基于機器視覺的自動裝配生產(chǎn)線定位方法

基于機器視覺的自動裝配生產(chǎn)線定位方法

裝配是產(chǎn)品生產(chǎn)的一個分支過程，在制造業(yè)中發(fā)揮著重要作用。傳統(tǒng)的裝配生產(chǎn)線上,裝配機器人的操作都是預(yù)先嚴(yán)格設(shè)計好的,只能做一些固定的動作,這些機器人利用各種傳感器來進行控制,稱為敏感控制機器人。進行裝配操作時,所有的動作都要預(yù)先設(shè)定,同時要求零件位置、包裝箱的位置和方向放置得非常嚴(yán)格。為此要有價格昂貴的夾具或固定機構(gòu),還需要有精心設(shè)計的特殊傳輸帶。將視覺系統(tǒng)引入工業(yè)機器人,可以大大地擴展機器人的使用性能和應(yīng)用范圍,使機器人在完成指定任務(wù)的過程中,具有更大的適應(yīng)性。在實際應(yīng)用中,由于各種原因,零件的位置往往不能嚴(yán)格固定,從而造成裝配機器人拾取零件時出錯,這時需要機械手能根據(jù)工件的實際位置動態(tài)調(diào)整抓取操作。本文通過CCD攝像機獲取零件的圖像,并通過圖像處理和識別算法,計算位置偏移量,從而動態(tài)改變機械手的抓取操作,提高了裝配操作的智能化。系統(tǒng)構(gòu)成簡單,開發(fā)成本低,具有很好的應(yīng)用前景。1系統(tǒng)介紹1.1零件監(jiān)控模塊整個系統(tǒng)可分為3個主要模塊:視覺模塊,監(jiān)控模塊和執(zhí)行模塊。視覺模塊通過一臺固定在傳送帶上方的CCD攝像機攝取待裝配的零件圖像;監(jiān)控模塊監(jiān)控裝配線各工作站狀態(tài),并進行圖像處理和識別定位,將結(jié)果傳給下位機;執(zhí)行模塊根據(jù)反饋結(jié)果,動態(tài)調(diào)整機械手抓取零件操作。其中,監(jiān)控模塊中嵌入了圖像處理識別子模塊,完成對零件圖像的采集、處理、識別和定位,是實現(xiàn)智能裝配的前提,也是本文工作的重點。1.2圖1:美國模式對采集的零件圖進行圖像處理和識別的系統(tǒng)框圖如圖1所示。對一幅采集的零件圖像,需要經(jīng)過濾波預(yù)處理,去除加性噪聲,再對圖像進行分割,提取零件特征,并對零件進行識別和定位。2零件的數(shù)據(jù)處理和識別2.1圖像濾波處理在進行圖像采集過程中,不可避免地受到各種干擾而混入隨機噪聲。為了減少識別誤差,需對圖像進行濾波處理。本文采用中值濾波算法,在濾除隨機噪聲的同時,很好地保持了圖像的邊緣信息,適應(yīng)性強。圖2(a)示出了采用該算法對采集圖像的預(yù)處理結(jié)果。2.2圖像分割的閾值在實際應(yīng)用中,零件為亮色金屬,將裝載零件的托盤漆成黑色,使得采集圖像的物體和背景形成明顯的灰度差,將極大地簡化圖像處理過程,提高識別的速度和準(zhǔn)確性。圖像的直方圖呈現(xiàn)明顯的雙峰,因此可采用二值化方法對圖像進行分割。分割的閾值由最優(yōu)閾值化方法確定,直方圖采用正態(tài)分布的概率密度函數(shù)來近似,閾值取為離對應(yīng)于兩個或更多個正態(tài)分布最大值之間的最小概率處最近的灰度值。最優(yōu)閾值選擇的迭代算法:(1)求圖像中最小和最大灰度值1μ和μM,令初始閾值為(2)在第t步,分別計算背景和物體的灰度均值μtB和μOt,其中在第t步將圖像分割為背景和物體的閾值是Tt:其中,f(i,j)是圖像上點(i,j)的灰度值,N(i,j)是點(i,j)的權(quán)重系數(shù),通常取N(i,j)=1;(3)設(shè),如果T(t+)1=Tt則停止,否則返回第(2)步。圖2(b)是對經(jīng)過預(yù)處理的零件圖像采用該分割算法處理后的結(jié)果。2.3平均平均標(biāo)記的選擇在進行圖像分割同時,采用連通域序貫標(biāo)記算法對連通域進行標(biāo)記并給同一連通成分的所有點分配同一標(biāo)記。序貫算法要求對圖像進行二次處理,算法描述如下:(1)第1遍掃描:從左到右、從上到下搜索整個圖像R,設(shè)算法已經(jīng)查到了該像素的這兩個鄰點,對每個非零像素R(i,j)賦一個非零的值V,根據(jù)鄰域像素的標(biāo)號來選擇V值:1)如果這兩個鄰點都是背景像素(其像素值為0),則R(i,j)被賦予一個新的標(biāo)記。2)如果這兩個鄰點中只有一點為1,且分配了標(biāo)記L,那么就把這個標(biāo)記賦予像素R(i,j)。