機器視覺系統

該機器人的智能視覺系統為歐姆龍FZ4-350，其中涵蓋了視覺相機、監視器、視覺控制器等。能夠結合工件本身的特點進行檢測，例如形狀、顏色以及關鍵數字等，通過前期的程序輸入以及調控可以進行實時操作。機器人也可以直接與PLC自動控制系統進行對接，從而實現整體生產線的全自動管理。

（三）可編程自動控制單元

可編程自動控制單元主要指的是建立在人工操作以及自動控制的基礎上打造的綜合體系，例如三菱FX3UFX3U-64MT，便是當前在大部分自動化機器人以及電機等領域中，具有較大應用價值的可編程控制器，能夠有效檢測各個單元的信號，實現工作流程管理以及數據傳輸等服務。

二、基于機器視覺的工業機器人分揀流程

具體的分解流程主要以定位、識別、抓取和放置這4個步驟為主。在整體系統運行過程中，首先智能機器人的攝像機會直接采取放置臺上相關物件的信息，并且將其傳輸到PC系統內，通過識別算法進行常規的識別，能夠有效識別六邊形、三角形、矩形等多邊形工件。在這個過程中，為了避免圖像模糊導致識別失敗，會提前進行圖像預處理，消除噪聲對影像的干擾，然后將目標圖像從背景放置臺中提取出來。

系統中的Hough直線檢測單元，可以直接檢測到工件的邊條數，從而為精準抓取提供依據。結合邊條數的實際情況分析具體的相鄰直線夾角，并且將夾角的度數作為鏈碼參數，然后與數據庫中的模板鏈碼以及計算機匹配出來的鏈碼進行精確對比，得到的信息可以直接作為夾具的操控依據[2]。同時通過圖像識取和特征提取之后，可以定位每一個物品的中心坐標點，然后利用RS232發送相關特征信息給控制柜，控制柜，接受信息之后經過分析，能夠控制機械手進行精準的分揀和放置。詳細的工作流程如圖2。

三、分揀的識別及定位

針對物品進行識別和定位，能夠有效提升工業機器人的分揀效果和精準性，當前大部分的定位識別技術是建立在圖像匹配技術的基礎上實現的。結合匹配的不同元素選擇不同的分配區域來提取特征，在這個過程中，由于特征匹配不再依賴于灰度，因此該項技術在當前的工業機器人研發中具有較大的應用價值。

（一）圖像識別

圖像識別主要指的是結合前期輸入的圖像模板來選定與其相似的目標圖像，同時識別圖像，在整體背景中的具體位置和實際方向，這其中需要系統的模型庫、圖像預處理系統、圖像信息獲取系統、特征匹配系統共同協作，完成該步驟。定位所要找到的物品之后，需要將物品與背景對象進行分離，在這個過程中通常選擇影像二指化處理將處理之后的圖像通過對比和判別之后分析相似度并且檢驗色彩，了解圖像中的文字編號。在這個過程中可以直接利用顏色灰度過濾的方式將整體圖像轉化為黑白圖像，然后將其轉化為特征圖像，與前期模型庫中輸入的圖像進行對比和搜索，從而檢測匹配程度。在顏色計算的過程中，首先掌握整體物品的顏色平均值，然后分析基準顏色之間的差值，通過對比之后能夠快速定位所要選擇的顏色[3]。

經過這一系列操作之后，需要進行分揀的物件，已經錄入到系統模型中，通過系統模型的數據傳輸功能與機器人的操控窗口進行對接，利用指令傳輸的方式控制PC系統以及可編程控制器來實現對機器人的操控，從而完成識別到分揀的流程。

（二）定位

前期的工件識別能夠決定經過分揀之后搬運到哪個位置以及搬運哪一個物料，那么就需要進行精準定位。在這個過程中，往往通過拍攝的方法來計算機器人和目標物品之間的距離。首先將工件在視頻圖像內的實際位置轉化為攝像機的坐標，然后再通過攝像機本身坐標的轉換，將其設定為世界坐標，這樣就可以得到機器人當前的姿態坐標。建立在機器人運動學的基礎上，分析相關關節角度以及驅動角度，這樣能夠有效操控機器手臂前往對應位置進行抓取和放置。從具體的計算流程角度來講，工件的定位是基于圖像計算出工件的中心坐標（x，y），例如物品為圓柱型，垂直拍攝為圓面，所以僅計算出中心點位置便可以進行定位。然后利用最小平方誤差法，將其進行最小化，能夠得出分揀對象所在的具體坐標以及具體的旋轉角度。找到中心位置之后，在定位目標物品邊緣上的三個不同的點構建對比坐標系，然后利用斜率公式便可以求出夾角。

除此之外，在實際運作過程中，機器人的實際坐標可能會受到傳送帶傳送速度以及距離等因素的影響，那么在實際進行距離測算的過程中，還需要結合傳送帶的速度來進行誤差修補。

經過這一系列的操作，能夠明確的定位抓取對象的實際位置和具體形態。結合當前的技術研發成果來看，針對不規則的物體也具備了高精度的匹配和識別方式，近似物體的區分也更加精準，能夠有效提升工業機器人的操作效率。

結束語：

綜上所述，為了進一步提升工業生產的效率和質量，降低人工成本，建立在機器視覺系統的基礎上打造的工業機器人，能夠有效完成工業分揀這一工作。工業機器人可以快速的進行目標物品的圖像定位以及信息提取，計算其精準坐標，然后操控機器手臂來完成抓取和放置這一流程生產效率較高，精準性較強，同時能夠有效實現大規模的分解作業，在當前的工業生產領域可以進行推廣。

參考文獻：

[1]焦恩璋，杜榮.工業機器人分揀技術的實現[J].組合機床與自動化加工技術，2010（2）：84-87.

[2]劉振宇，李中生，趙雪，鄒風山.基于機器視覺的工業機器人分揀技術研究[J].制造業自動化，2013，09（上）：25-30.

[3]李婷，柳寧.基于機器視覺的圓定位技術研究[J].計算機工程與應用，2012（9）：153-156.