基于机器视觉的太阳能电池板对位系统*

吴禄慎，冯秋歌，陈华伟,常参参

(南昌大学 机电工程学院，南昌 330031)

0 引言

在太阳能电池板的焊接过程中[1-2]，工厂普遍采用人工或者机械机构进行摆放，效率不高而且容易损坏电池板。在实现电池板的焊接自动化过程中，由于来料时电池板的摆放位置具有很大的随机性，机械手在抓取电池板的过程中，跟理想位置存在较大偏差，所以单靠机械手很难将电池板放到正确的位置。机器视觉对位技术的发展[3-4]，使得太阳能电池板焊接过程中的某些环节已经实现了焊接自动化。但是其中一个焊接环节，在焊接之前需要将一块长约1.58m的电池板按照标准位置摆放，并且误差要控制在±0.5mm以内，按照其他工序一样使用单个相机已经很难解决对位问题。所以本文针对太阳能电池板焊接过程对电池板摆放高精度、高效率、低成本和智能化的需求，设计了基于机器视觉的太阳能电池板对位系统，并且针对电池板尺寸较大，单相机拍摄定位精度差的问题，提出了双相机拍摄的方法提高定位的精度和稳定性，通过康耐视计算机视觉库编写图像处理程序，并且给出了偏差的计算方法。实际结果表明，该系统能够将太阳能电池板准确、稳定、高效的摆放到规定位置。

1 视觉对位系统设计

1.1 视觉对位系统的硬件组成

视觉系统的硬件组成，往往由相机、镜头、光源、工控机以及通讯模块等组成，采集到清晰、高对比度且满足精度和视野要求的图像，对后续的图像处理非常重要，合适的硬件选型可以有利于算法的简化，对提高运行速度和检测的稳定性都有重要的意义。本视觉系统的部分硬件组成如图1所示。

根据此项目的实际需求，选用康耐视500万的工业相机和日本computar系列的百万像素级C接口16mm工业镜头来保证视野、物距和精度的要求。背光源是一种由LED灯珠均匀排布在光源底部的平板式光源，光线经过导光板之后形成均匀的背光，亮度提升明显，特别适合用于外形轮廓检测，所以选用背光最佳。由于最终的数据要通过TCP通讯的方式传送给机械系统，所以选用的工控机配备三个Gigabit Ethernet千兆网口，其中两个用于连接相机，一个用于和PLC进行通讯，工控机系统采用64位Windows操作系统。

图1 视觉定位系统的硬件组成

1.2 视觉对位系统的软件开发

图2 系统总体流程

视觉对位系统[5-6]的软件开发部分主要利用Cognex开发的VisionPro视觉库和VB.net框架进行软件开发。利用VisionPro中的采集图像、训练模板和定位、找几何形状等工具，结合相机标定和坐标转化算法，同时采用两个相机来提高对位的精度。当机械手吸取工件第一次达到拍照位置后，由CogAcqFifoTool工具触发CCD相机进行第一次拍照，采集到的图像经过GigE接口传送至VisionPro软件，首先运用CalibCheckerboardTool标定工具进行相机的标定，然后将标定完的图像传送给CogPMAlign工具进行模板训练和图像匹配，将匹配到的坐标参数传送给CogFixtureTool进行定位。选用CogFixtureTool图像定位空间，使用CogFindLineTool找线工具找到顶点的两条边，然后使用IntersectLineLineTool找交点工具可以找到这两条线的交点的坐标，即点特征的坐标。最后进行偏差的计算，将结果通过TCP通讯的方式传送给机械手进行校准。系统总体流程如图2所示。

1.2.1 获取图像

使用两个康耐视的五百万像素工业相机，Gigabit Ethernet千兆网口连接CCD相机，设置好网关后，在VisionPro里面添加CogAcqFifoTool取图工具，设置曝光量，调整镜头焦距和光圈大小，保证采集到清晰高对比度的电池板顶角图像，如图3所示。

图3 电池板顶角图像

1.2.2 摄像机标定

(1)镜头畸变的校准：由于镜头的畸变，通常导致拍摄到的图像存在三种常见的扭曲：纵横扭曲、透视扭曲和放射扭曲。采用CalibCheckerboardTool标定工具进行校准。该工具使用棋盘格标定板可以计算线性或者非线性转换[7]，光学或者透视扭曲的情况属于非线性转换。如图4a所示，标定工具已记录原始校准空间中标定板的顶点坐标，然后摄像机采集标定板的图像，如图4b所示，获取采集图像的顶点坐标。非线性转换指的是这两组点之间的映射关系，工具计算并且记录这种映射关系，如图4c所示。在程序运行期间，校准工具就可以利用这种映射关系对采集的图像进行校准。接下来的图像处理就可以利用校准好的图像，进行更加精确的计算。

(2)像素坐标转化为空间工件坐标：摄像机拍摄到的图像，要想得到实际的偏移量，首先要将像素坐标系转化到工件坐标系。一般标定板上的块尺寸为1cm×1cm，用块尺寸除以块所占的像素数n,就可以得到图像像素到空间工件实际坐标的比例转化关系，棋盘格校准使用的棋盘格板可以计算像素和真实单位之间的转换。

(a)原始校准空间 (b)标定板图像 (c)映射关系图4 棋盘格校准

1.2.3 定位和寻找点特征

图5 模板匹配过程

电池板的顶角存在肉眼可见的加工误差，导致每块电池板的顶角存在不确定的变形，为了更好的找到太阳能电池板的顶点坐标，提高定位的精度，首先采用PMAlignTool工具中的PatMax[8]功能结合FixtureTool工具进行定位。PatMax是一种基于模板匹配算法[9]的图案位置搜索技术，PatMax图案不依赖于像素格，其特征是表示图像中不同区域之间界限的轮郭线，基于特征的表现可以比像素格栅表现更快捷和准确。其功能可以实现测量图案的位置，相对于原来训练图案的尺寸，以及相对于原来训练图案的角度等等。然后把PMAlignTool模板匹配工具的特征位置变化信息Results.Item[0].GetPose()传送给FixtureTool工具，实现了定位功能。模板匹配工具的使用过程如图5所示。

