基于机器视觉的工业机器人定位与抓取技术综述

崔亚飞 秦龙 乔梁

摘要：针对生产线上工业机器人的柔性和知识水平不高的问题，在工业机器人的处理中引入了新的计算机视觉技术，使用机器人技术获取有关产品及其环境的信息，确定对象进行操作并做出决定，可以促使工业机器人完成零件的抓取和放置以及其他操作。在此阶段进行的研究结果的回顾，涉及以下三个主要阶段：在生产线上的工业机器人读取系统中安装摄像头，协调对象的识别元素，由机器人确定对象的位置。总结了与计算机的视觉定位有关的图像预处理的相应方法，此外，还讨论了该技术的实际应用和未来发展的问题。研究结果表明，该系统的视觉捕获技术已经发展成熟，可以满足工业应用中的实时性要求，研究的各个部分和改进算法对工业发展及相关研究具有一定的价值。

关键词：机器视觉;工业机器人;定位与抓取

中图分类号：TH39

引言

计算机视觉是指使用摄像机选择作为对象的对象的图像并在计算机上处​​理生成的图像，以使生成的图像满足检测硬件和相关应用程序的需求。机器人视觉伺服系统利用机器视觉原理，通过图像反馈，快速图像处理，在尽可能短的时间内对机器人进行相应的自适应适配，从而形成了对机器人的封闭控制。当前，在各种制造业信息化的带动下，我国正在进入工业化的新阶段，经济发展不可避免地导致生产力的革命，因此，目视识别目标和目标越来越受到重视。基于图像作为信息源的技术捕获。智能，高精度，稳定的机器人捕捉系统的发展和普及，已经成为我国工业发展和社会进步的前提。当前阶段的研究结果概述，该过程涉及将工业机器人夹持在生产线上的系统的三个主要阶段。

1工业机器人抓取系统

机器人抓取系统根据其自身和环境的定义，首先在图像坐标系与被加工零件的坐标系之间建立连接，然后使用视觉算法和相应的知识对目标进行三维描述根据识别和定位的结果，即图像处理，最后是三个过程，即机器人已经发现了物体。基于图像的机器人抓取技术的需求正在增长，尤其是在工业运营中，例如苏伊士运河大学，其基于视觉马铃薯抓取器系统，这是由德国VMT公司开发的用于确定机器人位置和位置的机器人处理系统。目标。因此，随着劳动强度的降低，准确性会提高，尤其是对于危险和复杂的体力劳动而言。在本研究的框架内，从系统中手动采取了三个最重要的步骤，分别描述了机器人视觉系统的研究方法，并描述了国内外捕捉技术的研究现状和进展，并进行了分析。并总结了与计算机上的视觉定位有关的初步图像处理的相应方法。

2相机标定

摄像机划分方法包括线性和非线性分类，类别分类和标记算法等许多类别，以及基于划分需求的最广泛接受的分类，可以分为传统摄像机划分方法和摄像机自身规定。一些相机的传统校准如下：基于透视变换矩阵方法和前向线性变换的线性校准，但不考虑失真因素，仅适用于精度较低的理想线性情况。 Tsai提出的推挽方法是解决非线性失真的一种典型方法，其中大部分指示参数由公式直接求解，其余参数由迭代方法求解，因此，大多数都不是迭代的，但仅部分重复，因此计算速度更高。早期，Manins等人提出了一种更简化的两平面技术来直接使用线性参数确定方法，但是需要太多的参数来解决位置问题且效率较低。张正运口3提出了一种用平面图案代替立体标记块的方法，通过分解一个矩阵获得内部和外部参数，应用更加广泛。

3目标识别

边缘趋于平滑目标图像轮廓边缘的像素变化，而像素变化的梯度在从垂直到边缘切点的方向上更高。边缘提取算法主要包括经典算法，高级算法和基于特定工具的算法。传统的运算符在检测边缘时通常会导致人为噪声，并且这些算法往往具有较差的抗噪性，因此它们不适合提取复杂背景的边缘。 Canny边缘首先确定一阶导数的x和y方向的边缘，然后在四个方向上求导的组合，局部最大值确定候选点的边缘，然后通过阈值化方法获得最佳的身体边缘验证，得到的边缘更平滑，定位精度更高。

4目标定位与抓取

为了定位单个摄像机，有许多方法可以使用时间序列图像来分析目标运动参数，例如重合和非8I光流。诸如傅立叶描述的方法用于通过计算突发图像的统计特征来确定目标的运动参数。单眼视觉的定位分为单幅图像和多幅图像的定位，这主要基于点，笔直和弯曲特征的定位，需要在使用几何通信解决照相机和象形图的位置位置的世界坐标系中位置参数中的某些环境和已知的人工图标;在几帧中，使用摄像机在不同的时刻拍摄相同的图像，以根据点的像差完成对象的定位，并着重于元素的重合。对于立体双目视觉系统，可以使用基于相机左右两侧投影矩阵的透视模型基于线性校准的线性校准对其进行预先指定，并且坐标系的转换将允许获取目标世界的坐标，即为了使机器人准确地捕获目标，有必要获得目标在三维空间中的精确位置。搜索相对于摄像机位置确定且适合操作的平面，以及将物体的对象放置在该平面中，在该平面上，校准原理可让您获取其空间位置。 Tsnnerb等人使用“构型特征”并从形态学处理中提取特征以找到中心y形口–通过设置点来测量目标的位置。文献描述了一种基于区域性和边缘性原理的中心定位方法，对于作为形状规则对象的对象，在其两位数图像中，目标的中心与其质心重合，并且其质心-以它的中心。重心选择方法有多种类型，例如恒定矩方法，极值方法和零矩方法。

5 结论

近年来，随着理论算法的发展以及图像设备的分辨率和处理速度的提高，为计算机视觉在机器人技术和工业领域的广泛使用奠定了基础。 这项研究系统地描述了機器人用于抓具各部分的方法及其开发进度，并简要评估了一些主要方法的优缺点。

参考文献：

[1] 王连生. 基于机器视觉的工业机器人去毛刺加工效率优化研究[D]. 浙江：浙江大学，2017.

[2] 王一帆，陈浩东，陈文秀，等. 基于机器视觉的智能魔方机器人研究综述[J]. 机械设计，2019，36（3）：8-13.

[3] 杨春媚，王峰，晋博，等. 基于计算机视觉的室内自主移动机器人导航综述[J]. 电脑知识与技术，2017，13（15）：141-143.

[4] 夏群峰，彭勇刚. 基于视觉的机器人抓取系统应用研究综述[J]. 机电工程，2014，31（6）：697-701，710. DOI：10.3969/j.issn.1001-4551.2014.06.004.

基金项目：永州职业技术学院青年专项（YZ20QN01）;湖南省教育厅科学研究项目（20C1868）

作者简介：崔亚飞（1992-），男，籍贯：湖南永州，学历：硕士，研究方向：机器视觉、工业机器人。

永州职业技术学院 永州 425100