摘要：提出了滿足機(jī)器人裝配作業(yè)中對工件進(jìn)行可靠識(shí)別與抓取的信號(hào)處理技術(shù)及檢測方法，對能準(zhǔn)確描述物體形狀的特征提取方法進(jìn)行了研究，設(shè)計(jì)了一種基于視覺與超聲技術(shù)的機(jī)器人自動(dòng)識(shí)別與抓取系統(tǒng)的結(jié)構(gòu)，并在機(jī)器人裝配作業(yè)平臺(tái)上進(jìn)行了物體識(shí)別與抓取的實(shí)驗(yàn)研究。
關(guān)鍵詞：機(jī)器人；視覺；超聲技術(shù)；圖像識(shí)別

視覺傳感器能直觀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(shí)別(如有孔物體、階梯狀物等) ，且對環(huán)境光線有一定的要求。由于超聲傳感器具有對光線、物體材料等不敏感，結(jié)構(gòu)簡單，能直接獲取待測點(diǎn)至傳感器的距離等特點(diǎn)，因此本文采用視覺與超聲測量相結(jié)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(shí)別與空間定位，并確定機(jī)械手末端執(zhí)行器的空間位置與姿態(tài)，使其能在合適的部位準(zhǔn)確抓取工件。

1 系統(tǒng)原理與結(jié)構(gòu)

系統(tǒng)由機(jī)械手、CCD 視覺傳感器和超聲波傳感器及相應(yīng)的信號(hào)處理單元等構(gòu)成。CCD 安裝在機(jī)械手末端執(zhí)行器上，構(gòu)成手眼視覺，超聲波傳感器的接收和發(fā)送探頭也固定在機(jī)器人末端執(zhí)行器上，由CCD 獲取待識(shí)別和抓取物體的二維圖像，并引導(dǎo)超聲波傳感器獲取深度信息。系統(tǒng)結(jié)構(gòu)如圖1 所示。

圖像處理主要完成對物體外形的準(zhǔn)確描述，包括以下幾個(gè)步驟：a. 圖像邊緣提取；b. 周線跟蹤；c. 特征點(diǎn)提??；d. 曲線分割及分段匹配；e. 圖形描述與識(shí)別。在提取物體圖像邊緣后，采用周線跟蹤進(jìn)行邊緣細(xì)化，去除偽邊緣點(diǎn)及噪聲點(diǎn)，并對組成封閉曲線的邊緣點(diǎn)進(jìn)Freeman 編碼，記錄每一條鏈碼方向和曲線上各點(diǎn)的X-Y 坐標(biāo)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(tǒng)的周線跟蹤算法中邊緣點(diǎn)的搜索方向與順序進(jìn)行了改進(jìn)，并在搜索過程中采取了及時(shí)消除冗余點(diǎn)的方法，減小了數(shù)據(jù)量與運(yùn)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(jì)算曲率的方法相結(jié)合，可克服多邊形近似法易產(chǎn)生偽特征點(diǎn)和計(jì)算曲率法計(jì)算量過大的缺點(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(biāo)、面積、曲率、邊緣、角點(diǎn)及短軸方向等。根據(jù)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(chǔ)上，由視覺信息引導(dǎo)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，根據(jù)距離曲線分析出工件的邊緣或外形[1 ] 。計(jì)算機(jī)將視覺信息和深度信息融合推斷后，進(jìn)行圖像匹配、識(shí)別，并控制機(jī)械手以合適的位姿準(zhǔn)確地抓取物體。

2.1 工件圖像邊緣的提取

復(fù)雜工件反映在圖像上常常不止一個(gè)灰度等級(jí)，僅利用一個(gè)灰度閾值無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(jì)算時(shí)間和圖像處理的復(fù)雜程度。對于類別方差自動(dòng)門限法，增加門限值不僅會(huì)提高數(shù)據(jù)處理復(fù)雜程度，而且當(dāng)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(shù)值不連續(xù)處，可用灰度函數(shù)的一階或二階導(dǎo)數(shù)求得。經(jīng)典的利用一階導(dǎo)數(shù)提取邊緣的方法有Robert s 算子、So2bel 算子等，利用二階導(dǎo)數(shù)提取邊緣的方法有Laplacian 算子和Marrs2Hilderth 算子等。通過對幾種算法的分析比較，認(rèn)為Sobel 算子不僅實(shí)現(xiàn)容易、運(yùn)算速度快，而且可提供最精確的邊緣方向估計(jì)。Sobel 算子由兩個(gè)3 ×3 相差90°的算子構(gòu)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(shù)字圖像{ f ( i ，j ) } ，Sobel 算子可表示為：

Gx(i,j)=f(i-1,j-1)+2f(i-1,j)+f(i-1,j+1)-f(i+1,j-1)-2f(i+1,j)-f(i+1,j+1)；

Gy(i,j)=f(i-1,j-1)+2f(i,j-1)+f(i+1,j-1)-f(i-1,j+1)-2f(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(shù)目，可設(shè)置一個(gè)幅度門限，即只考慮對應(yīng)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(xì)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(jì)算工件的邊長等特征信息。

2.2 形心坐標(biāo)的確定

圖像中形心點(diǎn)的計(jì)算通?？赏ㄟ^兩種方法得出，一是通過區(qū)域處理求矩的方法計(jì)算形心坐標(biāo)[3 ] ；二是通過邊緣鏈碼積分計(jì)算。圖像的矩計(jì)算公式為：該算法較為簡單，且對任意圖形都適用，但需要結(jié)合像素點(diǎn)隸屬區(qū)域劃分算法進(jìn)行。

