基于機器視覺的工業機器人分揀系統

王傳鑫?吳思彤?馬超?李林

摘要：工件分揀是工業生產的重要組成部分。在傳統的生產線中，采用人工分揀。然而，這類工作具有很高的重復性和勞動強度。隨著工業的發展和進步，工業機器人逐漸取代工人用于分揀，但由于機器人的運動，所有操作都是通過教學或離線編程預定義的。一旦工件的位置確定，機器人就無法進行適當的調整，這將導致誤差。基于此，本文主要對基于圖像處理的工業機器人分揀系統進行了分析和探討。

關鍵詞：基于機器視覺;工業機器人;分揀系統

1.前言

圖像處理技術與并聯機器人的結合，使分揀操作更加可靠、靈活，操作對象和分揀過程可以隨時隨地改變，提高了工業生產的效率和機器人分揀系統的智能化。基于上述優勢和相關技術基礎，開發和研究基于圖像處理技術的工業分揀機器人系統具有重要意義。

2.機器人分揀系統工作流程

本文基于Astro Boy并聯機械手機和康奈仕insig7000智能攝像頭，設計并構建了一個基于視覺定位技術的機器人分揀系統，如圖1所示。在實驗調試過程中，通過打開和關閉圓筒，將不同類型的立方體塊隨機分布在傳送帶上。該程序評估要排序的塊是否在視野內。當區塊進入攝像機的視野時，機器人控制器通過以相等間隔觸發來觸發攝像機拍照，以收集分類對象的姿勢信息。計算機通過特定的處理算法識別和計算實驗對象塊，接收分類對象的分類信息、坐標信息和旋轉角度，然后以特定的數據格式傳輸給機器人控制器。根據視覺系統返回的信息，在適當的行動區域進行跟蹤和記錄。在指定位置放置不同類型的實驗塊。當材料容器上的塊數達到設定值時，重新打開圓筒，將塊隨機分散在傳送帶上，并重復上述過程。

無花果。2基于視覺的機器人分揀系統工作原理示意圖

6軸機器人：由于待分揀工件的質量在400g以內，最大搬運距離為500mm，因此選擇了Nachi的輕型6軸機器人mz04。該機器人可以處理重量為4kg、移動范圍為600mm的物體。它具有精度高、速度快的優點。

視覺模塊：視覺模塊由攝像頭和鏡頭組成。方程式（1）是相機選擇的公式。

F=FOV/D（1）

其中FOV是視野，D是視覺模塊的識別精度，F是攝像頭的像素。由于要分揀的工件在250mm的工作范圍內為180mm×300mm，所以整個視覺模塊的FOV設置為200mm×300mm，整個視覺識別模塊的檢測精度D必須為0.8mm。根據公式（1），為滿足精度要求，至少選擇10萬像素攝像頭。為了提高穩定性和準確性，13個像素代表一毫米，因此必須選擇130萬像素的攝像頭。Basler的aca-1300-gm相機有130萬像素，芯片尺寸為1.3英寸。穩定性高，能滿足精度要求。透鏡選擇的原理如圖3所示。

根據已知工作距離h、視場FOV和芯片尺寸x，結合類似三角形原理，透鏡焦距為F16mm。選擇后，攝像機和鏡頭安裝在機器人外部的支架上。經調試，圖像處理模塊能夠滿足檢測精度要求。氣動模塊：氣動模塊由吸盤、空氣壓縮機、電磁閥和真空發生器組成。吸盤和真空發生器安裝在機器人的末端。真空發生器將空氣壓縮機的壓縮空氣功率轉換為負壓，以便吸盤能夠容納工件。

4.基于機器視覺的工業機器人分揀技術分析

工業機器人分揀系統主要實現機器人的自動分揀，涉及的技術主要包括：

4.1攝像機校準

分揀系統投入運行后，首先要對工件或物料的攝像頭進行校準，這可以稱為基于圖像處理的工業機器人分揀的基礎。沒有攝像機校準，就無法實現圖像處理。攝像機標定用于建立工業機器人與輸送帶上的物料或工件的空間位置坐標系和圖像坐標系，并討論和分析它們之間的關系。

4.2工件識別和定位

為了確保機器人分揀中的錯誤率盡可能低，有必要確保系統運行中工件的檢測和定位是準確的，而細化這兩項任務的根本原因是使用了圖像匹配技術。在實際操作中，我們根據不同的材料選擇不同的工件匹配技術。目前，主流的圖像匹配技術包括區域匹配、特征匹配和相位匹配。其中，最常用的匹配技術是特征匹配，這是因為其他兩種匹配方法比特征匹配更依賴于灰色查詢。

4.2.1工件識別

所謂工件識別是指圖像識別。其工作原理是通過攝像頭獲取工件的圖像，然后與輸入的工件圖像進行比較，得到圖像中工件的具體信息，然后記錄工件本身的位置和方向。一般來說，在圖像識別過程中，首先需要通過預處理工業攝像機獲取工件的圖像信息，然后相應的匹配系統從輸入的工件信息中找出一些相似的工件。然后通過圖像處理技術將預處理攝像機接收到的圖像信息中的工件與背景分離，并將工件圖像轉換為二值圖像。然后提供經過二值化處理的圖像，以比較匹配形狀或特征的相似性。用于完整的圖像識別。

4.2.2工件定位

工件檢測允許工業機器人精確完成物體分揀過程，但如果想要獲得分揀物體的準確位置信息，則需要準確定位分揀物體的位置。要計算工件的準確位置，需要分析預處理相機拍攝的圖像。具體操作如下：首先，需要將工件在圖像中的位置與背景進行比較，然后將其位置轉換為攝像機坐標。隨后，根據攝像機坐標，工件的位置坐標以世界坐標的形式顯示。根據工業機器人運動學原理，得到了機器人的關節角和電機的驅動角。最后，利用一階圖像矩算法計算出工件的中心坐標。

4.3工業機器人的運動控制

為了精確控制工業機器人的運動，需要對預處理攝像機拍攝的圖像進行分析，通過分析可以得到工件的精確坐標。當工件被轉移到指定位置時，機器人可以根據指令對工件進行分揀，并將其移動到指定位置，完成材料或工件的最終分揀。

5.結論

機器人版本技術在工業環境中的應用將越來越廣泛，這將提高分揀系統在工業過程中的魯棒性，為以后開發機器人輔助分揀系統提供更好的參考。

參考文獻：

[1]唐宇，吳清瀟，朱楓.平面工件的識別與定位方法研究[J].機械設計與制造，2015（10）：172-175.

[2]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，2012，48（9）：153-156.