基于视觉和工业机器人的动态抓取技术研究

郭克朝

（贵州航天职业技术学院，贵州 遵义 563000）

随着科学技术快速发展，自动化技术已经趋于稳定，越来越多的机器人被应用到了工业生产中，其中，机器人的定位和抓取问题是在实际应用中常见的问题。以前经常会用固定产品的姿态和位置，再利用手动示教与后期的动作重现进行控制抓取产品。若是示教位置和实际的位置出现偏差，传统的方式就不再适用于现代工业生产。

1 视觉识别抓取技术的优点

当前，在机器视觉技术的基础上对于工业机器人的研究越来越广泛，并引起了高度的关注，到目前为止，已经出现较多的科学技术成果，在实际生产中得到了较好应用，此后，自动化的应用速度呈现出上升态势，传统工业生产模式不足与缺陷日益显现出来，已经难于满足现代工业生产需求。一些企业还是用人工作业方法来对产品不足和缺陷进行检测，如产品封箱、装箱、搬运等。人的体能有限，当人体的能力达到极限时，也就到了疲劳期，就很容易出现错误，例如错检、漏检，甚至操作失误的情况会大幅度提高，因此，也就不能确保产品在质量和数量等方面的各项指标与要求[1]。然而，机器视觉技术的应用，正好可以解决这个问题，还适应了现代工业发展需求，因此，在工业自动化行业中，机器视觉技术便成为了最佳应用方式，也是对传统作业方法有效改善与提升。

2 工业机器人视觉识别系统的组成

2.1 视觉系统的硬件组成

由于工业发展对控制系统的需求，相关工作人员研发了工业相机和智能协作工业机器人视觉智能抓取系统。依据机器人视觉系统使用用途不同，摄像机在数量上的安置也会不同。大体上可以把机器人的视觉系统分为单目视觉系统、双目视觉系统以及多目视觉系统。单目视觉系统使用最普遍，只需要一台摄像机就可以对目标物体进行测量，通常应用在平面视觉当中。与单目视觉系统相比，双目视觉系统以及多目视觉系统新增了深度系统，它能更加准确识别和定位立体空间内的重要坐标点，并以此作为抓取依据[2-3]。

在视觉系统应用过程中，摄像机的参数是不用进行标定的，即使要标定也比较方便，使用也相对简单。在机器人的视觉系统中有图像获取、图像存储、图像处理和图像理解等模块。但在具体实际应用过程中，机器人视觉系统中不会把这些全部包括在内，只是包含最基本的两个部分：图像获取和图像处理。在工业机器人系统中，机器人的眼睛是相机，并且把上位机和下位机进行有效地连接。通过相机对目标事物的拍摄把相关工件图像传送到上位机，对图像进行加工和处理，再由上位机把处理好的相关数据信息传送给机器人，最后，由机器人完成抓取作业，再对图像进行采集、处理和传递，如此循环往复。

2.2 视觉系统的软件组成

在机器人视觉系统中，硬件再完美也不可能独立完成抓取工作，需要上位机的配合，对相应的软件进行控制操控，这样才会顺利完成抓取工作，所以，要从实际的任务和需求来对软件编程进行编写，使其与视觉智能抓取软件系统相匹配。通过软件系统以图像进行获取、处理、模板匹配和机械的手眼定位等功能来完成通讯功能和软件外部界面的设计，通过控制智能协作机器人来实现自动抓取的任务。在以视觉系统进行控制的过程中，若想实现抓取的准确度，就要对机器人和工业相机进行手眼的精准标定，这是抓取环节一个重要部分。主要目的是对相机所拍摄物体在经过数字化的图像处理后，可以得到有用的数据信息，并对机器人下一步操作进行有效指导和控制。这个过程需要利用二维图像信息经过内部计算得出实际空间信息，进而可以对目标物体进行准确有效定位。

2.3 视觉光源的选择

光源不仅在计算机系统里面具有较大作用，在机器人系统里面也是不可替代的关键部分。光源不仅仅为工作提供照亮，光源选择也可以对环境噪声起到很好抑制作用，提高信噪比，可以更加清晰地看见图像中工件的轮廓，大大加强了工件的特征量对比度。视觉系统打光的好坏直接影响着图像采集的成败。较高质量的图像和适合的光源是相互作用的。若是没有选择合适的光源，对于图像后期处理也会有一定影响。所以确定一款与所用镜头相机相匹配的光源十分重要。还要根据实际应用中工件特点来对光源进行选择，比如表面比较光滑的金属，就要选择防止反光的蓝光或红光来打光，这样会取得较好效果；对于深景的情况就应选择平行无影光源来消除深景。当然。要具体问题具体分析，要依据工程项目的实际情况来进行光源选择，进而提高发光效率和使用寿命。

