基于視覺伺服大型輸油臂機(jī)器人智能對接系統(tǒng)

白元明，孔令成，趙江海，張 強(qiáng),3，方世輝

(1.常州大學(xué)信息科學(xué)與工程學(xué)院，江蘇常州 213164；2.中國科學(xué)院合肥物質(zhì)科學(xué)研究院先進(jìn)制造技術(shù)研究所，安徽合肥 230031；3.中國科學(xué)技術(shù)大學(xué)自動化系，安徽合肥 230026)

0 引言

輸油臂作為港口裝卸石油及其他流體的主要設(shè)備，處于整個流體裝卸領(lǐng)域的核心地位。目前其機(jī)構(gòu)設(shè)計已經(jīng)較為完善，但是其對接方式還沿用傳統(tǒng)人工牽引的操作模式。隨著人口老齡化、用工成本增加以及智慧港口建設(shè)的需要，這種效率低、安全隱患高、勞動強(qiáng)度大的作業(yè)方式急需一條變革之路，因此研發(fā)一套不需要人工干預(yù)而能夠完成自動對接的智能輸油臂系統(tǒng)具有重要的意義。但是由于輸油臂作業(yè)環(huán)境為復(fù)雜的戶外條件，天氣、光線以及船舶種類等因素給輸油臂對接過程自動化造成了很大的挑戰(zhàn)，尤其在目標(biāo)管口識別與定位方面存在很大的困難，智能輸油臂的研發(fā)和應(yīng)用在國內(nèi)外尚屬空白，所以這是具有開創(chuàng)性意義的工作。

輸油臂智能對接系統(tǒng)是一個非常巨大的機(jī)械臂在戶外自然環(huán)境下的應(yīng)用問題，該系統(tǒng)包括機(jī)械機(jī)構(gòu)設(shè)計、控制系統(tǒng)設(shè)計、路勁規(guī)劃等多個部分，從系統(tǒng)構(gòu)造來看類似于工件抓取、噴漆、破拆等問題，從趨近目標(biāo)過程來看，高12 m的輸油臂在對接過程中工作空間十分巨大，類似于目標(biāo)追蹤問題。隨著計算機(jī)技術(shù)、傳感技術(shù)、控制技術(shù)及工業(yè)自動化的發(fā)展，工業(yè)機(jī)器人在各種工業(yè)環(huán)境中得到了廣泛應(yīng)用。通過傳感器給機(jī)器人賦予感知外界環(huán)境的能力是機(jī)器人智能化的基礎(chǔ)，而通過視覺圖像作為反饋信息而形成的控制系統(tǒng)就是視覺伺服控制系統(tǒng)，隨著機(jī)器人應(yīng)用需求的日益復(fù)雜多樣，視覺伺服系統(tǒng)的研究挑戰(zhàn)與機(jī)遇并存[1]。Comlekciler[2]等在對精度要求非常高的正頜手術(shù)中引入立體視覺用于輔助醫(yī)生工作，取得了非常不錯的效果。Sinisterra[3-4]等將立體視覺應(yīng)用到無人機(jī)水面艦艇追蹤海上移動船只，可以通過立體視覺實(shí)現(xiàn)目標(biāo)船只測距、檢測和跟蹤，估算目標(biāo)船只位置、速度和航向等信息。

