上甑机器人构型及其多点图像采集系统研究

王锦坤，张秋菊

(1.江南大学机械工程学院,江苏 无锡 214122) (2.江苏省食品先进制造装备技术重点实验室,江苏 无锡 214122)

中国白酒是世界七大蒸馏酒之一[1]，在国内外拥有广阔的消费市场[2]。上甑是将酒醅装入甑桶的过程[1]，是固态蒸馏工艺技术中一个十分重要的环节。传统的人工或半自动化上甑操作工作强度大，且要求工人具有丰富的工作经验[3]，能准确判断将要“冒汽”的待补料区域，大大增加了人工操作的难度。国内外对自动上甑设备的研究已经有了一些成果，但是，目前的上甑机器人系统大多是基于通用机器人设计的，成本相对较高，针对性不强，且一套系统一次只能完成一个甑桶的上甑工作；测温设备(热像仪)必须一次完成整个甑桶表面的温度信息采集工作，对热像仪的视场角分辨率等性能要求较高；现有的专用上甑机器人难以保证铺料头末端与物料表面保持固定的高度，因此难以控制落料的偏差[3-8]。因此，研发出一套能自主识别待补料区域的智能上甑设备具有十分重要的应用价值。

1 上甑机器人构型设计

1.1 上甑机器人功能需求分析

在工业酿酒领域，上甑是将发酵好的酒醅均匀铺撒到直径1.6 m、深0.8 m的甑桶中的过程。上甑工艺流程如图1所示。

深入调研现有的酒醅上甑设备后，结合酒厂实际上甑工艺需求，初步拟定的机器人上甑过程如下：首先，需要保证酒醅能实时进入上甑机器人的入料口，接着通过机器人内部输送机构将酒醅运送至铺料头出料口准备上甑，随后在甑桶底部均匀地铺60～90 mm(3层)酒醅，并在甑桶底部通蒸汽蒸酒。然后实时监测料层表面的温度信息，当出现温度过高(即将漏汽)的区域时需对其进行定点补料；当温度适中时，则继续均匀铺一层料。如此反复操作直到甑桶铺满，铺满后切换到另一个甑桶进行同样的作业。

图1 上甑工艺流程图

根据工艺流程要求，对上甑机器人的功能需求如下：1)能实现酒醅的输送转移；2)能将酒醅铺放到甑桶内的任意空间位置；3)能实时采集甑桶内酒醅表面的温度信息；4)能实现多个工位之间的切换。

1.2 上甑机器人构型

针对上述功能需求，本文设计的上甑机器人主要由立柱升降机构、大臂回转机构、铺料头组件、送料打散机构几部分组成，包括5个主自由度和2个局部自由度。上甑机器人三维模型如图2所示。其中基座固定于地面，立柱升降带动回转大臂、铺料头组件等主体部分升降；大臂回转带动铺料头组件实现整体回转；铺料头组件共包含回转、摆动和局部升降3个自由度，以实现铺料头末端出料口的空间定位和摆动高度差补偿；酒醅在输送带的作用下经过铺料头内部到达铺料头末端经打散后撒出。

图2 上甑机器人三维模型

1.2.1升降立柱与回转大臂

上甑机器人的立柱升降与大臂回转两自由度能实现铺料头在多个工作位(每个工作位有一个甑桶待铺料)和等待位之间进行准确的位置切换。

主升降柱由不锈钢光面管焊接而成，通过套筒实现导向支撑，由伺服电机提供驱动力驱动滚珠丝杆带动主升降柱实现升降。主升降柱的升降区间为0～0.8 m，精度1 mm，负载能力≥300 kg。

回转结构主要包括RV减速器、回转架、配重块等，RV减速器固定壳倒装在回转臂内，输出盘连接主升降柱。回转驱动由伺服电机提供驱动力。大臂回转区间为0°～180°，精度为0.1°，末端负载能力≥100 kg。

1.2.2铺料头组件

铺料头组件是上甑机器人实现自动上甑的核心部分，其结构如图3所示。

铺料头组件包括3个自由度，其中在回转电机和齿轮组的作用下，铺料摆头可绕固定齿轮中心回转；摆动电机配合谐波减速机作用实现摆头在竖直面内的摆动。以上两自由度可实现摆头末端的二维坐标定位(其中摆头长1.4 m)，能使摆头末端到达甑桶内xoy坐标系平面的任意点(立柱升降实现z方向定位)。另外，通过升降电机带动升降丝杆控制摆头的升降运动，可补偿摆头末端因摆动导致的竖直高度变化，使摆头末端与醅料表面始终保持固定高度。铺料头组件相关技术参数见表1。