3 基于视觉和工业机器人动态抓取的误差和性能

在视觉引导机器人进行抓取过程中，在操作中的每一个环节上都会存在着或多或少的误差，为了进一步对视觉的稳定性与可靠性进行验证，就要进行多次、大量的抓取实验，并对所取得的实验结果进行认真分析和研究。在整体的系统当中，其抓取的准确度是由机器人系统的精准度、成像系统的标准精度和对计算的准确度来决定，这也是最重要的三个组成因素[4]。机器人系统的精准度主要分为两种：一种是机器人自身的制造精准度，另一种是手眼标定系统的精准度。机器人的制造精度主要是由于在进行机器人制造和装配时产生的定位误差，手眼系统的误差主要是在对手眼进行定位的过程中进行坐标系统转换时产生的误差，通常会利用提高手眼标定的精度来提高机器人整个体系的精度。造成成像系统精度的误差是由于在相机成像过程中会使图像发生变形，而且由于光照条件不同，也会对相机的标定造成不同程度影响。图像控制算法的误差也是系统误差的关键组成环节，把图像算法不断地进行优化，提高识别定位精准度，进而提升整体视觉精确度。若是利用传统示教方式进行抓取操作时，那么在编程过程中，工件中心位置完全是由人的肉眼来进行确定，可能就会造成0.5mm～1mm的定位误差，特别是对较小工件进行操作时极易产生较大的定位误差，甚至会导致一些不必要的麻烦。与此同时，在进行抓取和识别的速度上也要比传统的示教形式方便快速很多，这样就在很大程度上缩短了生产时间，进而提高了生产质量和效率。

4 基于视觉和工业机器人的动态抓取技术的应用

4.1 相机校准

在进行分拣操作的过程中，要做的第一个步骤就是要对相机进行标定，使其与所分拣的材料或是工件相匹配，这是机器人在机器视觉引导下进行分拣工件的基础操作。若是缺乏了摄像机的校准，机器的视觉校准也就不能达到。相机标定是一个图像的坐标系，它建立在工业机器人和输送带上的材料或工件的空间位置上，对两者间关系进行对比和分析。

4.2 工件识别和定位

为把机器人操作失误率控制在最小范围之内，一定要保证在系统的运作过程中工件的识别和定位十分准确，尽可能降低误差，而决定这两项工作可以准确无误完成的主要技术是图像匹配技术应用[5]。在实际操作时，工作人员会根据材料不同来对技术进行选择，使二者相适合。从当前发展水平来看，图像匹配技术包括三种形式，即相机匹配、区域匹配以及特征匹配。在这三种形式中，最为常见和使用最为广泛是特征匹配，主要原因是由于另外两种形式太过于依赖灰度的查询。1）识别工件。识别工件就是对图像进行辨认。一般情况下，在对图像识别过程中，要对准备处理的工件进行图像录取，再从已录入的系统中找到与其类似工件，经过图像处理技术使工件与背景相分离，提供二进制处理完成后的图像，进而对比其相似的形状与特征，完成图像的识别工作。2）工件定位。工件识别可以使机器人准确地完成抓取工作，但是若想获取抓取对象的准确位置就要对其进行准确定位，为了可以使工件位置计算准确，要对相机所拍摄图像进行全面分析与研究。要对图像中工件的背景和位置进行对比，并把位置设置成摄像机的坐标，工件坐标由摄像机的坐标来确定[6]。

4.3 工业机器人运动控制

为了可以控制机器人的动态抓取运动，要对预处理摄像机的图像进行研究，得到工件的精准坐标。这时，计算机可以根据坐标对机器手爪发出操作信号，等到输送到指定的位置，机器人就可以依据指令进行分拣，并放到指定的位置，从而快速、精准地完成分拣工作。

5 结束语

综上所述，基于视觉引导的工业机器人抓取技术的引入和应用，不仅节省了时间，还在很大程度上提高了生产效率。传统抓取主要是依靠人工分拣，不但会耗费大量人力，效果还不是十分理想，效率低，而且成本较高。机器视觉图像采集和识别系统研发，使机器人和视觉数据的通讯得到了有效控制，对以后分拣装置发展起到较大促进作用。