在目標(biāo)識別方面，Lin[5]等利用提取人工設(shè)計特征的方法識別目標(biāo)圖像信息構(gòu)建機(jī)械臂視覺抓取系統(tǒng)；Said[6]等利用點(diǎn)集、輪廓等形狀匹配來構(gòu)建焊接點(diǎn)檢測和分類系統(tǒng)；杜學(xué)丹[7]等提出了一種基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)械臂抓取方法，利用深度學(xué)習(xí)檢測識別目標(biāo)物體，然后根據(jù)分類結(jié)果進(jìn)行基于深度學(xué)習(xí)的方法進(jìn)行抓取位置學(xué)習(xí)，進(jìn)而完成抓取任務(wù)，Lenz[8]等同樣將深度學(xué)習(xí)用于工件抓??；王丹[9]等利用方向梯度直方圖(HOG)算子結(jié)合支持向量機(jī)(SVM)提出一種人體行為仿生識別與分類方法，該算法在對差別較大的行為的識別上表現(xiàn)不俗。文獻(xiàn)[5-6]中的方法采用傳統(tǒng)的特征提取方法來處理圖像，易受外界光照、拍攝角度等因素的影響，泛化能力以及魯棒性都有很大的提升空間；文獻(xiàn)[7-8]利用深度神經(jīng)網(wǎng)絡(luò)來識別物體，具有較強(qiáng)的魯棒性和穩(wěn)定性，但是深度神經(jīng)網(wǎng)絡(luò)需要大量的數(shù)據(jù)樣本和很大的時間開銷，更高的電腦硬件配置。文獻(xiàn)[9]中的方法屬于一種統(tǒng)計學(xué)機(jī)器學(xué)習(xí)算法，相比深度學(xué)習(xí)其主要優(yōu)勢在于對數(shù)據(jù)樣本的需求較少以及對硬件配置的要求更低。

針對輸油臂自動對接過程以及目標(biāo)管口識別與定位過程存在的問題，本文提出了一種基于視覺伺服的輸油臂對接方法，由于輸油臂尺寸較大，而視覺的工作距離存在限制，因此采用視覺范圍外點(diǎn)激光輔助定位，形成基于位置的混合伺服控制系統(tǒng)。設(shè)計了一種加入多條件約束校驗(yàn)環(huán)節(jié)的 SVM 分類器，用于目標(biāo)識別及在線自學(xué)習(xí)，相比深度學(xué)習(xí)算法需要更少的樣本數(shù)據(jù)、大大縮短了訓(xùn)練時間，有利于滿足不同的工作環(huán)境下的在線自學(xué)習(xí)，同時降低了對電腦配置的要求，有利于產(chǎn)品推廣與普及；相比傳統(tǒng)特征提取方式增強(qiáng)了穩(wěn)定性、魯棒性以及泛化能力。

1 系統(tǒng)構(gòu)成與運(yùn)動學(xué)建模

1.1 系統(tǒng)構(gòu)成

輸油臂的主體是由一套可以在機(jī)身中靈活旋轉(zhuǎn)的管道和包裹在管道外壁的支架組成，這些管道形成的通道可以在碼頭流體裝卸中輸送流體到船舶等運(yùn)載工具上。整個輸油臂的機(jī)械結(jié)構(gòu)設(shè)計已經(jīng)非常成熟，其三維結(jié)構(gòu)及機(jī)構(gòu)原理圖如圖1所示。輸油臂高12 m，臂展15 m，共計5個自由度，所有關(guān)節(jié)均采用旋轉(zhuǎn)設(shè)計，主要由底座、內(nèi)臂、外臂和末端三維旋轉(zhuǎn)接頭組成。其中基座、內(nèi)臂、外臂控制輸油臂末端管口的位置；末端三維接頭包括3D1和3D2，用于調(diào)整輸油臂機(jī)器人末端管口的姿態(tài)，其中所有關(guān)節(jié)驅(qū)動均采用液壓驅(qū)動。在現(xiàn)有成熟的輸油臂機(jī)械系統(tǒng)基礎(chǔ)之上添加智能控制系統(tǒng)形成智能輸油臂機(jī)器人系統(tǒng)。

