基于机器视觉的分拣机械臂

2018-05-28白硕陈昕刘凯中庄佳林宋淑伟

电子技术与软件工程 2018年8期

文/白硕陈昕刘凯中庄佳林宋淑伟

在现代工业的发展中，机器人以其无可比拟的实用性和适用性在工业领域得到了迅速的发展。他们在各个应用领域都取得了巨大的成就。机器人接收外部反馈信息，并与控制算法相结合，完成执行器的控制信息，从而完成特定场合的特定任务。机器人本身就是一种仿生机械化载体。目前，机器人的控制方法和策略正朝着智能化、自主学习的方向发展。

1 发展简介

机器臂的主要功能是模仿人体手臂的运动和抓握特性。人们对机器人进行分类，将结构化满足特殊场合的应用要求，以更有效地完成对象的捕获、处理等操作。机械臂在工业领域的应用，可以在机械制造、冶金、电子、核能等高风险领域中替代人工，减轻人们的工作压力，保障人身安全。它们还可用于航天、微生物等研究领域。

2 系统设计与机械臂控制原理

2.1 上位机设计

上位机界面采用Matlab的GUI进行开发，系统可以与STM32进行串口通信、控制步进电机带动传送带运动。上位机系统还可以对摄像头拍摄的零件照片进行图像处理，并将判断的结果传给STM32，STM32根据结果发出不同的指令、控制机械臂进行分拣操作。

2.2 传送机构设计

传送机构采用了传送带、型材、滚筒等搭建而成，其中的动力部分采用57步进电机结合同步带传动，这样选用的优点是步进电机能够较为准确方便地调速和输出大扭矩。而同步带传动保证了传动的准确性和平稳性。

图1：技术路线图

2.3 机械臂及控制设计

2.3.1 结构设计原理

试验机采用的是类似于7bot（一个在美国成功众筹出售的机械臂教学模型产品）的机械臂模型，有5自由度，由舵机驱动，腕部可选多种安装支架，能够安装不同的抓取机构，本系统使用的是小型的电磁铁, 对表面光滑的物体抓取力较大，同时电磁的吸引范围交小，能较为准确地吸引物体。

底座有特别加固设计保证基座在受较大力情况下依然能正常运行。其在主要关节部位使用拉簧以平衡机械臂自重。

机械臂中使用的动力元件是舵机，其控制方便，但无法调速，自身构成闭环系统通过pwm波控制旋转的角度，多个舵机共同旋转，可控制机械臂运动，控制器选用stm32和80c51单片机，其中stm32用于机械臂控制，51单片机用于传送机构速度的控制。

2.3.2 运动控制原理

该试验机实用的控制方案是仿真控制和实验矫正结合的方法。通过D-H参数法标定机械臂的参数建立机械臂的位姿矩阵，并通过图像传感器输入构建变换矩阵，通过矩阵运算得到最终矩阵后，使用运动学逆解计算关节角度。

获得关节旋转角度的上位机通过串行通讯，将信息传给机械臂的控制器。使机械臂实现不同的动作。本系统使用Matlab机器人工具箱来仿真和运动学正逆解。

3 图像识别原理与程序设计

3.1 图像预处理、轮廓提取和特征识别

在机器人视觉系统中，图像分割是视觉系统最基本的识别方法和预处理手段。在特征识别上，由于本项目主要分拣外形轮廓不同的零件，而Hu矩具有平移、旋转、伸缩不变性，采集速度快，对物体的形状描述较好等优点。最终本系统的图像识别方案采用轮廓提取和Hu矩近似度判别。

3.2 神经网络的建立

BP神经网络是一种多层前馈神经网络，本系统根据分拣零件的种类和Hu矩具有7个特征值的特点确定BP神经网络的输入结点为7，输出结点为3，在实验过程中，我们不断调整隐藏结点个数来提高识别率，最终确定网络结构为7-5-3。本系统将采集到的三类标准件的不同摆放位置的Hu矩作为训练数据输入Matlab的BP神经网络中进行学习，通过机器学习的方法来提高识别的准确度。

3.3 处理流程

系统处理过程中，摄像头将实时图像传入上位机处理，分拣系统经过灰度化、二值化、边缘提取、填充、边缘检测、轮廓跟踪一系列处理，确定出该零件的Hu矩和零件中心坐标，Hu矩输入BP神经网络中进行分类，确定出该图片中的零件属于哪种类型，上位机通过串口将判断结果和零件中心位置发送给STM32，STM32根据上位机信息会给机械臂不同的指令进而控制机械臂拾取零件并投放到指定的位置，具体技术路线如图1所示。