图6 组合工具效果图

使用两个FindLineTool找线工具可以找到过顶点的两条边，实际上该工具利用投影算法，计算出线上的一些点，然后拟合出一条线。使用IntersectLineLineTool找交点工具可以找到这两条线的交点，同时可以得到交点的坐标，即顶点坐标。组合工具的效果如图6所示。

1.2.4 坐标转换

由于工件尺寸大，为了提高测量的精度，所以采用双相机拍摄。双相机拍摄带来两个相机像素空间坐标不统一的问题，这样两个相机采集到的数据就相互独立，不容易计算出工件的摆放角度，所以首先要将两个相机的坐标转化到同一个坐标系下。不同平面直角坐标系之间的坐标转换公式：

(1)单纯移动

设两个直角坐标系是Oxy和O′x′y′,有相同的坐标轴方向,坐标原点O′在坐标系Oxy中的坐标为(x0,y0)。点M在Oxy和O′x′y′坐标系下的坐标分别用(x,y)和(x′,y′)表示。在单纯移动情况下,坐标转换公式是：

(1)

(2)单纯转动

设两坐标系有同一原点O,Ox和Ox′之间的夹角是t。在单纯转动情况下，坐标转换公式是：

(2)

(3)移动和转动

设两个坐标系为Oxy和O′x′y′,坐标原点O′在坐标系Oxy中的坐标为(x0,y0),x轴和x′轴之间的夹角是t。在同时存在移动和转动的情况下，坐标转换公式是：

(3)

两个相机平行安装的方法：利用VisionPro软件里面的浮动显示图像的功能，随时可以观察工件上任一点的像素坐标，调整相机使工件和两个相机x方向都平行之后固定，如图7所示。利用该方法可以使用公式(1)来简化计算。

图7 安装效果图

则O′在O内的横坐标为：

x0=x1+L-x2′

纵坐标为：y0=y1-y2′

(4)

1.2.5 位置偏差结果计算

进行位置偏差的计算，需要建立一个标准位置，将一个电池板放置在标准位置，机械手利用气动吸嘴将工件吸起，沿y方向平移到拍照点，在移动的过程中，保证工件的x坐标不发生变化，以此位置的电路板为标准位置，记录此时电路板的左侧顶点坐标(xd,yd)，以此坐标作为标准位置。先后进行两次拍照，第一次拍照计算角度偏差，机械手校正完角度偏差之后进行第二次拍照，进行平移偏差的计算，校正完平移偏差之后，机械手将工件放到指定的摆放位置。

第一次拍照，进行角度偏差计算，如图8所示。

图8 角度偏差计算

利用转换公式将坐标系2的顶点(x2′,y2′)转化为坐标系1中的坐标(x2,y2)：

即

(5)

设电池板的偏移角度为t，

(6)

第二次拍照进行平移偏差计算，如图9所示。

(7)

图9 平移偏差计算

2 系统功能测试

机械手吸取6块电池板，经过视觉系统校正后，放到同一个坐标位置，重复进行10组测试来测试系统的

稳定性，通过观察法对存在较大偏差的电池板间隙用游标卡尺进行测量。通过测试可以明确得出，在10组测试中，电池板与标准位置几乎重合，足以满足项目对±0.5mm误差的要求。实际上，通过人眼很难分辨偏差的大小，比人工摆放更精确。最终通过本系统校正的电池板整齐的摆放到规定的位置，效果图见图10。

图10 对位效果图

3 结束语

该视觉对位系统采用双相机获取图像，利用VisionPro机器视觉库里面的工具寻找特征，并且给出了偏差的计算方法，基于VB.Net框架开发了一种基于机器视觉的太阳能电池板自动对位系统。实际证明，该系统达到了很高的检测速度和定位精度，实现了电池板准确的摆放，满足实际的生产需求。本系统的设计，提高了太阳能电池板的焊接自动化程度，对发展绿色能源具有重要意义。

[参考文献]

[1] 高志良.太阳能电池片自动焊接中视觉检测关键技术的研究[D].天津:河北工业大学,2013.

[2] 李晨曦,袁红兵. 基于VisionPro的太阳能电池片定位与缺陷检测系统[J]. 机电一体化,2014(12):50-54.

[3] Zhang W. Development of Machine Vision and Its Industrial Applications[J]. Infrared, 2006，27(2)：11-17.

[4] 张建业,潘丰. 基于视觉的机器人抓取电梯门板定位系统设计[J]. 江南大学学报(自然科学版),2015,14(6):769-775.

[5] 陈伟华,马琼雄,陈月军. 基于VisionPro的工业机器人视觉定位系统[J]. 组合机床与自动化加工技术,2012(2):81-83,87.

[6] Chen W H, Qiong-Xiong M A, Chen Y J. Vision Positioning System of Industrial Robot Based On The VisionPro[J]. Modular Machine Tool & Automatic Manufacturing Technique, 2012.

[7] Guo C, Hong Y. Fully automatic method for camera calibration based on checkerboard target[J]. Computer Engineering & Applications, 2016，52(12)：176-179.

[8] Zhi-Qiang H E, Ding T, Er-Qiang X U, et al. Application of PatMax and PatQuick in Smart Electricity Meter′s LCD Detection[J]. Automation & Instrumentation, 2012(5)：54-56.

[9]周丽莎.基于模板匹配的视觉定位技术研究与应用[D].大连:大连理工大学,2012.