基于机器视觉的工业机器人定位系统研究与应用

廖仕军

摘 要：近些年，随着机器视觉技术的迅猛发展，对于机器视觉技术在研发过程中针对定位精密度方面所提出的相关需求也越来越高。在机器视觉相关技术的基础上，通过对工业机器人定位系统的相关组成部分的概述，并结合动作工程等相关内容来进一步探究有关工业机器人在定位系统方面的相关应用，从而将定位信息更为成功且准确的传输给机器人，以便将定位任务得以精准完成。

关键词：机器视觉;工业机器人;定位系统

0    引言

我国作为工业制造的主力军，因为拥有良好的技术能力及生产环境，所以在制造业领域已逐渐凸显出较为明显的优势。但与此同时还应意识到相应的不足，如制造业的产业机构还不够合理，大部分产业仍处于低端，主力技术缺乏自主创新性;自身资源利用率有限;在综合管理生产及智能高端制造技术方面此类问题尤为明显[1]。

近些年，我国已由制造业大国逐渐向制造业强国进行转变，这其中最为明显的就是工业机器人被各高端制造领域所广泛的应用。运用机器人技术可以就智能制造产业结构的完善方面起到行而有效的帮助作用，借助机器人技术进行生产已逐渐成为帮助制造业进行改革的关键核心所在，更为重要的是通过广泛运用机器人技术可以卓有成效的帮助企业提升核心競争力。作为制造业中较为高端的工业机器人来说，不仅需要具备较强的稳定性，而且在高精度的定位性能方面也提出了更高的要求，因此必须要依靠机器视觉技术来对图像进行处理，借助工业相机来完成定位引导及模式识别等相关操作，进而将物质的边界及质心更为迅速地获取到，以便可以就工业机器人在运行过程中对于定位需求及时予以满足，进而使末端位置与理想位置间的差距得以有效缩短，为机器视觉技术的发展及创新起到积极的促进作用。

1    定位系统的构成

以机器视觉为基础的机器人定位系统主要包括控制系统及摄像机相关系统。其中控制系统又包括计算机及控制箱，借助此系统可以实现对计算机的具体末端位置进行控制的目的。而摄像机控制系统则包括具有图像采集卡功能的计算机以及摄像机，其主要功能是为了收集相关的视觉图像，并开展相应的机器视觉算法。工作区则主要是运用CCD摄像机来完成相关拍摄任务，并结合计算机识别图像获取到相应的跟踪特征，进而对数据完成识别及计算，逆运动学可对机器人每个具体位置存在的误差及时有效的获取后，再对高精度末端中的执行模块实施操控，进而完成对机器人的位姿及位置施以科学合理调整的任务[2]。

2    相关工作原理的概述

机器人是一个较为复杂的系统，主要由工业计算机、伺服控制器以及伺服电机等相关部件构成，并且基于“人类引导思想”技术，来对人们的肢体行为、动作习惯、决策模式以及表达方式等进行表现及控制[3]。依靠机器视觉技术的工业机器人定位系统的工作原理主要包括如下内容。

2.1  工业相机

工业相机的工作原理主要就是对光的传感作用进行有效应用，具体来说就是传感器通过相机镜头收集相关的光传感使光线，以便完成CCD成像及COMS成像的相关操作，进而有效地将光信号转变为电信号，并且运用内部模数转换电路使其变为数字信号，与此同时把信号发送至DVP或DSP位置施以加工，最终获取到工业控制可识别的输出格式[4]。

2.2  视觉定位系统的主要工作原理

视觉定位系统主要依靠CCD摄像机及1394采集卡向计算中传输相应的视频信号，并对其进行实时处理。定位系统通过对图像进行选取、寻找跟踪物、建立坐标系，以此来对跟踪特征进行有效获取，最终完成识别及计算数据的相关任务，通过运动逆运动学可获得机器人每个具体关节位置的给定值，以便对高精度末端的执行机构给予控制，进而对机器人的位姿进行调整。

2.3  依托区域的相关匹配方法

此匹配方法具体是把某一个图像中的具体一个位置的灰度领域当作模板，在另一个图像中找寻具有类似或相同的灰度值分布的相应点领域，从而找寻到图像间的相同匹配度。在区域算法的基础上，要进行匹配的区域必须为尺寸相对固定的图像窗口，而对相似性的判定最为关键的就是两幅图像中窗口间的度量值。比如一副图像的标准点为PP（i，j），以该点作为中心点选取另一区域作为窗口K，如K处于原始图像中，水平垂直依次向u平移后，那么K所覆盖的区域就为SK，当D（K，SK）相关函数结果相对最小时，那么就可以判定K和SK实现最佳匹配[5]。

2.4  图像特征的有效提取

工作台的背景与工作台上工件所呈现出的颜色会有较大的区别，如工件展现为黑色，那么就需要将此作为辨别工件的关键依据。如工件边缘处的灰度发生较为明显的改变时，则可以得出工件的边界点。在运用扫描线方式的过程中，如灰度变化显著，那么该像素点就为边界点。除此之外，还可采用最小二乘方法将已找寻到几个边界点一起拟合成圆周，以便得出圆心位置。