圖1 輸油臂系統(tǒng)三維結(jié)構(gòu)及機(jī)構(gòu)原理圖

輸油臂機(jī)器人由視覺計算機(jī)、雙目攝像機(jī)、控制計算機(jī)、EPEC控制器、云臺、機(jī)器人系統(tǒng)、液壓伺服控制系統(tǒng)等模塊構(gòu)成。視覺計算機(jī)和控制計算機(jī)都選用研華工控機(jī)；雙目攝像機(jī)采用加拿大灰點(diǎn)公司生產(chǎn)的Bumblebee2雙目立體相機(jī)，型號為BB2-08S2C-38；云臺選用激光一體化智能云臺攝像機(jī)MG-TC26-L。由視覺計算機(jī)，雙目攝像機(jī)以及云臺組成輸油臂機(jī)器人的視覺系統(tǒng)，相機(jī)固定安裝在輸油臂末端管口上方，形成Eye-in-Hand的伺服控制方式。由于相機(jī)光軸與水平面成一定夾角，因此無法通過直接測量確定相機(jī)坐標(biāo)系與輸油臂機(jī)器人末端管口坐標(biāo)系之間的關(guān)系，所以選用手眼標(biāo)定的方式來確定兩坐標(biāo)系之間的關(guān)系。云臺安裝在輸油臂機(jī)器人基座底端，與輸油臂機(jī)器人形成Eye-to-Hand手眼系統(tǒng)，云臺點(diǎn)激光坐標(biāo)相對于世界坐標(biāo)系的位置關(guān)系也通過標(biāo)得到。

1.2 運(yùn)動學(xué)模型

機(jī)械臂相鄰連桿之間的相對位姿關(guān)系可以用D-H矩陣描述，該方法是Denavit 和Hartenberg在1955年提出的一種通用的方法，通過給機(jī)械臂的每個連桿上都規(guī)定一個坐標(biāo)系，然后利用4×4的齊次變換矩陣來描述相鄰兩連桿間的空間關(guān)系，把正運(yùn)動學(xué)運(yùn)算轉(zhuǎn)換為齊次變換矩陣之間的運(yùn)算，從而利用此矩陣來描述機(jī)器人末端執(zhí)行器相對于參考坐標(biāo)系的變換關(guān)系[10-11]。根據(jù)D-H法建立輸油臂機(jī)器人的連桿坐標(biāo)系如圖2所示，D-H參數(shù)見表1。

圖2 輸油臂機(jī)器人D-H坐標(biāo)系

連桿iαi-1/(°)ai-1/mmdi/mmθi/(°)1000θ12-900d2θ230a20θ340a30θ45-9000θ5

a1=a2=7 500 mm，d2=972.5 mm。根據(jù)D-H參數(shù)表可以求得各連桿變換矩陣為：

(1)

2 控制系統(tǒng)設(shè)計

2.1 控制流程

碼頭操作員通過控制臺或遙控器發(fā)出開始工作命令，輸油臂機(jī)器人接收到該命令之后啟動視覺控制系統(tǒng)、伺服控制系統(tǒng)、液壓泵等單位。通過云臺點(diǎn)激光對目標(biāo)管口粗定位，然后在點(diǎn)激光引導(dǎo)下，輸油臂機(jī)器人末端管口向目標(biāo)管口方向運(yùn)動，由于相機(jī)對目標(biāo)管口的可識別距離為5 m，所以對云臺點(diǎn)激光定位精度要求不高。如圖3所示，只需要保證輸油臂末端運(yùn)動到距離目標(biāo)管口5 m以內(nèi)的視覺可識別區(qū)域即可。輸油臂機(jī)器人末端到達(dá)相機(jī)可視范圍內(nèi)時切換為視覺伺服控制模式，最終在視覺引導(dǎo)下完成輸油臂機(jī)器人末端管口與目標(biāo)管口的對接，對接成功后閉合輸油臂機(jī)器人末端管口夾爪，完成一次對接，整個對接流程如圖4所示。

圖3 兩大空間關(guān)系示意圖

2.2 控制系統(tǒng)

針對輸油臂機(jī)器人對控制系統(tǒng)實(shí)時性、穩(wěn)定性以及擴(kuò)展性的要求，設(shè)計了多層次開放式的機(jī)器人實(shí)時控制系統(tǒng)，如圖5所示，該實(shí)時控制系統(tǒng)包括會話層、主控層、物理層3個部分。

