|
視覺(jué)傳感器能直觀(guān)反映物體的外部信息,但單個(gè)攝像頭只能獲得物體的二維圖像,立體視覺(jué)雖能提供三維信息,但對于外形相同,僅深度有差別的物體難以識別（如有孔物體、階梯狀物等） ,且對環(huán)境光線(xiàn)有一定的要求. 由于超聲傳感器具有對光線(xiàn)、物體材料等不敏感,結構簡(jiǎn)單,能直接獲取待測點(diǎn)至傳感器的距離等特點(diǎn),因此本文采用視覺(jué)與超聲測量相結合的方法,將二維圖像信息與超聲波傳感器獲取的深度信息進(jìn)行融合推斷,對待裝配工件進(jìn)行自動(dòng)識別與空間定位,并確定機械手末端執行器的空間位置與姿態(tài),使其能在合適的部位準確抓取工件。 1 系統原理與結構 系統由機械手、CCD 視覺(jué)傳感器和超聲波傳感器及相應的信號處理單元等構成. CCD 安裝在機械手末端執行器上,構成手眼視覺(jué),超聲波傳感器的接收和發(fā)送探頭也固定在機器人末端執行器上,由CCD 獲取待識別和抓取物體的二維圖像,并引導超聲波傳感器獲取深度信息. 系統結構如圖1 所示. 圖像處理主要完成對物體外形的準確描述,包括以下幾個(gè)步驟:a. 圖像邊緣提取;b. 周線(xiàn)跟蹤;c. 特征點(diǎn)提取; d. 曲線(xiàn)分割及分段匹配;e. 圖形描述與識別.在提取物體圖像邊緣后, 采用周線(xiàn)跟蹤進(jìn)行邊緣細化,去除偽邊緣點(diǎn)及噪聲點(diǎn),并對組成封閉曲線(xiàn)的邊緣點(diǎn)進(jìn)Freeman 編碼,記錄每一條鏈碼方向和曲線(xiàn)上各點(diǎn)的X-Y 坐標值,便于進(jìn)一步對物體的幾何特性進(jìn)行分析. 本研究對傳統的周線(xiàn)跟蹤算法中邊緣點(diǎn)的搜索方向與順序進(jìn)行了改進(jìn),并在搜索過(guò)程中采取了及時(shí)消除冗余點(diǎn)的方法,減小了數據量與運算時(shí)間,而且具有較好的降噪及平滑效果. 在提取圖像特征點(diǎn)時(shí),將多邊形近似法與計算曲率的方法相結合, 可克服多邊形近似法易產(chǎn)生偽特征點(diǎn)和計算曲率法計算量過(guò)大的缺點(diǎn).CCD 獲取的物體圖像經(jīng)處理后,可提取對象的某些特征,如物體的形心坐標、面積、曲率、邊緣、角點(diǎn)及短軸方向等. 根據這些特征信息,可得到對物體形狀的基本描述,在圖像處理的基礎上,由視覺(jué)信息引導超聲波傳感器對待測點(diǎn)的深度進(jìn)行測量,獲取物體的深度（高度） 信息,或沿工件的待測面移動(dòng),超聲波傳感器不斷采集距離信息,掃描得到距離曲線(xiàn),根據距離曲線(xiàn)分析出工件的邊緣或外形. 計算機將視覺(jué)信息和深度信息融合推斷后,進(jìn)行圖像匹配、識別,并控制機械手以合適的位姿準確地抓取物體. 2. 1 工件圖像邊緣的提取 復雜工件反映在圖像上常常不止一個(gè)灰度等級,僅利用一個(gè)灰度閾值無(wú)法提取有意義的邊緣. 若采用多閾值的方法,必然會(huì )增加計算時(shí)間和圖像處理的復雜程度. 對于類(lèi)別方差自動(dòng)門(mén)限法,增加門(mén)限值不僅會(huì )提高數據處理復雜程度,而且當閾值多于2 個(gè)時(shí),算法的可靠性就會(huì )受到影響. 為此采用了直接從灰度圖像提取邊緣的方法.