SCARA机器人和图像处理实验教学平台设计

尤 波， 武江博， 李东洁， 李佳钰， 孙明晓

（1.哈尔滨理工大学自动化学院，哈尔滨 150080；2.黑龙江省复杂智能系统与集成重点实验室，哈尔滨 150080）

0 引 言

随着“中国制造2025”战略的发展，培养科学基础厚、工程能力强、综合素质高的工程科技人才，对建设制造强国和创新型国家具有重要意义［1］。

机器人和图像处理技术是智能制造的关键技术，为推进新工科建设，满足人才培养的要求，提高自动化专业人才培养质量，结合学校特色，本文搭建了SCARA四轴机械臂教学实验平台。为专业基础知识的实践提供平台支撑，针对图像处理和机械臂控制等内容进行全面训练。通过该实验平台的实践，提高学生的实践能力和综合应用知识能力，激发学生的学习兴趣，提高学生的动手操作能力，有利于培养学生的工程实践能力和创新能力［2-5］。

1 总体设计方案

1.1 实验系统组成

如图1 所示，实验硬件平台主要由四部分组成，机器人视觉系统，SCARA四轴机器人，数字震动送料器，待装配的保险片、保险盒和工作台。机器人视觉系统主要是通过设计高效的图像检测算法，完成实时、准确的保险片检测；数字上料系统是自动送料模块，提高自动化工作效率；可编程控制机械臂，实现自动化的保险片插接任务。

图1 插接机器人结构图

1.2 系统工作流程

如图2 所示，首先震动送料器通过送料通道，把保险片传送到夹取点，然后工业摄像头采集保险片图像，通过网络协议传送到电脑，使用VS2015 ＋Opencv3.0软件环境，对采集的图像进行检测，识别出保险片类别，最后通过机器人编程软件，根据保险片类别和示教学习的坐标位置信息，编程精准控制机械臂，进行保险片夹取，并将保险片插接到保险盒的正确位置，实现自动化插接任务。

图2 系统工作流程图

2 机械臂的运动控制

2.1 机械臂D-H表示法

机械臂代替人工已经应用在很多领域，并且不同功能的机器人结构不同，本文介绍的SCARA 四轴教学机器人有3 个旋转关节和1 个移动关节（见图3）。

使用D-H［6-7］法建模，各轴分别使用右手定则建立坐标系。根据D-H 表示法，结合SCARA 四轴机器人的模型，得到实验平台的D-H参数如表1 所示。

表1 SCARA机器人模型的D-H参数

因为机器臂硬件结构固定，各硬件参数和连接杆长度参数都是已知，因此，求末端执行器相对于参考坐标系的位置和姿态，可根据D-H 参数表中的数据，将位姿矩阵相乘就得到末端执行器的位置和姿态运动学方程：

式中：

s θi为sin θi；c θi为cos θi。

2.2 机械臂编程

SCARA四轴机器人使用的是RCX Studio 编程环境，采用类BASIC的编程语言（见表2）。

表2 移动指令示例

根据D-H 表示方法得到参数表，结合编程手册，通过控制每个转轴的旋转角度和移动，就可以对机器人编程，实现保险片的自动插接。机器人路径规划是通过示教模式，在人为操作下规划合理的轨迹，并且记录运动中的关键点位坐标如表3 所示，然后编程控制电机运动，完成自动插接任务。

表3 4 个转轴在关键点位下的坐标

机械臂抓取程序主要分3 部分构成：

（1）判定何时执行抓取程序。摄像头获取图像信息，图像处理模块检测是否有保险片，保险片颜色是否合格，然后电脑发送信号控制机械臂移动，开始执行抓取操作。

（2）抓取工件。机器臂在示教模式下，通过人为操作学习工件的坐标信息，合理进行路径规划，然后编程控制机械臂到达抓取点上方安全点位，控制夹爪夹取保险片。

（3）插接工件。按照实际实验环境，规划机械臂运动路线，根据示教学习时记录的坐标信息，控制机械臂将保险片按一定的顺序插入保险盒中。

保险片具体插接流程如图4 所示，根据示教模式记录的关键点坐标，通过在程序中使用坐标的编号指定坐标值，控制机器人的机械臂进行移动，最后完成插接任务，结果如图5（b）所示。

图4 插接流程图

图5 汽车保险盒

3 基于机器视觉的保险片定位与识别

视觉检测是机器人技术的重要部分［8］。通过设计高效的图像检测算法，完成实时、准确的保险片检测，对确保保险片插入正确的位置非常关键。

3.1 光源模块

机器视觉模块如图6 所示。在图像处理部分，光照环境至关重要，因此本文对光源模块进行了单独的设计［9］。因实验平台是金属材料容易反光，为减少背景和环境光线对检测的影响，使用遮光罩，同时调整光源的光照角度和亮度，减少光照给图像带来的额外噪声。

图6 机器视觉模块

3.2 图像预处理

图像预处理流程如图7 所示。待测的保险片颜色不同，其他特征基本相同［10］，为了准确识别保险片种类，首先要把待测保险片从图片中分离出来。

图7 图像预处理流程图

先采集没有保险片的工作台照片作为背景，然后将待测的有保险片的照片与背景照片从GRB 色彩空间变换到HSV色彩空间，见图8（b），分离出S（色度）通道，将待测的照片与背景的照片做差，通过设置合理阈值去除干扰信息，最后进行二值化处理得到如图8（d）的图像。

图8 原始图像和预处理后图像

3.3 保险片检测

经过预处理［11］得到保险片的二值化图像，然后使用边缘检测算法，通过检测保险片的边缘信息来提取保险片的位置信息。

在对比分析了Canny 等［12-14］几种不同边缘检测算法的结果后，发现Canny 边缘检测算法能够有效提取出待测图片中的实际边缘，错误识别图片边缘信息的概率和丢失真实边缘信息的概率更小。

最后使用Canny 算子进行边缘提取，流程见图9（c），得到保险片的轮廓信息见图9（a），然后再根据轮廓信息找出定位保险片的外接矩形，见图9（b），这样就可以得到保险片的像素坐标。

图9 Canny算法流程和处理结果

3.4 保险片识别

经过处理后，已经准确将保险片分割出来，并找到最外层轮廓信息，基于此设计直方图模板匹配算法进行保险片识别，见图10。

图10 模板匹配原理

直方图模板匹配算法主要分为两步，①制作标准的直方图模板数据库；②标准直方图模板与待测图片的直方图结果进行对比，计算相似度，进而对图像进行识别［15-16］。使用Opencv的直方图比较函数，计算待测保险片与模板的相关性，实现对保险片的识别与分类。

为提高标准模板可靠性，对不同保险片在相同环境下进行多次采样，计算保险片直方图均值，把计算结果作为标准数据库信息存储。最后计算待测保险片直方图与直方图模板库数据的相似度，通过设置合理阈值来判断出不同保险片的类别。

4 结 语

SCARA四轴机器人实验教学平台是推进“新工科”建设，为未来提供智力和人才支撑的重要教学平台。经过实验测试，该平台有较高的运行速度和准确率，可以满足教学实验，并且该平台支持二次开发，可以满足学生对不同方法的探索，有利于培养学生综合知识的应用能力，提高发现问题、分析和解决实际问题的能力。SCARA机器人实验教学平台，通过让同学们学习控制机械臂，设计图像处理算法，实现汽车保险片的智能插接，使学生能够通过实验更好的理解图像处理和机械臂的控制，激发学生对机器人学习的兴趣，有利于培养学生的工程实践能力和创新能力，满足国家应对新科技变革人才培养的要求。