會話層主要由監(jiān)控計算機(jī)和遙控器組成，與主控層之間采用局域網(wǎng)遠(yuǎn)程連接，屬于上層智能監(jiān)控和人機(jī)交互層。該層具有友好的可視化監(jiān)控人機(jī)接口，可以用于對輸油臂機(jī)器人末端管口空間位姿、運(yùn)行狀態(tài)、各個模塊的通訊狀況等進(jìn)行實(shí)時監(jiān)控。

遙控器主要是為了防止輸油臂機(jī)器人控制系統(tǒng)出現(xiàn)緊急情況而直接對ECEP而設(shè)計的安全配置，同時也可以完成液壓泵的開啟、關(guān)閉、系統(tǒng)初始化、復(fù)位等工作。

圖4 輸油臂機(jī)器人工作流程圖

圖5 開放式的機(jī)器人控制系統(tǒng)

主控層主要由EPEC、控制計算機(jī)、視覺計算機(jī)組成，是整個實(shí)時控制系統(tǒng)的核心。主要負(fù)責(zé)輸油臂機(jī)器人末端管口對接所需的所有運(yùn)算，包括視覺處理、軌跡規(guī)劃、協(xié)調(diào)控制、穩(wěn)定性控制以及運(yùn)動學(xué)求解等操作。

物理層主要包括雙目相機(jī)、云臺、液壓站、液壓泵、編碼器等部件，屬于整個實(shí)時控制系統(tǒng)的執(zhí)行層。主控層通過計算獲得運(yùn)動控制信息，下發(fā)到物理層，物理層負(fù)責(zé)執(zhí)行整個運(yùn)動計劃，并反饋執(zhí)行結(jié)果。

3 雙目立體視覺定位系統(tǒng)

3.1 數(shù)據(jù)集制作

圖像數(shù)據(jù)集是在2017年3月至2018年6月期間利用Bumblebee2相機(jī)拍攝的現(xiàn)場圖片，共采集10 000幅，分辨率為320×240像素，圖像格式為.BMP，包括一年多來遇到的各種天氣條件環(huán)境下的拍攝的圖片，大致可分晴天、陰天、雨天、大風(fēng)、霧天5個類別，在這些天氣條件下按一定時間間隔拍攝現(xiàn)場圖片各2 000幅。經(jīng)過篩選后從拍攝的10 000幅現(xiàn)場圖片中按照各種天氣圖片數(shù)目均等的原則截取大小為64×64像素的目標(biāo)管口圖片1 000張作為正樣本，隨機(jī)截取背景圖片1 000作為負(fù)樣本構(gòu)成訓(xùn)練圖像集，部分訓(xùn)練圖像集樣本如圖6所示。然后同樣按照各種天氣圖片數(shù)目均等的原則選取100幅圖像作為測試集。對訓(xùn)練集和測試集樣本進(jìn)行圖像降噪處理和圖像增強(qiáng)處理處理之后形成最終的訓(xùn)練樣本集和測試樣本集。

圖6 部分正(左)負(fù)(右)樣本圖片樣例

3.2 目標(biāo)管口識別

想要準(zhǔn)確識別目標(biāo)管口，就必須確立一套完善的目標(biāo)識別算法，目標(biāo)管口識別模塊包括圖像處理模塊和SVM分類模塊，主要包含的操作有圖像濾波、圖像增強(qiáng)、圖像分割、特征提取、SVM分類器設(shè)計及參數(shù)選擇等。多條件約束下的SVM目標(biāo)識別算法流程如圖7所示，從執(zhí)行角度可分為訓(xùn)練和識別2個階段。