3)如果這兩個鄰點都為1,且已分配了標(biāo)記L,則把標(biāo)記L賦予R(i,j);但是若鄰點被分配了不同標(biāo)記M與N,則這兩個標(biāo)記被用于了同一組元,需將它們合并?？蓪?biāo)號對作為等價的標(biāo)號保存起來。等價對被保存在單獨的數(shù)據(jù)結(jié)構(gòu)等價表中。等價表包含了給每一連通成分分配唯一標(biāo)記的信息,所有屬于同一連通成分的標(biāo)記被視為是等價的。(2)第2遍掃描:從等價集中選擇一個標(biāo)記并分配給連通域中所有像素點,通常將最小的標(biāo)記分配給一個連通域。第2次掃描將給每一連通域分配唯一的標(biāo)記。對二值化分割圖,設(shè)定面積閾值去除背景噪聲,再經(jīng)過序貫算法標(biāo)記后圖像如圖3所示,不同的連通域分別以標(biāo)號1到4進行了標(biāo)記。2.4零件特征匹配大部分零件是由圓形、方形等簡單幾何形狀組合構(gòu)成。因此我們可通過零件中的這些特征幾何形狀識別判別零件。即是采用圓形和方形的圓形度、矩形度、面積和周長等特征識別不同的目標(biāo)零件。充分利用零件本身的形狀和幾何特征,避免了樣本訓(xùn)練、特征匹配等通用模式識別帶來的算法復(fù)雜等缺點。采用的特征值分別定義如下:(2)周長P:是圍繞一個區(qū)域的所有像素的外邊界的長度;(4)矩形度R:其中:AR為最小外接矩形面積;表1列出了圖3中的4個區(qū)域(其中3個是目標(biāo)零件)的特征值。識別時,由定位算法先得到區(qū)域的中心坐標(biāo),并根據(jù)標(biāo)準(zhǔn)圖的零件中心位置,初步得到一個匹配結(jié)果。再計算零件的幾何屬性,分別用面積、周長、圓形度、矩形度等特征量對目標(biāo)區(qū)域進一步進行匹配。采用該方法進行匹配速度很快,滿足機器視覺在線識別的要求,同時也能夠得到準(zhǔn)確的匹配結(jié)果。2.5擴展分析模塊設(shè)計零件定位是確定零件的位置和方向。首先確定零件的質(zhì)心,對于二值圖像,零件的中心位置與零件的質(zhì)心相同?？赏ㄟ^下式求得由于是通過對圖像進行“全局”運算得到的一個點,因此它對圖像中的噪聲相對來說是不敏感的。其次要確定零件的方向,這需要通過分析待測零件,選取合適的特征。在軟件中可以將這部分設(shè)計成擴展分析模塊,即為每種所需裝配零件單獨建立處理模塊,根據(jù)需要裝載。這種設(shè)計可以方便地擴展系統(tǒng)對零件更改的適應(yīng)性。下面是針對兩種特定的零件的定位方法。其中帶孔圓形零件,可將小孔作為特征,根據(jù)孔中心形成的直線表示其方向。凹長方形零件,采用最小二階矩軸來表示其長軸方向,并根據(jù)凹槽相對于物體中心的坐標(biāo)方位來確定該偏移零件的旋轉(zhuǎn)方向。最小二階矩軸是這樣一條直線,使物體上的全部點到該線的距離平方和最小。給出一幅二值圖像B[i,j],計算物體點到直線的最小二乘方擬合,使所有物體點到直線的距離平方和最小,表示如下:為了避免直線處于近似垂直時的數(shù)值病態(tài)問題,將直線表示成極坐標(biāo)形式:ρ=xcosθ+ysinθ,式(3)可重寫為則極小化問題變?yōu)槠渲?由式(1)和式(2)求得,將式(4)對x2求微分,并令微分結(jié)果為零,得采用本文方法對經(jīng)過以上處理的圖像進行定位識別,并計算其坐標(biāo)偏移和旋轉(zhuǎn)角度,如表2所示。3視頻輸入和采集卡采用帶有透鏡徑向一階畸變的小孔攝像機模型,利用基于徑向排列約束(RAC)的兩步標(biāo)定法對攝像機進行了標(biāo)定,并在裝配線上進行了機器人裝配操作抓取實驗。其中,下位機使用OMRON公司的CPMIA型PLC控制器,圖像輸入設(shè)備是采用MINTRON公司MS-1133型黑白CCD攝像頭,像素為542(H)×582(V),CCD光敏像元尺寸為7.2μm(H)×4.7μm(V)。圖像采集卡選用大恒公司的DH-VRT-CG200采集卡,最大分辨率為768×576×24bit。系統(tǒng)以一臺PC機為上位機,對整條裝配生產(chǎn)線進行監(jiān)控,并進行圖像的采集、處理和識別,同時將識別的結(jié)果傳給下位機PLC,由PLC將位移角度參量變換成電平量并傳給機器人控制器,控制機械手完成相應(yīng)的抓取