基于視覺與超聲技術(shù)機器人自動識別抓取系統(tǒng)設計

視覺傳感器是指具有從一整幅圖像捕獲光線的數(shù)發(fā)千計像素的能力,圖像的清晰和細膩程度常用分辨率來衡量,以像素數(shù)量表示,邦納工程公司提供的部分視覺傳感器能夠瞧捕獲130萬像素,因此,無論距離目標數(shù)米或數(shù)厘米元,傳感器都能quot;看到quot;細膩的目標圖像,視覺傳感器應用其本要素是掌握如何應用視覺傳感器的兩個關(guān)鍵點的照明和軟件工具。

超聲波傳感器是利用超聲波的特性研制而成的傳感器。超聲波是一種振動頻率高于聲波的機械波，由換能晶片在電壓的激勵下發(fā)生振動產(chǎn)生的，它具有頻率高、波長短、繞射現(xiàn)象小，特別是方向性好、能夠成為射線而定向傳播等特點。

1 系統(tǒng)原理與結(jié)構(gòu)

系統(tǒng)由機械手、CCD 視覺傳感器和超聲波傳感器及相應的信號處理單元等構(gòu)成. CCD 安裝在機械手末端執(zhí)行器上,構(gòu)成手眼視覺,超聲波傳感器的接收和發(fā)送探頭也固定在機器人末端執(zhí)行器上,由CCD 獲取待識別和抓取物體的二維圖像,并引導超聲波傳感器獲取深度信息. 系統(tǒng)結(jié)構(gòu)如圖1 所示.

圖像處理主要完成對物體外形的準確描述,包括以下幾個步驟:a. 圖像邊緣提取;b. 周線跟蹤;c. 特征點提取; d. 曲線分割及分段匹配;e. 圖形描述與識別.在提取物體圖像邊緣后, 采用周線跟蹤進行邊緣細化,去除偽邊緣點及噪聲點,并對組成封閉曲線的邊緣點進Freeman 編碼,記錄每一條鏈碼方向和曲線上各點的X-Y 坐標值,進一步對物體的幾何特性進行分析.CCD 獲取的物體圖像經(jīng)處理后,可提取對象的某些特征,如物體的面積、曲率、邊緣、角點及短軸方向等. 根據(jù)這些特征信息,可得到對物體形狀的基本描述,在圖像處理的基礎上,由視覺信息引導超聲波傳感器對待測點的深度進行測量,獲取物體的深度信息,掃描得到距離曲線,根據(jù)距離曲線分析出工件的邊緣或外形.

2 工件圖像邊緣的提取

復雜工件反映在圖像上常常不止一個灰度等級,僅利用一個灰度閾值無法提取有意義的邊緣.

這里采用了直接從灰度圖像提取邊緣的方法.圖像邊緣一般發(fā)生在灰度函數(shù)值不連續(xù)處,可用灰度函數(shù)的一階或二階導數(shù)求得. 經(jīng)典的利用一階導數(shù)提取邊緣的方法有Robert s 算子、So2bel 算子等, 利用二階導數(shù)提取邊緣的方法有Laplacian 算子和Marrs2Hilderth 算子等. 通過對幾種算法的分析比較,認為Sobel 算子不僅實現(xiàn)容易、運算速度快,而且可提供最精確的邊緣方向估計.Sobel 算子由兩個3 ×3 相差90°的算子構(gòu)成,由這兩個算子同圖像卷積, 可得到圖像的邊緣及其方向. 對于數(shù)字圖像｛ f （ i , j ） ｝ , Sobel 算子可表示為:

Gx （ i , j） = f （ i - 1 , j - 1） +2 f （ i - 1 , j） + f （ i - 1 , j + 1） - f （ i + 1 ,j - 1） - 2 f （ i + 1 , j） - f （ i + 1 , j + 1） ;

Gy （ i , j） = f （ i - 1 , j - 1） +2 f （ i , j - 1） + f （ i + 1 , j - 1） - f （ i - 1 ,j + 1） - 2 f （ i , j + 1） - f （ i + 1 , j + 1） .