圖7 視覺目標(biāo)識別流程圖

3.2.1 算法流程

訓(xùn)練階段首先提取訓(xùn)練樣本集的HOG特征，然后利用這些特征進(jìn)行SVM訓(xùn)練，生成.xml文件用于識別過程使用，訓(xùn)練完成之后利用測試圖像集進(jìn)行訓(xùn)練結(jié)果校驗(yàn)，從測試集中隨機(jī)選取20幅圖片進(jìn)行識別效果檢測，在生成的識別結(jié)果圖片中，利用多條件約束檢測，找出錯分目標(biāo)和沒能識別出的目標(biāo)管口分別截取生成為64×64像素的正、負(fù)HardSample補(bǔ)充訓(xùn)練圖片集，擴(kuò)容訓(xùn)練樣本圖片集之后進(jìn)行下一輪SVM訓(xùn)練，更新.xml文件。重復(fù)以上操作直到通過結(jié)果校驗(yàn)，生成最終的.xml文件。

識別階段是在相機(jī)采集圖像后進(jìn)行與制作樣本數(shù)據(jù)集相同的降噪處理和濾波處理之后由SVM分類器讀取由訓(xùn)練階段生成的.xml文件，進(jìn)行與訓(xùn)練階段相同的HOG提取辦法提取目標(biāo)圖圖像的HOG特征，然后利用SVM分類器識別圖像中的目標(biāo)物體；利用添加的多條件約束校驗(yàn)環(huán)節(jié)并行生成校驗(yàn)結(jié)果，如果結(jié)果一致則表示目標(biāo)管口識別準(zhǔn)確，輸出識別結(jié)果，否則重新采集圖像重復(fù)進(jìn)行以上操作，直到識別結(jié)果與校驗(yàn)結(jié)果一致為止。多條件約束校驗(yàn)環(huán)節(jié)包括校驗(yàn)前預(yù)處理、多條件約束校驗(yàn)2個關(guān)鍵步驟。校驗(yàn)前預(yù)處理應(yīng)用PSO優(yōu)化下的OTSU分割算法，形態(tài)學(xué)閉運(yùn)算、Canny形狀特征提取、圓形擬合等圖像預(yù)處理過程，多條件約束校驗(yàn)包括類圓度檢測和面積距離約束檢驗(yàn)兩個條件，面積距離約束檢驗(yàn)是指目標(biāo)像素面積與相機(jī)到目標(biāo)距離間的關(guān)系表述。類圓度檢測主要用于過濾背景中只具有部分圓弧邊緣的物體，面積距離約束檢驗(yàn)用于過濾背景中具有圓形輪廓但不處在目標(biāo)位置的物體。

3.2.2 SVM分類器設(shè)計

本文在VS2015平臺下利用OpenCV進(jìn)行圖像的HOG特征提取與SVM分類器設(shè)計。HOG算法通過計算和統(tǒng)計局部梯度信息，并在統(tǒng)計單元中形成梯度方向直方圖作為特征描述子，對圖像特征進(jìn)行描述。HOG算法對圖像幾何、光學(xué)形變都能保持很好的不變性，對光照、遮擋、對比度等外界環(huán)境的變化具有較強(qiáng)的魯棒性，在面部表情識別[12]、交通檢測車輛定位[13]、輔助救災(zāi)現(xiàn)場受害人查找[14]，車牌識別[15]等領(lǐng)域得到了廣泛使用。選取block大小為16×16像素，步長為8像素，cell大小為8×8像素，梯度直方圖區(qū)間個數(shù)為9時的HOG特征作為SVM分類器的特征輸入。

SVM作為一種統(tǒng)計學(xué)機(jī)器學(xué)習(xí)算法在小樣本、非線性、高維數(shù)據(jù)集上得到了廣泛應(yīng)用，是監(jiān)督學(xué)習(xí)中最好的定式算法之一，OpenCV中提供的SVM分類器有5種類型，分別為C_SVS、NU_SVC、ONE_CLASS、EPS_SVR、NU_SVR,同時包含4種不同的核函數(shù)，分別為LINEAR、POLY、RBF、SIGMOID。經(jīng)過實(shí)驗(yàn)對比，最終選擇C_SVS種類的SVM分類器、線性LINEAR核構(gòu)建目標(biāo)管口識別SVM分類器。