圖像邊緣一般發(fā)生在灰度函數值不連續處,可用灰度函數的一階或二階導數求得. 經(jīng)典的利用一階導數提取邊緣的方法有Robert s 算子、So2bel 算子等, 利用二階導數提取邊緣的方法有Laplacian 算子和Marrs2Hilderth 算子等. 通過(guò)對幾種算法的分析比較,認為Sobel 算子不僅實(shí)現容易、運算速度快,而且可提供最精確的邊緣方向估計.Sobel 算子由兩個(gè)3 ×3 相差90°的算子構成,由這兩個(gè)算子同圖像卷積, 可得到圖像的邊緣及其方向. 對于數字圖像｛ f （ i , j ） ｝ , Sobel 算子可表示為: Gx （ i , j） = f （ i - 1 , j - 1） +2 f （ i - 1 , j） + f （ i - 1 , j + 1） - f （ i + 1 ,j - 1） - 2 f （ i + 1 , j） - f （ i + 1 , j + 1） ; Gy （ i , j） = f （ i - 1 , j - 1） +2 f （ i , j - 1） + f （ i + 1 , j - 1） - f （ i - 1 ,j + 1） - 2 f （ i , j + 1） - f （ i + 1 , j + 1） . 采用G1 = | Gx | + | Gy| 得到梯度幅值后,為減少所抽取的邊緣數目,可設置一個(gè)幅度門(mén)限,即只考慮對應灰度變化較大的那些邊緣. 再利用邊緣點(diǎn)具有局部幅度最大的特點(diǎn),將邊緣細化.利用Sobel 算子提取邊緣后, 為了得到工件表面的尺寸信息, 還必須提取圖像的角點(diǎn)[2 ] , 以便計算工件的邊長(cháng)等特征信息. 2. 2 形心坐標的確定 圖像中形心點(diǎn)的計算通�？赏ㄟ^(guò)兩種方法得出, 一是通過(guò)區域處理求矩的方法計算形心坐標 ;二是通過(guò)邊緣鏈碼積分計算。該算法較為簡(jiǎn)單,且對任意圖形都適用,但需要結合像素點(diǎn)隸屬區域劃分算法進(jìn)行. 2. 3 軸向的確定 為使機械手能以正確的姿態(tài)準確地抓取物體,必須精確確定物體的軸向. 在幾何學(xué)中,物體的長(cháng)軸定義為通過(guò)物體形心點(diǎn)的一條直線(xiàn), 物體關(guān)于該直線(xiàn)的二階矩為最小值. 設圖像中物體長(cháng)軸與圖像平面X 軸正方向夾角為θ, 規定| θ| ≤π/ 2 ,則物體關(guān)于該軸線(xiàn)的二階矩為 該算法較為簡(jiǎn)單,且對任意圖形都適用,但需要結合像素點(diǎn)隸屬區域劃分算法進(jìn)行. 2. 3 軸向的確定 為使機械手能以正確的姿態(tài)準確地抓取物體,必須精確確定物體的軸向. 在幾何學(xué)中,物體的長(cháng)軸定義為通過(guò)物體形心點(diǎn)的一條直線(xiàn), 物體關(guān)于該直線(xiàn)的二階矩為最小值. 設圖像中物體長(cháng)軸與圖像平面X 軸正方向夾角為θ, 規定| θ| ≤π/ 2 ,則物體關(guān)于該軸線(xiàn)的二階矩為 很明顯,基于二階慣性矩的軸向確定方法是對整個(gè)物體區域進(jìn)行運算, 且必須先確定像素點(diǎn)的隸屬區域,故運算量較大. 圖2 （a） 是用該算法確定的工件軸向. 對于一些簡(jiǎn)單形狀的物體,可采用如下簡(jiǎn)單軸向估計算法: a. 確定物體的形心坐標; b. 