采用G1 = | Gx | + | Gy| 得到梯度幅值后,為減少所抽取的邊緣數(shù)目,可設置一個幅度門限,即只考慮對應灰度變化較大的那些邊緣. 再利用邊緣點具有局部幅度最大的特點,將邊緣細化.利用Sobel 算子提取邊緣后, 為了得到工件表面的尺寸信息, 還必須提取圖像的角點 , 以便計算工件的邊長等特征信息.

2. 1 形心坐標的確定

圖像中形心點的計算通常可通過兩種方法得出, 一是通過區(qū)域處理求矩的方法計算形心坐標 ;二是通過邊緣鏈碼積分計算。該算法較為簡單,且對任意圖形都適用,但需要結(jié)合像素點隸屬區(qū)域劃分算法進行.

2. 2 軸向的確定

為使機械手能以正確的姿態(tài)準確地抓取物體,必須精確確定物體的軸向. 在幾何學中,物體的長軸定義為通過物體形心點的一條直線, 物體關(guān)于該直線的二階矩為最小值. 設圖像中物體長軸與圖像平面X 軸正方向夾角為θ, 規(guī)定| θ| ≤π/ 2 ,則物體關(guān)于該軸線的二階矩為

　該算法較為簡單,且對任意圖形都適用,但需要結(jié)合像素點隸屬區(qū)域劃分算法進行.

很明顯,基于二階慣性矩的軸向確定方法是對整個物體區(qū)域進行運算, 且必須先確定像素點的隸屬區(qū)域,故運算量較大. 圖2 （a） 是用該算法確定的工件軸向. 對于一些簡單形狀的物體,可采用如下簡單軸向估計算法:

a. 確定物體的形心坐標;

b. 確定物體邊緣輪廓閉合曲線前半段中離物體形心最近的點, 用最小二乘法估算該點的切線方向,設其與圖像平面X 軸正方向夾角為α1 ;

c. 用同樣方法確定下半段曲線中對應的切線方向α2 ;

d. 物體軸向可粗略估計為θ= （α1 +α2） / 2.

圖2 （ b） 是采用簡化算法得到的工件軸向圖. 該算法僅對物體邊緣輪廓點進行處理,使運算時間大為減少.

3 超聲深度檢測

本文采用超聲波測距傳感器， 經(jīng)圖像處理得到工件的邊緣、形心等特征量后,引導機械手到達待測點,對工件深度進行測量,并融合視覺信號與超聲信號,可得到較完整的工件信息.安裝在機器人末端執(zhí)行器上的超聲波傳感器由發(fā)射和接收探頭構(gòu)成,根據(jù)聲波反射的原理,檢測由待測點反射回的聲波信號,經(jīng)處理后得到工件的深度信息.

4 實驗結(jié)果及結(jié)論

在上述方法研究的基礎上, 完成了在MOVEMASTER2EX機器人裝配作業(yè)平臺上進行的物體識別與抓取實驗. 在自然光及一般照明條件下,對機器人裝配作業(yè)平臺上視場范圍內(nèi)任意放置的3～5 個不同形狀、大小的典型工件進行自動識別和抓取,結(jié)果表明,識別時間小于5 s（包括識別、定位與抓取過程機械手的移動時間） ,定位誤差小于±2 mm ,并具有較好的通用性和可移植性. 圖3 （a） ～ （d） 分別是待抓取工件識別過程的圖像.

結(jié)論： 采用本文提出的將機器人手- 眼視覺與超聲波測距相結(jié)合的檢測裝置, 以及融合二維圖像信息與深度信息進行工件識別與抓取的方法,具有算法簡單、計算量小、可靠性高等特點,可為機器人與環(huán)境交互提供物體形狀、類別以及大小等信息,使機器人裝配作業(yè)能適應各種復雜的環(huán)境與工藝過程,對實現(xiàn)工業(yè)生產(chǎn)過程的自動化、柔性化、智能化有良好的應用前景.