3.2.3 多條件約束校驗(yàn)環(huán)節(jié)設(shè)計

為了提高識別準(zhǔn)確度，在SVM分類器訓(xùn)練和識別階段均添加了多條件約束校驗(yàn)環(huán)節(jié)，由于現(xiàn)場目標(biāo)法蘭均為標(biāo)準(zhǔn)圓形，所以可以用圓形限制條件作為非目標(biāo)物體的篩查。但是由于在實(shí)際工況下，相機(jī)拍攝角度導(dǎo)致目標(biāo)法蘭在成像中不一定是標(biāo)準(zhǔn)圓而是類圓。設(shè)圓的面積為s，周長為l，定義式(2)為類圓度函數(shù)。

(2)

通過對不同角度、距離下拍攝的50張圖片中的目標(biāo)法蘭管口進(jìn)行類圓檢測試驗(yàn)發(fā)現(xiàn)，目標(biāo)管口圖像類圓度γ一般在0.8～1之間，如圖8所示。

圖8 目標(biāo)管口類圓度測試

由于應(yīng)用場景特殊，圖像背景復(fù)雜，并且處于變化之中，所以背景中有球狀或類球狀物體是非常常見的現(xiàn)象。所以單靠類圓度一個指標(biāo)不能起到很好的校驗(yàn)作用，所以加入了面積距離約束檢驗(yàn)，通過實(shí)驗(yàn)發(fā)現(xiàn)目標(biāo)法蘭管口像素面積與相機(jī)到目標(biāo)管口距離之間近似滿足二次曲線關(guān)系，如圖9所示，其擬合表達(dá)式如式(3)所示。

圖9 面積距離約束檢驗(yàn)

s(d)=2.99×10-4d2-2.94d+7 828,500

(3)

式中：d為相機(jī)到目標(biāo)管口的距離；s(d)為目標(biāo)管口的像素面積。

綜上多條件約束校驗(yàn)環(huán)節(jié)由類圓度檢測和面積距離約束檢驗(yàn)2部分組成，通過多次實(shí)驗(yàn)驗(yàn)證最終確認(rèn)式(4)作為多條件校驗(yàn)的條件，其中s′(d)為實(shí)際運(yùn)行過程中所得目標(biāo)管口的像素面積。

(4)

3.3 目標(biāo)管口中心位姿獲取

識別出目標(biāo)管口生成目標(biāo)點(diǎn)云之后，要確定管口末端位姿用于機(jī)器人軌跡規(guī)劃與控制過程，而確定目標(biāo)管口末端位姿，需要進(jìn)行目標(biāo)像素點(diǎn)云平面擬合和空間圓擬合，空間圓的圓心坐標(biāo)即為位置描述，平面的法向量即為姿態(tài)描述。

圖10 目標(biāo)管口中心位姿獲取流程

圖11 空間圓擬合

設(shè)平面方程為ax+by+cz+d=0，則濾波前后目標(biāo)管口點(diǎn)云擬合的方程系數(shù)如表2所示。

表2 擬合平面方程系數(shù)

4 實(shí)驗(yàn)結(jié)果及分析

為了驗(yàn)證視覺測量定位系統(tǒng)識別準(zhǔn)確率、定位的準(zhǔn)確性以及輸油臂機(jī)器人系統(tǒng)的對接成功率以及整體性能，設(shè)計了3組不同的試驗(yàn)。分別為識別準(zhǔn)確率試驗(yàn)、定位準(zhǔn)確率試驗(yàn)以及對接成功率試驗(yàn)。

4.1 目標(biāo)管口識別準(zhǔn)確率實(shí)驗(yàn)

圖12 輸油臂機(jī)器人末端位置實(shí)時監(jiān)控界面

圖13 輸油臂機(jī)器人在線目標(biāo)管口分離系統(tǒng)