2.3 軸向的確定

為使機(jī)械手能以正確的姿態(tài)準(zhǔn)確地抓取物體，必須精確確定物體的軸向。在幾何學(xué)中，物體的長軸定義為通過物體形心點(diǎn)的一條直線，物體關(guān)于該直線的二階矩為最小值。設(shè)圖像中物體長軸與圖像平面X 軸正方向夾角為θ，規(guī)定| θ| ≤π/ 2 ，則物體關(guān)于該軸線的二階矩為

該算法較為簡單，且對任意圖形都適用，但需要結(jié)合像素點(diǎn)隸屬區(qū)域劃分算法進(jìn)行。

2.3 軸向的確定

為使機(jī)械手能以正確的姿態(tài)準(zhǔn)確地抓取物體，必須精確確定物體的軸向。在幾何學(xué)中，物體的長軸定義為通過物體形心點(diǎn)的一條直線，物體關(guān)于該直線的二階矩為最小值。設(shè)圖像中物體長軸與圖像平面X 軸正方向夾角為θ，規(guī)定| θ| ≤π/ 2 ，則物體關(guān)于該軸線的二階矩為

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(qū)域進(jìn)行運(yùn)算，且必須先確定像素點(diǎn)的隸屬區(qū)域，故運(yùn)算量較大。圖2 (a) 是用該算法確定的工件軸向。對于一些簡單形狀的物體，可采用如下簡單軸向估計(jì)算法：

a. 確定物體的形心坐標(biāo)；

b. 確定物體邊緣輪廓閉合曲線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)的切線方向，設(shè)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中對應(yīng)的切線方向α2 ；

d. 物體軸向可粗略估計(jì)為θ= (α1 +α2) / 2.

圖2 ( b) 是采用簡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(yùn)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，只用視覺信息不能正確識(shí)別，本文采用超聲波測距傳感器則可彌補(bǔ)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(dǎo)機(jī)械手到達(dá)待測點(diǎn)，對工件深度進(jìn)行測量，并融合視覺信號(hào)與超聲信號(hào)，可得到較完整的工件信息。安裝在機(jī)器人末端執(zhí)行器上的超聲波傳感器由發(fā)射和接收探頭構(gòu)成，根據(jù)聲波反射的原理，檢測由待測點(diǎn)反射回的聲波信號(hào)，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(bǔ)償和相位補(bǔ)償?shù)燃夹g(shù)[1 ] ，可獲得較高的檢測精度。對視場中兩個(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(zhǔn)確識(shí)別與抓取。

4 實(shí)驗(yàn)結(jié)果及結(jié)論

在上述方法研究的基礎(chǔ)上，完成了在MOVEMASTER2EX機(jī)器人裝配作業(yè)平臺(tái)上進(jìn)行的物體識(shí)別與抓取實(shí)驗(yàn)。在自然光及一般照明條件下，對機(jī)器人裝配作業(yè)平臺(tái)上視場范圍內(nèi)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(shí)別和抓取，結(jié)果表明，識(shí)別時(shí)間小于5 s(包括識(shí)別、定位與抓取過程機(jī)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(shí)別過程的圖像。

實(shí)驗(yàn)結(jié)果表明，采用本文提出的將機(jī)器人手- 眼視覺與超聲波測距相結(jié)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(shí)別與抓取的方法，可準(zhǔn)確對物體進(jìn)行識(shí)別與定位，具有算法簡單、計(jì)算量小、實(shí)時(shí)性好、可靠性高等特點(diǎn)，可為機(jī)器人與環(huán)境交互提供物體形狀、類別及大小等信息，使機(jī)器人裝配作業(yè)能適應(yīng)各種復(fù)雜的環(huán)境與工藝過程，對實(shí)現(xiàn)工業(yè)生產(chǎn)過程的自動(dòng)化、柔性化、智能化有良好的應(yīng)用前景。

實(shí)驗(yàn)結(jié)果表明，采用本文提出的將機(jī)器人手- 眼視覺與超聲波測距相結(jié)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(shí)別與抓取的方法，可準(zhǔn)確對物體進(jìn)行識(shí)別與定位，具有算法簡單、計(jì)算量小、實(shí)時(shí)性好、可靠性高等特點(diǎn)，可為機(jī)器人與環(huán)境交互提供物體形狀、類別及大小等信息，使機(jī)器人裝配作業(yè)能適應(yīng)各種復(fù)雜的環(huán)境與工藝過程，對實(shí)現(xiàn)工業(yè)生產(chǎn)過程的自動(dòng)化、柔性化、智能化有良好的應(yīng)用前景。

參考文獻(xiàn)
[1 ] 楊勁松，王敏，黃心漢。超聲波可變閾值測距裝置.電子技術(shù)應(yīng)用，1998 ，24 (7) ：7～9
[2 ] 張小莉，王敏，黃心漢。一種有效的基于Freeman 鏈碼的角點(diǎn)檢測法。電子測量與儀器學(xué)報(bào)，1999 ，13(2) ：14～19
[3 ] The C ，Chin R。On Image Analysis by the Method ofMoments。IEEE Trans。Pattern Anal。Mach。Intell。，1988 (10) ：291～310