图3 铺料头组件结构图

表1 铺料头组件技术参数

2 上甑机器人工作空间验证

2.1 上甑机器人运动学分析

2.1.1上甑机器人D-H建模

为进一步验证上甑机器人的铺料范围，同时为后续铺料轨迹规划、运动控制等方面的研究做准备，本文使用标准的D-H法[9]对上甑机器人进行建模。上甑机器人连杆坐标系如图4所示，其中坐标系0为基坐标系，设置在底座上；坐标系1,2,3,4为各个关节的坐标系；坐标系5为铺料摆头出料口处的坐标系。

图4 上甑机器人连杆坐标系

表2为上甑机器人D-H参数表，在参数表中，ai为相邻z轴公垂线的长度，表示连杆长度；αi为相邻z轴的转角，表示两关节轴扭角；di为z轴上相邻两坐标系x轴之间的距离，表示相邻两连杆之间的距离；θi为绕z轴旋转角，表示关节角[9]。

表2 上甑机器人D-H参数表

由表2中可以看出一共存在5个变量，其中2个是移动变量，分别表示立柱升降和铺料头局部升降；3个旋转变量分别表示大臂回转、铺料头回转和铺料头摆动。

2.1.2上甑机器人正运动学分析

机器人正运动学分析是通过已知的连杆几何参数和关节变量求解机器人末端相对于基坐标系的位姿变换[9]。连杆i齐次坐标变换矩阵Ai为：

Ai=

(1)

(2)

(3)

其中：nx=cos(θ2+θ3)×cosθ5；ny=sin(θ2+θ3)×cosθ5；nz=-sinθ5；ox=-cos(θ2+θ3)×sinθ5；oy=-sin(θ2+θ3)×cosθ5；oz=-cosθ5；ax=-sin(θ2+θ3)；ay=cos(θ2+θ3)；az=0；px=a2×cosθ2+a5×cos(θ2+θ3)×cosθ5；py=a2×sinθ2+a5×sin(θ2+θ3)×cosθ5；pz=d1+d3-d4-a5×sinθ5。

2.1.3上甑机器人逆运动学分析

机器人逆运动学分析是在已知连杆几何参数的条件下，给定末端相对于基坐标系的期望位姿求解各关节变量的过程[9]。

上甑机器人坐标系5相对坐标系2在z方向上需始终保持恒定值，且在铺料作业过程中坐标系2始终位于甑桶中心的正上方，根据以上工作特点，本文为简化上甑机器人逆运动学求解，将逆运动学求解分两步完成。

首先根据坐标系2相对于坐标系0的期望位置求解d1和θ2两个关节变量，公式如下：

d1=Z2

(4)

(5)

根据坐标系5相对于坐标系2的期望位置求解θ3，d4，θ53个关节变量。公式如下：

(6)

(7)

(8)

式中：X5，Y5分别为坐标系5相对于坐标系2在X，Y方向的距离；L为摆头的长度，L=1 400 mm。

2.2 上甑机器人工作空间仿真验证

为了直观地验证上甑机器人是否能够在工作位和等待位，以及多个甑桶铺料位之间切换，本文对立柱升降和摆头回转两自由度单独进行分析，利用MATLAB求解其末端的工作空间，绘制坐标系2相对于基坐标系的空间点云图[10]，如图5所示。图中显示，铺料头组件能够在以基坐标系原点为圆心，半径1 700 mm、高800 mm的半圆柱面上移动，有足够的空间实现上述工作位的顺利切换。

另外，在切换好甑桶后进行铺料的过程中，大臂停止转动，立柱也只是随着料面的上涨而逐渐升高，铺料过程主要由铺料头组件的3个自由度完成。分析坐标系5相对坐标系2的工作空间点云图[10](图6)可清楚看出，铺料摆头的末端在直径1 800 mm的圆面内移动，能够到达甑桶二维空间的任意位置；同时铺料头在局部升降自由度的作用下能有效地补偿因摆动产生的高度误差，能补偿的最大高度差能达到350 mm。

图5 回转大臂末端的工作空间

图6 铺料头末端相对于大臂末端的工作空间

3 图像采集系统研究

要实现“探汽上甑”，一般采用红外测温设备实时采集甑桶表面的温度信息，并分析得出温度偏高(即将“冒汽”)区域的坐标信息。

目前的自动上甑设备大多将红外热像仪安装在甑桶上方的固定位置，只能从固定位置一次采集整个甑桶表面的红外图像，对热像仪的视场角分辨率等要求较高。然而现有的大多数热像仪却无法同时满足大视野和高分辨率的要求[11]。

将热像仪安装于铺料头上，如图3所示，热像仪可以随着铺料头的回转而切换拍摄位置。通过多点采集图像，然后利用图像拼接的相关算法完成图像的拼接，即可实现整个甑桶表面的红外热图像采集工作。