識別準(zhǔn)確率實(shí)驗(yàn)是通過實(shí)時監(jiān)控系統(tǒng)進(jìn)行的，實(shí)驗(yàn)過程中實(shí)時監(jiān)控系統(tǒng)可以很好地利用數(shù)據(jù)結(jié)合機(jī)器人末端管口位置進(jìn)行對應(yīng)分析，從而顯著提高對實(shí)驗(yàn)各個環(huán)節(jié)的理解，更有利于解決實(shí)際問題，提高實(shí)驗(yàn)效率。所以設(shè)計開發(fā)了輸油臂機(jī)器人在線監(jiān)測系統(tǒng)用于人機(jī)交互，部分界面如圖12和圖13所示。通過實(shí)時監(jiān)控系統(tǒng)觀察目標(biāo)管口識別情況，雙目相機(jī)隨機(jī)遍歷可視空間中500個空間位置及姿態(tài)，其中有489次成功識別出了目標(biāo)管口，5次運(yùn)行超時而導(dǎo)致整個機(jī)器人系統(tǒng)運(yùn)行不暢，4次因系統(tǒng)故障終止運(yùn)行，2次因未知原因?qū)е伦R別過程終止。加入多條件約束校驗(yàn)環(huán)節(jié)的 SVM 分類器目標(biāo)管口識別準(zhǔn)確率為97.80%，識別超時率為1.00%，系統(tǒng)故障率為1.20%。從實(shí)驗(yàn)結(jié)果來看，輸油臂機(jī)器人視覺測量定位系統(tǒng)具有“兩低一高”的優(yōu)點(diǎn)，即系統(tǒng)超時率低、故障率低，識別準(zhǔn)確率高。

4.2 目標(biāo)管口定位準(zhǔn)確率實(shí)驗(yàn)

選取空間中7個不同的位置，如圖14所示，分別在每個位置處進(jìn)行10次目標(biāo)管口定位對接實(shí)驗(yàn)，記錄實(shí)驗(yàn)數(shù)據(jù)，驗(yàn)證目標(biāo)管口定位準(zhǔn)確率以及觀察目標(biāo)管口所處的位置是否會影響定位成功率。

圖14 實(shí)驗(yàn)管口擺放示意圖

由于輸油臂末端裝有特殊導(dǎo)向裝置，如圖15所示。所以在x、y、z3個方向均允許存在誤差，x、z方向允許誤差為80 mm，y方向允許誤差為205 mm。本實(shí)驗(yàn)是在拆除輸油臂末端導(dǎo)向之后，規(guī)定y方向誤差在200 mm的范圍之內(nèi)時記錄x、z方向?qū)?yīng)的實(shí)驗(yàn)數(shù)據(jù)，分別如圖16、圖17所示，為了減小記錄數(shù)據(jù)的難度，誤差小于10 mm時都記為0。

圖15 機(jī)械導(dǎo)向示意圖

圖16 不同位置x方向誤差

圖17 不同位置z方向誤差

圖16中70次對接試驗(yàn)中只有1次超過了誤差允許值80 mm，而圖17所示70次實(shí)驗(yàn)中有5次超過了允許值。除在A位置x、z方向都超出誤差限制之外，其余位置C、E、G只有z方向誤差超出誤差允許范圍，其中G位置超出誤差范圍2次，而位置B、D、F在xoz平面內(nèi)誤差均在允許范圍之內(nèi)，70次目標(biāo)管口定位實(shí)驗(yàn)中有5次失敗，目標(biāo)管口定位準(zhǔn)確率為92.86%。通過對比發(fā)現(xiàn)，輸油臂機(jī)器人對接過程中x方向出現(xiàn)誤差的概率較小，而z方向出現(xiàn)誤差的概率較大，說明輸油臂機(jī)器人對接過程中主要誤差來源于z軸方向，而空間位置的不同對誤差是否超過允許范圍幾乎沒有影響。

