产品:50
联系我们
目前工业机器人只能在严格定义的结构化环境中执行预定的指令动作，缺乏对环境的感知和响应能力，极大地限制了机器人的应用。利用机器人的视觉控制，不需要预先对工业机器人的轨迹进行示教或离线编程，可以节省大量的编程时间，提高生产效率和加工质量。
Hagger等人提出了一种基于机器人末端与目标物体之间误差的视觉反馈方法；Mezouar等人提出了通过图像空间的路径规划和基于图像的控制方法。在国内，这方面主要用于焊接机器人跟踪焊缝。
本文利用基于位置的视觉伺服思想，以六自由度垂直关节喷涂机器人为载体，提出了一种基于机器视觉的工业机器人自定位控制方法，解决了机器人末端实际位置与期望位置相差较大的问题，提高了喷涂机器人的定位精度。
2 .视觉定位系统的组成
在机器人视觉定位系统中，在关节式机器人的末端安装一个喷涂工具和一个单独的摄像头，使工件能够完全出现在摄像头的图像中。该系统包括摄像机系统和控制系统:
(1)摄像系统:由单个摄像头和计算机(包括图像采集卡)组成，负责采集视觉图像和机器视觉算法；
(2)控制系统:由计算机和控制箱组成，用于控制机器人末端的实际位置；工作区域由CCD摄像机拍摄，计算机通过本文采用的图像识别方法提取跟踪特征，通过逆运动学求解得到机器人各关节的位置误差值。控制高精度末端执行器来调整机器人的姿态。
3.视觉定位系统的工作原理
3.1视觉定位系统的工作原理
利用CCD摄像机和1394系列采集卡，将视频信号输入计算机，进行快速处理。首先选择被跟踪对象的局部图像，相当于离线学习的过程，在图像中建立坐标系，训练系统找到被跟踪对象。图像卡学习后，不断采集图像，提取跟踪特征，进行数据识别和计算，通过逆运动学求解得到机器人各关节的给定位置，控制高精度末端执行器调整机器人姿态。
3.2基于区域的匹配
本文采用基于区域的相关匹配方法。它以一幅图像中某一点的灰度区域为模板，在另一幅图像中寻找灰度值分布相同(或相似)的对应点区域，从而实现两幅图像的匹配。在基于区域相关性的算法中，待匹配的元素是固定大小的图像窗口，相似性准则是两幅图像中窗口之间的相关性度量。当在区域中搜索元素时，元素被认为是匹配的。
P (i，j) P定义为模板图像中的一个点，以P (i，j) P为中心的邻域作为大小为(2w +1)的相关窗k。假设k在原始图像中水平位移δ u，垂直位移δ u，k覆盖的搜索区域称为子图S k，如果k和S k相同，则它们的差值为零。
3.3图像的特征提取
工作台的工件和工作台的背景颜色差别很大，就是工件是黑色的，这被认为是识别工件的一个重要特征。
工件边缘灰度有急剧变化，可以用来判断工件的边界点。使用扫描线方法，在扫描方向上具有急剧灰度变化的像素是边界点。
3.4实验和分析
实验的目的是通过机器视觉快速识别工件的特征(这里是圆孔的中心)。
(1)首先从原始图像中选择被跟踪工件的局部图像作为模板图像模板。
(2)以局部图像模板为模板，在原始图像中进行基于区域的匹配，以模板左下角为原点建立坐标系。然后定义一个搜索区域ROI(感兴趣区域)，根据要提取的特征选择区域的形状。搜索区域必须包含所有目标要素。从感兴趣区域提取工件特征。
圆心识别
这一步相当于线下学习的过程。每次使用前只需要学习一次。通过离线学习，系统可以得到ROI与工件之间的相对位置关系，使得当工件被实时偏置或翻转时，ROI能够准确的出现在合适的位置。
(3)离线学习后，视觉系统通过区域匹配、阈值分割、边缘提取等步骤找到待识别的特征(这里是圆孔的圆形点)
3.5结果分析如下:
(1)识别率分析:通过离线学习和训练提取形状特征。第二步，利用离线学习得到的坐标关系对工件进行实时跟踪，得到待跟踪的形状特征信息。只要离线学习合适，就可以准确识别目标特征，获得相关信息。
(2)实时处理结果分析:图像采集卡的采集速度为25帧/s，每幅图像的采集时间为40 ms，摄像机拍摄一幅图像需要20ms，图像处理速度为10ms/图像。通过程序优化，在采集的同时进行图像处理，图像处理的速度比采集快，避免了图像失真和抖动。当物体的运动没有超过极限速度时，就可以准确地找到圆心的位置。
4.空间坐标的获取
从图像获得的信息是二维信息，程序中使用的坐标以像素为单位。机器人在空间运动时需要将图像信息转换成三维坐标。计算过程如下:
(1)以工件上圆孔的中心为机器人定位基准，A(X，Y，Z)中心的世界坐标。当圆心与视觉图像中心重合时，机器人定位完成。
(2)对摄像机进行标定，得到投影矩阵ce M，即图像中两个像素之间的距离与世界坐标系的变换关系。
(3)摄像机拍摄图像后，通过特征识别获得图像中圆中心坐标a(x，y ),并计算距离图像中心的偏移量δ x和δ y。
(4)在A(X，Y，Z)的基础上，根据以下公式计算机器人末端的世界坐标B(X '，Y '，Z ')，其中Mc为摄像机与机器人末端之间的坐标转换参数。
注意本文使用的是单目视觉，所以假设z坐标不变；如果使用双目视觉，可以通过立体视觉计算Z’。
5.误差分析和补偿
本项目的喷涂机器人是一个6自由度旋转关节操作臂，类似于Unimation PUMA560。关节4、5和6的轴相互垂直，并在一点相交。应用方法计算如下:
(1)通过机器视觉可以获得机器人末端的空间位置坐标B(X’，Y’，Z’)。
(2)确定机器人连杆参数表:
(3)用DH法计算各关节的转角θi:
6.结论
介绍了一种基于机器视觉的工业机器人定位系统。该系统将基于区域的匹配与形状特征识别相结合，进行数据识别和计算，能够快速准确地识别物体特征的边界和质心。机器人控制系统通过逆运动学求解获得机器人各关节位置的转角误差。
控制高精度末端执行器，并通过调整机器人的姿态来消除该误差。从而解决了机器人末端的实际位置与预期位置相距甚远的问题，提高了喷涂机器人的定位精度。该方法计算量小，定位准确，具有工程实用性。
更多了解安川机器人
- 下一篇：工业机器人在手机行业领域的应用
- 上一篇：工业机器人的编程方法