基于机器人技术的地铁车辆轮对自动化清洗系统研究

2021-05-18史时喜

机械设计与制造工程 2021年4期

史时喜

(轨道交通工程信息化国家重点实验室(中铁一院)，陕西西安 710043)

地铁车辆轮对的清洗是轮对探伤前的必要工序，直接影响探伤质量[1-2]。目前国内车辆轮对清洗普遍以人工作业方式为主，在作业过程中会有大量有机溶剂、化学清洗废液产生，对人体有害。作业人员需要绕轮对往返作业，效率低下[3]。在一些作业环境差、重复次数多的地铁车辆检修工序中应用工业机器人是行业未来的发展趋势[4]。本文介绍了一种将工业机器人技术应用于车辆轮对激光清洗作业中的方案，在轮缘定位上首次采用单相机多目视觉三维定位方法。研究内容可为工业机器人技术在地铁车辆检修中的进一步应用研究提供参考。

1 地铁车辆轮对清洗机器人功能及组成

1.1 设备功能

轮对清洗机器人主要用于地铁车辆轮对表面油漆、锈斑的自动化智能清洗[5]。系统采用激光清洗的方式，由机器人自动操作，配备具有机器视觉技术的工业相机，能自适应各种轮对结构。在设备作业的同时利用工业相机对除漆、除锈效果进行自检，如果不达标，则进行二次或多次清洗，确保优良的除漆、除锈效果。采用激光清理锈迹、油漆时，产生的废物主要为残渣、气体和清洗废液，设备配备排气系统和废液、残渣收集装置，避免了其对作业人员健康的损害和对环境的污染。

1.2 设备组成

轮对激光清洗机器人由龙门架、拨轮定位装置、六轴机器人、机器视觉模块、激光除漆装置、除尘装置、电气自动控制系统等组成。轮对激光清洗机器人结构如图1所示。

图1 轮对激光清洗机器人结构

在轨道上方设置横跨轨道的龙门架，龙门架横梁下方安装六轴机器人，机器人的工作端通过法兰盘安装激光除漆装置和机器视觉模块[6]。龙门架前方和后方的轨道侧面分别设置有轮对拨轮定位装置，拨轮定位装置上设置有光电接近开关，均低于轨道上表面。轮对位于光电接近开关上方时，触发光电接近开关，六轴机器人接收到光电接近开关的闭合信号后运行设定的程序，进行轮对清洗作业。清洗机器人采用遨博I5协作式机器人。机器视觉模块包括线激光和工业相机genie_TS_M1920，用来获取车轮外形尺寸数据。激光除漆装置主要利用高能量脉冲激光束照射轮对表面，使轮对表面的油漆、锈斑发生瞬间迸裂剥离，从而达到清洁轮对的目的[7]。

2 地铁车辆轮对清洗机器人定位系统及方法选择

根据传感器的数量与功能划分，机器视觉三维定位方法大致可分为单目视觉定位、双目视觉定位与多目视觉定位等[8-10]。单目视觉定位是利用一台摄像机在同一角度完成定位工作，它具有简单、适用范围广的特点[11-12]，但需要目标点之间有几何约束关系，不适合复杂多变的应用场景。双目视觉定位是利用已经标定的不同位置的两台相机得到的两幅二维图像，应用图像处理、三维重建等方法实现从二维图像恢复到三维图像的一种模拟人双目视觉定位的方法[13-14]。多目视觉定位是在双目视觉定位的基础上发展而来的，是采用多台摄像机拍摄同一幅场景，得到多幅二维图像，应用图像处理、图像匹配、三维重建等技术实现三维场景恢复的定位方法[15]。双目视觉定位和多目视觉定位过程中，相机安装和调试不易，且需要对多台摄像机进行内外参数标定，标定过程复杂，运算量特别巨大，成本很高，因此应用场合受到极大限制。

为解决单目视觉、多目视觉三维定位方法存在的应用场景受限、摄像机标定复杂等问题，在地铁车辆轮对清洗机器人三维定位中，采用了一种全新的机械手单相机多目视觉的三维定位方法。机械手单相机多目视觉三维定位方法参照多目立体视觉实现三维定位的原理，利用单相机在多个位置对同一目标物进行二维拍照，再将多角度拍摄的二维图像合成为三维点云图像。由于拍摄位置定位精度较高，并且可以随时调整，因此保证了单相机多目视觉方案的可行性和时效性。

该方法的不足主要体现在机械手提供的相机三维位置误差和姿态数据误差的叠加使综合误差在三维空间上放大，最终合成的三维点云图像和实际的偏差可能会很大。单纯从图像合成角度改进算法来弥合误差难度很大。本文所研究的系统在技术实现上，利用目标对象(地铁车辆轮对)相对已知的有利条件，预置机械手在设定位置和姿态条件下拍摄的新轮对的多组二维图像，加之详细标定标准的位置和姿态数据支撑，利用二维特征进行多角度匹配，矫正误差。在实际作业时，针对一个特定的位置和姿态拍摄的图像，用预置的该位置和姿态标定的多组图像进行校验识别，纠正位置和姿态偏差，然后用纠正后的位置、姿态与二维图像数据，精确合成三维点云图像。

