基于視覺伺服的智能涂膠機器人研究

楊志剛，安 逸

（1.河北聯(lián)合大學電氣工程學院控制科學工程系，河北唐山063009;2.河北聯(lián)合大學，茅以升創(chuàng)新教育基地，河北唐山 063009）

隨著科學技術(shù)的飛速發(fā)展，涂膠技術(shù)已被廣泛應用，在內(nèi)燃機油底殼的結(jié)合面、發(fā)動機缸體的油底殼和齒輪蓋結(jié)合處，用密封膠代替了以往常用的密封件墊圈，實現(xiàn)了“以膠代墊”［1］。

基于視覺伺服的智能涂膠機器人可以快速準確、經(jīng)濟、清潔地完成殼體結(jié)合面涂膠工藝，提高產(chǎn)品質(zhì)量，降低生產(chǎn)成本，提高生產(chǎn)效率，具有較高的經(jīng)濟價值和廣闊的應用前景。

本文將視覺伺服技術(shù)引入到數(shù)控涂膠機器人中，結(jié)合圖像處理、路徑規(guī)劃等智能技術(shù)，實現(xiàn)對殼體結(jié)合面涂膠路徑的自動識別。視覺伺服智能涂膠機器人將可以實現(xiàn)任意曲線的自動涂膠，涂膠過程中視覺伺服同時能夠?qū)ν磕z路線進行自動補差，從而實現(xiàn)高精度涂膠［2］。

1 系統(tǒng)組成

視覺伺服涂膠機器人系統(tǒng)是依據(jù)汽車變速箱生產(chǎn)的需求設計的，分為機器視覺部分和涂膠機器人部分。機器視覺及處理部分主要實現(xiàn)圖像捕獲及零件識別、涂膠曲線生成、視覺伺服的反饋和膠線質(zhì)量檢測等功能;涂膠機器人部分實現(xiàn)精準伺服定位、恒壓涂膠等功能。

2 視覺伺服涂膠系統(tǒng)

2.1 機器視覺系統(tǒng)

機器視覺系統(tǒng)由視覺輸入、圖像存儲、圖像處理和監(jiān)視輸出等組成。

視頻信號為通過高清CCD攝像頭獲得標準PAL/NTSC制模擬信號。信號經(jīng)過視頻解碼芯片（A/D轉(zhuǎn)換芯片）TVP5150A解碼成數(shù)字并行信號（BT656碼），然后送DM642的視頻端口。TMS320 DM642是TI公司C6000系列DSP中最新的產(chǎn)品，其核心是C6416型高性能數(shù)字信號處理器，采用第二代高性能、先進的超長指令字veloci T1.2結(jié)構(gòu)的DSP核及增強的并行機制，在720MHz的時鐘頻率下，其處理性能為5 760 MI/s，具有極強的處理性能，高度的靈活性和可編程性，同時外圍集成了非常完整的音頻、視頻和網(wǎng)絡通信等設備及接口，特別適用于機器視覺、醫(yī)學成像、網(wǎng)絡視頻監(jiān)控、數(shù)字廣播以及基于數(shù)字視頻/圖像處理的消費類電子產(chǎn)品等高速DSP應用領域［3-4］。

圖1 機器視覺系統(tǒng)結(jié)構(gòu)圖

2.2 涂膠機器人

涂膠機器人主要由機器人定位系統(tǒng)、伺服驅(qū)動系統(tǒng)和供膠系統(tǒng)及涂膠槍等部分組成。

其中機器人定位系統(tǒng)是整臺設備的核心，為德國BERGERLAHR公司產(chǎn)品，三坐標均為滾珠絲杠驅(qū)動，單坐標重復定位精度為 0.025 mm，最快直線運動速度:500 mm/s［5］。

3 關鍵技術(shù)

系統(tǒng)關鍵軟件包括圖像捕獲及零件識別模塊、涂膠曲線生成模塊、視覺伺服過程控制模塊和膠線質(zhì)量檢測模塊。

3.1 圖像捕獲處理及零件識別

關鍵技術(shù)是零件存在性及相似性判斷。在系統(tǒng)采集到圖像后，首先要消除光源、周圍環(huán)境等噪聲的影響，然后對圖像中是否存在零件進行判斷。若零件存在，則進行零件識別，否則，丟棄此圖像，重新采集圖像。

其丟棄與否的準則由式（1）給出:

其中FQ（i，j）為采集到的待處理圖像，F(xiàn)D（i，j）為標準圖像，g為灰度判決門限，在此算法中，g通過大量實驗確定。

該算法是將FQ（i，j）與FD（i，j）對應像素灰度值相減，濾除背景噪聲，再根據(jù)設定的灰度門限g進行標記，差大于g的像素值標記為“1”，記錄其個數(shù)，再與圖像中總的像素個數(shù)作比值，比值大于門限k時，則說明圖像中存在零件，本系統(tǒng)中k的取值范圍為20% ～40%。為了加快處理速度，可以只對圖像中某個感興趣的區(qū)域進行檢測。

工件識別是系統(tǒng)的重要功能之一，工件識別算法是將圖像之間相對距離作為主要判斷依據(jù)。根據(jù)圖像信息構(gòu)建匹配特征矢量，最后計算待識別圖和標準圖的歐氏距離。距離越小，表明兩幅圖像相似程度越高。首先獲取圖像的R、G、B顏色直方圖的0階矩的匹配特征矢量:

最后計算兩者的歐氏距離:

d（Q，D）越小，表明兩幅圖像相似程度越高。

圖2 工件識別流程圖

3.2 涂膠曲線自動生成

涂膠曲線生成模塊涉及的關鍵技術(shù)為圖像矢量化技術(shù)。經(jīng)過細化處理后的圖像，其表示方式還是以單個圖像像素表示，不利于生成數(shù)控代碼，因而要進行矢量處理，形成矢量骨架加工信息。工件骨架提取和零件骨架擬合是零件信息矢量化的重要環(huán)節(jié)。根據(jù)零件圖像灰度閾值的大小，采用輪廓跟蹤法來提取零件圖像輪廓，輪廓提取算法歸一于對圖像內(nèi)部孔洞的提取。將輪廓曲線生成涂膠運動曲線，并生成噴頭行走軌跡的NC代碼。

3.3 視覺伺服過程控制

實時分析機器人運動過程中的圖像信息，判斷機器人運行軌跡，與期望軌跡進行比較并預測，修正機器人的運動，實現(xiàn)運動過程的閉環(huán)控制。在該系統(tǒng)中，涂膠機的運動機器人是根據(jù)NC指令來執(zhí)行的，機器視覺僅用于在此過程中進行跟蹤監(jiān)控，輔助操作人員對涂膠過程進行觀測。

3.4 膠線質(zhì)量檢測

正常的膠線是粗細在1～2 mm范圍內(nèi)閉合的曲線。涂膠機在涂膠過程中出現(xiàn)膠線斷開的現(xiàn)象是非常嚴重的質(zhì)量問題，將會直接關系到齒輪箱的密封性能。另外，膠線如果過細、過粗，也會使組裝后的變速箱存在質(zhì)量隱患。故而膠線是否連續(xù)、膠線質(zhì)量是否合格成為膠線質(zhì)量檢測的一個重點。首先進行圖像采集，在該圖像中提取膠線信息。在對圖像進行閾值分割，提取出膠線信息后，對含膠線信息的二值圖像進行邊緣檢測，以便提取出膠線的邊緣，從而判斷其閉合性。

這里我們采用拉普拉斯（Laplacian）算法。拉普拉斯算法是常用的二階導數(shù)算法。一個函數(shù)的一階導數(shù)的局部最大值對應著二階導數(shù)的零交叉點（Zero crossing）［6］。這樣，通過找圖像強度的二階導數(shù)的零交叉點就能找到精準的邊緣點。

平滑過的階躍邊緣二階導數(shù)是一個在邊緣點處過零的函數(shù)。拉普拉斯算子是二階導數(shù)的二維等效式，函數(shù)f（x，y）的拉普拉斯算子公式為:

式（5）近似是以點（i，j+1）為中心的，以點（i，j）為中心的近似式為:

使用差分方程對x和y方向上的二階偏導數(shù)近似如下:

類似地有:

將（6）和（7）兩式合并為一個算子，用近似的拉普拉斯算子模板表示:

當拉普拉斯算子輸出出現(xiàn)過零點時，就表明有邊緣存在。

接下來，通過邊緣跟蹤，來判斷邊緣的閉合性，不閉合的點即膠線斷點。在該過程中，既可以濾掉噪聲，又可以將膠線過細的地方檢出。判斷膠線斷點的方法是:先從上方（X）從左到右觀察膠線的垂直方向（Y）的連續(xù)性，如不連續(xù)，則該點為端點，曲線不封閉。然后再從下、左和右三個方向檢查。針對過粗的膠線，我們使用形態(tài)學腐蝕的方法繼續(xù)細化膠線曲線，提取過粗部分信息。然后用以上的方法檢出過粗部分的端點。最后記錄各種端點位置并報警，通知涂膠機及操作人員對該區(qū)域進行補膠或處理。

圖3 涂膠質(zhì)量檢測流程及報警提示圖

經(jīng)研究和設計，本系統(tǒng)應用機器視覺和傳感器檢測結(jié)合的手段，能夠判斷工件的存在與否，同時還能識別工件的類型;采用機器視覺技術(shù)對工件骨架提取和工件骨架擬合，提取輪廓曲線并生成涂膠運動曲線;應用NC碼自動生成技術(shù)，自動產(chǎn)生涂膠指令;能夠提取膠線曲線，自動判斷出膠線的斷點和可能存在質(zhì)量問題的點，發(fā)出報警并提示補膠。但研究中發(fā)現(xiàn)，由于應用了機器視覺技術(shù)，因此對圖像的質(zhì)量要求較高，對光照及背景要求較為嚴格;由于采用單視覺傳感器，僅能產(chǎn)生二維圖像，僅能對二維空間的涂膠曲線和膠線質(zhì)量進行判斷。

4 結(jié)論

本裝置在某變速箱生產(chǎn)線的涂膠設備中已得到應用，應用效果較好，能完成對工件的有無、工件類型、涂膠曲線生成、膠線質(zhì)量檢測等功能，能夠與涂膠機形成完美結(jié)合，具有操作簡便、性能可靠、數(shù)據(jù)直觀、精確度高等優(yōu)點。實踐證明:將機器視覺伺服技術(shù)應用于涂膠機中，具有功能全、精度高的優(yōu)點，有很大的推廣價值。

［1］楊丹，周崎.“以膠代墊”平面密封技術(shù)的研究及在汽車上的應用［J］.汽車科技，2003（6）:37-39.

［2］唐德威，宗德祥，鄧宗全，等.涂膠機器人視覺系統(tǒng)的應用研究［J］.機器人，2006，28（1）:1-4.

［3］張星明.視頻圖像捕獲及運動檢測技術(shù)的實現(xiàn)［J］.計算機工程，2002，28（8）:130-132.

［4］TMS320 DM642視頻/成像定點數(shù)字信號處理器數(shù)據(jù)手冊［Z］/Texas Instruments，2004.

［5］李剛.百格拉機器人在涂膠機上的應用［J］.伺服控制，2003，19:64-65.

［6］何慧.VC++數(shù)字圖像實用工程案例精選［M］.北京:人民郵電出版社，2004:370-373.