基于机器视觉技术的自动化理瓶机的设计研究

摘 要：对灌装生产线上整理瓶环节的常见问题进行了分析，通过视觉检测技术与机器人技术的融合开发研制自动化理瓶机是保证产品质量的有效手段，本文对自动化理瓶机的设计方法以及关键视觉算法进行了研究。对于视觉系统搭建、视觉系统的标定、整理瓶的多目标分类跟踪技术算法、delta机器人轨跡规划及动态目标抓取、视觉控制系统设计等5方面关键研发问题进行了深入的论述并详述了研究方法和具体实施方案。通过自动化理瓶机的案例展示出视觉技术在复杂环境（杂乱无章）下完成高重复度、复杂分拣、挑选、整理等繁重工作的稳定性和高效性。

关键词：理瓶机;视觉技术;手眼标定;delta机器人

中图分类号：TP391.14

在自动化瓶装生产线中，理瓶时需要将杂乱无章的瓶子进行快速整理和排序，并准确地输送到灌装机处，瓶子的供给速度及理瓶的准确性影响着瓶装灌装生产线的产量，制约着整个灌装流程的自动化程度。尤其是对于异形瓶而言，目前主要通过人工进行理瓶，由于异形瓶数量多体积大，导致工人工作范围较大，走动频繁，而且上瓶工人人数较多，工人的工作速度难以保持一致，由于劳动强度大[1]长时间工作容易疲劳，导致异形瓶错放情况时有发生。为了解决此类问题，目前有效的方法是采用基于机器视觉检测技术以及并联机器人技术联合开发研制自动化理瓶机，基于视觉技术和机器人技术的自动化分拣、整理工业自动化设备以其工作效率高、执行速度快、可实现复杂工序的全自动化等优点，已经在工业自动化领域得到了广泛的应用[2]。

结合本项目中的实际要求，自动化理瓶机的工作原理是以进瓶输送带送入瓶子，由位置检测单元获取瓶子的位置信息，控制装置处理位置信息并控制抓取装置将进瓶输送带上的瓶子抓取至出瓶输送带上，保证瓶子直立、整齐地排列在出瓶输送带上并输送至灌装机中，实现了理瓶工序的全自动化，避免了人工理瓶的错误。本文针对自动化理瓶机的视觉系统组建、多目标视觉系统的标定、分类、处理方法等核心环节的设计研究过程进行论述说明。

1 高速视觉系统的硬件架构设计与搭建

高速视觉系统的硬件设计与选型是整个高速视觉定位技术的基础，其主要包括光源选型，相机选型，镜头选型，高速图像采集卡选型以及系统硬件总体布置方案设计。本项目采用基恩士公司的CV-200C彩色工业相机，有效像素点个数达到200万个，镜头选用8mm定焦高分辨率镜头，采用环形LED光源。

2 视觉系统标定方法研究

机器人视觉系统标定也成为手眼标定，手眼标定的目标是获得摄像机坐标系到机器人基坐标系之间的变换关系。根据摄像机与机器人相互位置不同，手眼系统分为Eye-in-Hand、Eye_to_Hand[3]2种系统。Eye_in_Hand系统中摄像机安装在机器人手部末端，随机器人一起运动。Eye_to_Hand系统中摄像机安装在机器人本体外的固定位置，不随机器人一起运动。本项目采用Eye_to_Hand系统，其标定主要包括摄像机标定和手眼标定两部分。摄像机标定主要是获取摄像机的内参数与外参数（摄像机坐标系与平面靶标坐标系之间的变换矩阵），摄像机标定可采用张正友[4]标定算法。

手眼标定标定过程如下：机器人工具坐标系与机器人基坐标系之间的变换关系可由机器人控制系统读取，记为T1;控制机器人末端手抓示教靶标坐标系上的三个点，由三点确定一个平面，可以得到机器人工具坐标系与靶标坐标系之间的变换矩阵T2;由摄像机标定可以获得摄像机坐标系与靶标坐标系之间的变换关系T3。摄像机坐标系与机器人基坐标系之间的变换关系T4可由式（1）进行计算。至此，完成手眼系统标定。