3 基于机械手单相机多目视觉的三维定位系统及方法

单相机多目视觉三维定位流程包括获取平面图像、提取轮缘图像、特征提取与三维匹配、三维重建、三维定位。

3.1 获取平面图像

获取平面图像是轮缘三维重建的基础。工控机控制六轴机器人在轮缘外侧多个点进行多角度拍摄，获取二维平面图像，再通过图像得到待识别物体的基本数据，如深度、物体相对位置等信息[16]。根据工业相机的分辨率及其视野范围，标定其前上右、前下右、前上左、前下左、后上右、后下右、后上左、后下左共8个基础位置和姿态。在实际工作中，控制机器人完成8个基础位置和姿态下的二维图像拍摄后，在纠正位置和姿态偏差的基础上合成三维点云图像。通过轮对三维点云图像识别轮对特征曲面的磨损特征，判定轮对是否是一般磨损模式。如果是，则完成了图像获取，如果有特殊差异，则根据特殊差异所处的位置，选择前方正中，后方正中、左方正中、右方正中、上方正中、下方正中6个位置中的一个或多个，配合正中或左、右、前、后、上、下偏45°的姿态补充图像，然后重新合成三维点云图像，完整再现轮对特殊磨损状态。

获取平面图像时，对机械手的位置和姿态精度要求不高，这是由于对此时待清洗轮对及其磨损情况未知而导致的。因此，此时所选取的特征点也就存在一定误差。

3.2 提取轮缘图像

获取轮缘二维平面图像后，工控机将对多角度的二维被测图像进行分割。首先剔除不相关的背景内容，并对背景区域进行合并；然后根据图像特征建立合适的加权值计算模型得到能量函数的最小值。图像加权值特征指的是彩色图像的R(红色)、G(绿色)、B(蓝色)的颜色特征信息；再通过变分法得到水平集函数的演化方程，水平集函数停止演化时，所得到的零水平集对应点的集合即为所求轮廓线[17]，最后得到了图像的最优化分割。

3.3 特征提取与三维匹配

特征提取是机器人视觉定位技术的基础。工控机在获得轮缘的分割图像后，采用Harris角点检测及高斯差分检测对分割图像进行特征提取与三维匹配，图像中包含许多有用特征，包括点、线、边缘等等。Harris算子是一种基于信号的点特征提取算子[18]，对所提取的各Harris角点与其上下层图像对应的像素点计算高斯差分并进行比较，高斯差分取得极值并大于阈值的Harris角点被选为特征点[19]。经过特征点并指向相机光心的射线为该表面过此中心点的法向量。

图像分割和特征提取是设定轮对清洗路线和动作方式的前提，轮对清洗路线和动作方式的设计以轮对区位切分为基础，首先待清洗轮廓预切分为轮缘、踏面以及其他辅助部位等多个清洗区位，然后对每个清洗区位预置清洗路线和清洗动作方式。每个区位有特定的三维轮廓特征(建立在弱化不确定的磨损基础上，使磨损不影响特征提取和三维匹配)，利用特征提取和三维匹配锁定预置的各个区位。在执行轮对清洗时，针对识别出的每个轮对区位的磨损情况，微调对应区位的清洗动作方式。

3.4 三维重建

在特征提取和三维匹配的基础上对待清洗物体进行三维重建，利用泊松表面重建方法可以较准确地获取和优化角点，并找到角点特征的匹配点，从而能够获得被重建轮缘的精确表面。泊松重建算法是基于隐函数的曲面重建方法，相比于其他方法，该算法结合了全局和局部方法的优点[20]。

3.5 三维定位

轮对的清洗作业是按照设定的区位顺序、逐一完成的，在每个区位清洗开始及过程中，需要进行起始点定位、区位转换的再定位和中间过程定位的矫正。通过三维重建，系统已经捕获了各个区位的大致位置，另外也已经通过特征提取确定了每个区位的起始特征点和中间矫正特征点，因此机械手到达待清洗区位后，利用模拟平行双目视觉原理，以起始特征点为搜索和定位目标，完成机器手的定位和位置姿态调整。在清洗过程中，为降低位置姿态误差或对特殊位置进行准确和高精度清洗，需要利用选定的中间特征点再定位来确保机器手的位置精度。

模拟平行双目视觉原理，采用机械手控制单目相机平移，达到双目相机拍摄两张图像的效果。虽然在拍摄时刻上有差距，但是在保证被测物体没有变化前提下，可以达到平行双目视觉的效果。通过计算，能够得出目标位置的深度。模拟平行双目视觉三维定位原理如图2所示。

图2 模拟平行双目视觉三维定位原理图

首先在相机中心沿机械手y方向取标志点P(x，z)，在CL点拍摄一张图片，P点在CL的投影点为ML(xl，f)；然后控制机械手向x方向移动距离d到达CR点再拍摄一张图片，P点在CR的投影点为MR(xr，f)。根据相似三角形定理，可求出z值，再求出x的值。P点的y值与相机中心y值相同，至此机械手坐标通过标定参数可以得出，从而确定P点的三维坐标(x，y，z)，完成机械手的三维定位。