2    系统运作概述

2.1  工业机器人及工业相机的标定

依靠机器视觉技术来对机器人进行有效操控前，首先应该完成对机器人及相机坐标系的标定工作，为了更有效地对机器人施以标定，一般推荐采用“三点自动标定”方法，与此同时还要为标定工件设置自动模板，进而为操控机器人进行系统操作方面以及即将开展的机器视觉控制上均提供了相应的技术支持。

2.2  系统动作流程

在工位模块运行过程中，需要借助PLC可进行编程的控制器单元，并与锂电池载流片相结合来对机器人系统内的伺服电机、气缸以及传感器等部件完成上料工序操作。与此同时，工业相机可以就锂电池载流片上料后的图像进行有效采集，并对图像进行处理分析，进而完成特征识别、模块匹配、计算定位物料、位置目标确定，以便将更为精准的数据向机器人进行传输，实现工业机器人可以科学取放锂电池载流片的相关任务。

2.3  对系统通讯的定位

在基于机器视觉技术的工业机器人的运行系统中，若将通常的TCP/IP模式运用到锂电池载流片的内部定位系统中，则很有可能出现网络不稳定掉线、以及使网络端口无法充分得到释放，需要依靠断电重启方可完全得以释放，这就给检测HUB工业系统增加了难度，进而给生产系统的整体运行带来了不利影响。因此，检测通信设备是否正常不能只依靠仪器设备通讯标志是否成功来判断，还应结合“心脏跳动式通讯模式”，此种模式主要是根据相关通讯数据以及系统标志检测得出的实际通讯情况所共同得出的结果，该模式可以行而有效的保障整个通信系统得以安全稳定的运行。

3    摄像机的标定技术

摄像机标定对于整个视觉定位技术显得尤为关键，它需要参考不同的测量标准才可选定标定模式，进而使工业机器人的定位系统更为精准。就目前来看，摄像机标定技术主要包括传统标定技术以及自标定技术两种模式，就传统标定技术模式来说主要基于摄像机的模型，将特定参照物放置其前方，通过运用变换技术及数学计算技术，进而获取到内部及外部相关的参数信息。而自标定技术模式则无须借助参照物相关数值，通过运用可移动式摄像机就可完成图像的标定任务。小孔摄像机属摄像机模型中的基础模型，但在对距离、精准度及广角要求更为严格的环境下，计算方式则无法使用该线性模型，需要依靠校正方式，对模型进行三维重建，进而使摄像机获得更为准确的精准度，因此基于计算机视觉技术完成摄像机标定任务的重点所在就是畸变模型及成像模型。

4    图像采集处理技术

就图像采集来说，仅依靠数字计算机是无法对模拟图像进行处理的，需要先将其转化为数字图像方可进行后续操作。而图像数字化处理其实就是把模拟图像分成若干个小的区域，也就是通常说的像素，其灰亮度则可用整数来进行表示。

而图像的预处理技术则需依靠平滑处理技术实现降低噪声的目的。一般可将出现在图像处理阶段噪声分为脉冲噪声、高斯噪声以及椒盐噪声等，其中高斯噪声主要是基于亮度或正态分布的噪声;因为脉冲噪声中含有白亮度值，所以其与正脉冲噪声大致相同;椒盐噪声中则含有随机产生的黑白亮度值。而就高斯噪声来说基本都来自于传感器，比如运行过程中摄像机所产生的干扰噪声。针对这一情况，可以采取空间域、频率域来对噪声进行消除，还可结合平均领域、模块运算等方法来对噪声进行有效控制。

5    结语

综上所述，本文简单就工业机器人的运行系统、通过依靠视觉技术完成坐标系的标定、将图像特征进行有效提取、进而完成图像的匹配及跟随，实现坐标的转换等进行相关概述。通过对新定位系统的不断优化，将视觉技术完美融合进机器人技术中，使系统的运算效率得到显著提升的同时在定位的稳定度及精准度方面也有所增强，使定位误差呈下降的趋势，从而为工业制造业提供了可靠的輔助作用。

[参考文献]

[1]马红卫.基于机器视觉的工业机器人定位系统研究[J].制造业自动化，2020（3）：58-62，96-97.

[2]曹诚诚.基于机器视觉的工业机器人定位系统研究[J].科技与创新，2020（14）：69-70，72-73.

[3]温秀兰，张腾飞，芮平，等.基于三维机器视觉的工业机器人定位系统设计[J].组合机床与自动化加工技术，2018（9）：49-52.

[4]赵宗晓.基于三维机器视觉的工业机器人定位系统设计[J].中国科技投资，2018（32）：231-232.

[5]冯志刚，李泷杲，熊天辰，等.工业机器人视觉定位系统的实现[J].航空科学技术，2018（6）：48-53.

（编辑 何 琳）