4.3 對接試驗(yàn)

首先在云臺點(diǎn)激光引導(dǎo)下裝卸臂末端到達(dá)可視范圍，到達(dá)可視范圍后切換至相機(jī)采集有效數(shù)據(jù)，將采集到的圖片通過采集卡傳送至圖像處理程序進(jìn)行視覺分割和三維重建，獲得目標(biāo)管口的圓心坐標(biāo)和目標(biāo)管口平面法向量之后計算坐標(biāo)變換矩陣，進(jìn)行正運(yùn)動學(xué)運(yùn)算求解出目標(biāo)管口在基坐標(biāo)系下的坐標(biāo)，然后進(jìn)行逆運(yùn)動學(xué)運(yùn)算求解各個關(guān)節(jié)的運(yùn)動參數(shù)并規(guī)劃輸油臂末端運(yùn)動軌跡。然后輸油臂末端在相機(jī)的引導(dǎo)下做視覺伺服運(yùn)動，實(shí)時調(diào)整末端位姿，最終實(shí)現(xiàn)精確對接。對接過程如圖18所示。

(a)啟動輸油臂機(jī)器人并初始化

(b)輸油臂機(jī)器人在激光引導(dǎo)下向目標(biāo)管口運(yùn)動

(c)到達(dá)視覺可視范圍

(d)視覺引導(dǎo)下作視覺伺服運(yùn)動

(e)調(diào)整末端姿態(tài)

(f)對接成功

按照圖14中的7個不同位置分別進(jìn)行10次對接試驗(yàn)，在C、G位置上全部對接成功，在A、B、E、F位置上分別有1次對接失敗，而在D位置上有2次對接失敗。在70次對接實(shí)驗(yàn)中對接成功的次數(shù)有64次，對接成功率為91.43%。從實(shí)驗(yàn)數(shù)據(jù)來看，位置目標(biāo)管口所處位置并不是影響對接成功率的主要因素。而在70次對接過程中耗時最長的過程耗時135.35 s，耗時最短為57.77 s，平均時耗為82.36 s，能夠滿足現(xiàn)場需求。

5 結(jié)束語

本文設(shè)計了一種點(diǎn)激光輔助定位的視覺伺服大型輸油臂對接控制系統(tǒng)，建立了運(yùn)動學(xué)模型，設(shè)計了校驗(yàn)SVM分類器目標(biāo)識別在線自學(xué)習(xí)系統(tǒng)，采用平面擬合和空間圓擬合算法獲取目標(biāo)管口的中心位姿。并以該平臺為基礎(chǔ)，實(shí)驗(yàn)驗(yàn)證了校驗(yàn)SVM分類器目標(biāo)管口識別及定位的準(zhǔn)確率、整個輸油臂機(jī)器人智能對接系統(tǒng)對接成功率以及系統(tǒng)的穩(wěn)定性。實(shí)驗(yàn)表明目標(biāo)管口識別準(zhǔn)確率97.80%，定位準(zhǔn)確率92.86%，對接成功率為91.43%，而系統(tǒng)故障率只有1.40%。說明校驗(yàn)SVM分類器識別準(zhǔn)確率高，系統(tǒng)穩(wěn)定性好，對接誤差來源除目標(biāo)管口識別誤差外還來源于機(jī)械配重、液壓驅(qū)動系統(tǒng)、運(yùn)動學(xué)計算誤差、軌跡規(guī)劃偏差、手眼標(biāo)定誤差等。進(jìn)一步提高目標(biāo)管口識別準(zhǔn)確率，優(yōu)化運(yùn)動學(xué)模型、手眼標(biāo)定模型將是下一步的工作。大型智能輸油臂系統(tǒng)開發(fā)雖屬于首創(chuàng)性工作，但類似這種智能系統(tǒng)具有廣泛的使用范圍，所以亦對其他智能機(jī)械臂設(shè)計具有參考意義。