確定物體邊緣輪廓閉合曲線(xiàn)前半段中離物體形心最近的點(diǎn), 用最小二乘法估算該點(diǎn)的切線(xiàn)方向,設其與圖像平面X 軸正方向夾角為α1 ; c. 用同樣方法確定下半段曲線(xiàn)中對應的切線(xiàn)方向α2 ; d. 物體軸向可粗略估計為θ= （α1 +α2） / 2. 圖2 （ b） 是采用簡(jiǎn)化算法得到的工件軸向圖. 該算法僅對物體邊緣輪廓點(diǎn)進(jìn)行處理,使運算時(shí)間大為減少. 3 超聲深度檢測 由于CCD 攝像頭獲取的圖像不能反映工件的深度信息,因此對于二維圖形相同,僅高度略有差異的工件,只用視覺(jué)信息不能正確識別,本文采用超聲波測距傳感器則可彌補這一不足. 經(jīng)圖像處理得到工件的邊緣、形心等特征量后,引導機械手到達待測點(diǎn),對工件深度進(jìn)行測量,并融合視覺(jué)信號與超聲信號,可得到較完整的工件信息.安裝在機器人末端執行器上的超聲波傳感器由發(fā)射和接收探頭構成,根據聲波反射的原理,檢測由待測點(diǎn)反射回的聲波信號,經(jīng)處理后得到工件的深度信息. 為了提高檢測精度,在接收單元電路中,采用了可變閾值檢測、峰值檢測、溫度補償和相位補償等技術(shù)[1 ] ,可獲得較高的檢測精度.對視場(chǎng)中兩個(gè)外形完全相同、高度相差0. 1 mm的柱形工件,采用本文提出的融合圖像和深度信息的方法,可準確識別與抓取. 4 實(shí)驗結果及結論 在上述方法研究的基礎上, 完成了在MOVEMASTER2EX機器人裝配作業(yè)平臺上進(jìn)行的物體識別與抓取實(shí)驗. 在自然光及一般照明條件下,對機器人裝配作業(yè)平臺上視場(chǎng)范圍內任意放置的3～5 個(gè)不同形狀、大小的典型工件進(jìn)行自動(dòng)識別和抓取,結果表明,識別時(shí)間小于5 s（包括識別、定位與抓取過(guò)程機械手的移動(dòng)時(shí)間） ,定位誤差小于±2 mm ,并具有較好的通用性和可移植性. 圖3 （a） ～ （d） 分別是待抓取工件識別過(guò)程的圖像. 實(shí)驗結果表明, 采用本文提出的將機器人手- 眼視覺(jué)與超聲波測距相結合的檢測裝置, 以及融合二維圖像信息與深度信息進(jìn)行工件識別與抓取的方法,可準確對物體進(jìn)行識別與定位,具有算法簡(jiǎn)單、計算量小、實(shí)時(shí)性好、可靠性高等特點(diǎn),可為機器人與環(huán)境交互提供物體形狀、類(lèi)別及大小等信息,使機器人裝配作業(yè)能適應各種復雜的環(huán)境與工藝過(guò)程,對實(shí)現工業(yè)生產(chǎn)過(guò)程的自動(dòng)化、柔性化、智能化有良好的應用前景. 實(shí)驗結果表明, 采用本文提出的將機器人手- 眼視覺(jué)與超聲波測距相結合的檢測裝置, 以及融合二維圖像信息與深度信息進(jìn)行工件識別與抓取的方法,可準確對物體進(jìn)行識別與定位,具有算法簡(jiǎn)單、計算量小、實(shí)時(shí)性好、可靠性高等特點(diǎn),可為機器人與環(huán)境交互提供物體形狀、類(lèi)別及大小等信息,使機器人裝配作業(yè)能適應各種復雜的環(huán)境與工藝過(guò)程,對實(shí)現工業(yè)生產(chǎn)過(guò)程的自動(dòng)化、柔性化、智能化有良好的應用前景. |
