基于機器視覺的智能抓取系統的設計★

萬松峰， 吳靖明

（東莞職業技術學院智能制造學院， 廣東 東莞 523808）

引言

電子信息產業是廣東支柱產業中最具創新、最具活力的行業之一，具有知識高度密集、產業附加值高和輻射帶動性強等特點，在區域工業體系中占有重要地位，也是各國搶占的戰略制高點。3C 電子產品更新換代快，零部件眾多，結構、形狀、材質差異較大，生產工序復雜，傳統方法很難適應高精度、快節拍、柔性化的個性化定制產品生產需求。

在電子信息生產制造中，工業機器人具有可靠性強、重復精度高、適用性好等特點，不僅可以提高生產效率、保證產品一致性、改善生產條件、提升制造企業競爭力，而且可以帶來巨大經濟效益。傳統工業機器人示教的方式無法實現對未知尺寸、形狀和擺放位置等條件下零件的抓取?；谝曈X引導的工業機器人的智能抓取系統具有較好的應用前景[1]。廖家驥等[2]利用機器人和視覺構建分揀系統，提出一種快速手眼標定算法分揀不同形狀的工件。張衛芬和湯文成[3]通過多閾值模板匹配算法，實現工業機器人對不同形狀的立方體進行識別。高斌和費繼友[4]采用機器視覺和傳感器檢測，結合多關節機器人實現了對不同工件的自動分揀和抓取。王懷江等[5]提出了一種基于改進遺傳算法求得最優工位點坐標，縮短移動機械臂的抓取路徑長度。

在實際3C 產品生產流水線中，產品尺寸、形狀和擺放位置不確定，給工業機器人抓取帶來挑戰。本文以流水線生產時3C 產品外殼件的組裝為研究背景，搭建“機器視覺+工業機器人”的智能抓取系統，開展工業機器人智能抓取的研究和驗證。

1 系統方案

以流水線生產時3C 產品外殼件的組裝為背景搭建“機器視覺+工業機器人”的智能抓取系統，主要包括工業機器人、運動控制模塊、圖像處理模塊和通信模塊等。3C 產品外殼在傳送帶上經光學成像檢測區時控制器觸發相機采集圖片，并將圖像傳遞給工控機，Halcon 視覺軟件進行圖像處理和分割，提取圖像特征獲取產品的外觀尺寸和位置坐標，機器人根據零件信息實時抓取。智能抓取系統示意圖如圖1 所示。

圖1 智能抓取系統示意圖

智能抓取系統拓撲圖如圖2 所示。工業機器人、工控機、PLC、分布式IO 和遠程監控之間通過交換機連接，通過以太網協議實現網絡通信和數據交換。

圖2 智能抓取系統拓撲圖

2 系統硬件設計

該系統主要包括工業機器人、運動控制模塊和圖像處理模塊等。

工業機器人選用ABB 公司生產的全新緊湊型設計IRB1200 型工業機器人，其工作范圍寬廣，而且能滿足電子信息產業上下料行業對柔性、易用性、緊湊性和節拍的要求，并且自帶以太網接口,方便與常用的工業網絡通信。

運動控制模塊包括PLC、伺服電機、分布式IO等。PLC 選用西門子 S71200，CPU 1212C DC/DC/DC，8輸入/6 輸出，2 點集成模擬量輸入，2 點脈沖輸出頻率高達 100 kHz，集成以太網接口（TCP/IP native、ISO-on-TCP）。分布式 IO 選用 FR8210+IO 模塊，PROFINET 適配器可以進行快速安全的數據交換。伺服電機及驅動選用三菱HG-KR43B+MR-J4-40。

圖像處理模塊包括工控機、工業相機和光源、鏡頭等。工業相機選用?？低昅V-CE120-10UC 的1200 萬像素USB3.0 彩色相機，鏡頭選用焦距為12 mm 的海康威視MVL-MF1628M-8MP 鏡頭，光源選擇環形白色光源，工業計算機通過USB 接口與工業相機連接實現圖像的采集和處理。

3 系統軟件設計

RAPID 編程。RobotStudio 軟件不僅模擬仿真功能強大，還具有自動生成路徑功能、仿真監控碰撞功能，能及時對機器人已有程序進行優化。針對不同工件的抓取機器人的末端通過選擇不同的種工具實現。ABB工業機器人的編程語言是RAPID 語言，ABB 程序結構由各模塊組成，模塊包括程序數據、主程序、例行程序、中斷等組成。編程前需先建立工具坐標系和工件坐標系，配置標準IO 端口和遠程IO 端口，設置以太網通信等，設置完成后可以在Robotstudio 上編寫RAPID 程序。機器人首先初始化回到原位等待PLC指令，收到指令后發送命令給視覺系統和夾具庫，通過視覺引導實現夾具快換和零件的智能抓取。考慮機器人關節的位置和狀態，采用優化算法對軌跡進行補償，采用深度神經網絡對工業機器人進行訓練，獲取端至端的學習深度圖像和最佳抓取位置的映射關聯性。

4 驗證分析

系統軟件設計主要有機器視覺識別和工業機器人控制系統設計。

利用VS+Halcon 搭建機器視覺軟件開發平臺。在VS2019 編譯環境下編寫MFC 上位機程序，HALCON是德國MVtec 公司開發的一套完善的標準的機器視覺算法包，擁有機器視覺集成開發環境，可以利用其開放式結構快速開發圖像處理和機器視覺軟件。該軟件由1 000 多個各自獨立的函數及底層的資料管理核心構成，包含各類濾波、色彩及幾何、數學轉換、形態學計算分析、校正、分類辨識形狀搜尋等基本的幾何及圖像計算功能，其應用范圍涵蓋各類自動化領域。首先通過平移、轉置、鏡像、旋轉、縮放等對采集的圖像進行處理，提取目標零件的關鍵輪廓特征。利用gauss_filter 算子來實現高斯濾波對圖像去噪，采用sobel_dir 算子對輪廓特征進行提取，利用convol_fft算子求取輪廓點方向，采用Otsu 法提取主體輪廓特征。利用輪廓特征提取方法獲取待測零件的輪廓點及其方向，采用均值法構造圖像金字塔搜索策降低模板和待測零件圖像的分辨率，提高識別效率。

利用RobotStudio 實現ABB 工業機器人的離線

采用基于機器視覺的智能抓取系統，針對物體形狀識別功能，選取A 公司手機外殼進行抓取實驗，結果表明：該智能抓取系統可以準確實現對手機外殼的識別和抓取，抓取速度為120 次/min，為進一步推廣工業機器人在3C 產品的抓取提供了參考。

5 結語

以流水線生產時3C 產品外殼件的組裝為背景搭建“機器視覺+工業機器人”的智能抓取系統，借助Halcon 實現對零件的識別，通過零件位置信息實現對工業機器人的控制。