T4=T1×T2×T3（1）

3 整理瓶的多目标分类跟踪技术算法研究

对采集到的图像进行中值滤波去噪，然后使用背景差分法进行图像分割，获取目标二值图像。采用形态学边缘检测算法完成目标轮廓提取，然后通过形状模板匹配算法完成被测目标定位。在多目标分类识别过程中，首先由目标区域特征如面积、周长、外界几何基元的形状、区域凸性与紧性，以及目标轮廓的傅里叶描述子构成目标特征向量，然后将目标特征向量输入支持向量机分类器，完成多种目标的分类。

高速多目标定位跟踪技术是并联机器人自动化理瓶机研究中的关键技术，该设备中目标获取的方式为视频流的方式，因此需要调节相机采集周期与输送带运行速度，保证相机对目标拍摄一次或者多次，然后利用去重复算法完成单一目标的跟踪。通过采用时序与空间位置相结合的目标去重复算法，能有效去除视频流中的重复目标，显著提高了机械手目标抓取的效率。

4 delta机器人轨迹规划及动态目标抓取

机器人轨迹规划的目标为在给定位移与最大加速度（电机驱动力矩）的前提下，优化其末端执行器的运动轨迹，使得其运行时间和机械振动趋于最小。针对Delta机器人高速运动时末端加速度大，容易发生冲击、振动，小臂细长杆容易震颤等特点，使用修正梯形加减速算法来控制Delta机器人的加减速。该方式加速度曲线变化柔顺，无突变，能够显著降低Delta机器人高速运动时的震颤。在动态目标抓取过程中，建立了机械手动态抓取工作区域内多个连续运动工件的数学模型，并通过牛顿-拉夫森迭代求解该非线性数学模型，实验测试抓取成功率为99%，最快抓取速度为100次/min，证明该算法能够满足实时性要求，具有较高的稳定性和准确性。

5 视觉控制系统设计

视觉系统实时采集输送带图像信息，由图像处理分析得到输送带上目标的形状及位置等信息，并将其传递给运动控制系统，由运动控制系统根据机器人运动控制算法控制机器人完成动态目标的抓取任务。整个控制系统可划分为视觉模块与运动控制模块。为了使两大模块能协同工作，设计物体信息数据库作为两个模块的纽带，采用并行运行的机制，两个模块在互不干扰的前提下可以最大限度的利用系统资源，使整个控制系统协调稳定的工作。

6 结语

本文介绍了一种基于视觉技术的全自动理瓶机的设计方法以及关键视觉算法的研究开发过程。通过对手眼标定、多目标分类追踪等核心视觉算法在本项目中的实际应用，展示出视觉技术在复杂环境（杂乱无章）下完成高重复度、复杂形状分拣、挑选、整理等繁重工作的稳定性和高效性。基于该算法的视觉检测设备已经在某洗衣液厂的生产线上得到了应用，各项指标均已达到设计要求，运行状态良好。

参考文献：

[1]蒋笑笑，张振军，王耀南，等.基于灰度投影梯度扩散的PET瓶快速检测[J].电子测量与仪器学报，2016，30（8）：1152-1159.

[2]许敏，马钺，陈帅.基于计算机视觉的红枣形状识别方法研究[J].传感器与微系统，2013，32（4）：23-26.

[3]邱茂林，马颂德，李毅.计算机视觉中摄像机定标综述.自动化学报，2000，26（1）：43-54.

[4]Zhang Zhengyou-.IEEE Transactions on Pattern Analysis & Machine Intelligence.2000.

作者简介：张萌（1980-），工学硕士，讲师，数控维修教研室主任，研究方向为机器视觉技术、数控机床故障诊断与维修技术。