3.1 图像采集系统硬件平台

图像采集设备(热像仪)选用武汉高德红外公司的OR2测温机芯配套8 mm镜头，其具体参数见表3。

表3 热像仪性能参数表

热像仪安装于铺料头局部升降组件的固定板上，铺料头工作时，随着铺料头的回转，热像仪可在距离中心400 mm的圆弧上运动，图像采集物距约为1 500 mm，根据热像仪性能参数可得出所采集图像的视野范围为1 636 mm×1 227 mm。

甑桶直径1 600 mm，需要采集两次图像才能采集到整个甑桶的温度信息，两次采集位置间隔180°。图像采集示意图如图7所示。

图7 图像采集示意图

3.2 基于SURF算法的红外图像拼接改进方法

为完成甑桶表面的温度信息采集，需要将两个位置采集到的图像1和图像2利用图像拼接的方法拼接成一幅完整的图像。

在上甑过程中，需要实时监测甑桶料层表面的温度信息，及时对即将“冒汽”的区域进行补料，因此对图像采集、处理的实时性要求较高。虽然现有图像拼接算法较为成熟，但是拼接的实时性有待进一步提高；在上甑过程中，补料工艺只关注温度偏高的特征区域，而现有的算法针对性不强。本文针对以上问题，在现有的实时性和准确性较好的SURF算法的基础上进行优化改进，提出了基于SURF算法的红外图像拼接改进方法。

改进后的图像拼接流程如图8所示。

图8 改进的图像拼接方法流程图

与传统的基于SURF算法的图像拼接方法相比，为提高图像拼接的实时性和准确性，在特征匹配阶段，改进的图像拼接方法首先运用区域分块的相关算法将图像分块，然后运用相关性度量挑选出重叠率较大的两子块[12]，并且只对重叠率较大的子块进行处理，最后结合阈值化处理只保留温度超过阈值的区域的信息，减少了大部分无用的运算，大大提高了处理速度。

经过多次实验和分析发现，图像所分块数越多，单个子块的处理时间越短，子块之间的相关性计算耗时越长，但需注意分块过多会导致子块包含的有效信息不足。综合考虑算法的总耗时和子区域的有效性，通常将图像分为4块。

阈值化处理的阈值选取通常以能筛选出即将“冒汽”区域为原则，多次验证发现阈值取120～160较合适。

在特征点匹配阶段，利用RANSAC算法采样计算转换矩阵H之前，进一步筛选将得到的匹配对，可以提高匹配对的准确率，从而减少RANSAC算法的迭代次数[13]，在提高拼接准确性的同时进一步提高图像拼接的速度。两级筛选流程图如图9所示。

图中Match0、Match1、Match2分别表示原始、一级筛选后和二级筛选后特征点匹配对；N为一级筛选后特征点匹配对数。

第一级筛选，在SURF特征点匹配阶段，源图像1中提取的每一个特征点，在源图像2中找到与之欧氏距离最近和次近的两个特征点，距离分别记为L1和L2，若L1与L2比值小于T0将被保留；第二级筛选，将特征点匹配对按照欧氏距离从小到大排序，然后选出排在前M的匹配对用于RANSAC算法抽样计算转换矩阵。本文首先将T0取值为0.4，M取为15，一级筛选后如果N<2M，则说明T0取值偏小，将T0增加0.1，重新进行一级筛选，反复循环；如果N>4M，表示实验图像的特征点匹配对偏多，M值可取为20。

图9 特征点匹配对两级筛选流程图

3.3 图像拼接方法有效性验证

为验证本文提出的改进图像拼接方法能否满足上甑机器人系统对图像采集实时性和准确性的要求，本文用上述图像采集方法采集了8组红外图像，利用C++基于OpenCV编程，用上述改进的图像拼接方法和传统的基于SURF算法图形拼接方法(传统方法)完成图像的拼接，每组图像实验5次，记录完成图像拼接的平均时间(如图10所示)和特征点的平均正确匹配率(如图11所示)。

图10 图像拼接平均时间统计图

图11 正确匹配率均值统计图

由图10,11可看出，本文方法实时性比传统方法提高了近一倍，特征点匹配准确率也有所提高。

经过多次设备调试发现，拼接时间在100 ms以内、正确匹配率在85%以上可以满足实际上甑作业对实时性和准确性的要求。图像拼接实例如图12,13所示。

图12 待拼接源图像

图13 拼接图像

4 结束语

本文自主研发的五自由度专用上甑机器人，制造成本低、结构合理、灵活性强，能较好满足上甑工艺需求，具有较好的市场前景。本文侧重于对上甑机器人的总体结构和功能进行分析介绍，未对具体设计过程进行详细介绍。文中涉及的红外图像拼接技术是一项通用技术，能广泛应用于其他领域，值得进一步深入研究。另外由于条件限制，本文设计的上甑机器人暂未加工制作实物，只是初步验证了其功能的可行性，后续还要在完成加工制造后进一步对实际的性能进行实验测试。