基于機器視覺技術的自動化理瓶機設計研究

張萌

摘 要：整理瓶環(huán)節(jié)是影響灌裝生產(chǎn)線效率的重要節(jié)點，人們要深入推進視覺檢測技術與機器人技術的融合開發(fā)，研制自動化理瓶機，這是保證產(chǎn)品質(zhì)量的有效手段。本文研究了自動化理瓶機設計方法和關鍵視覺算法，深入分析了視覺系統(tǒng)搭建、視覺系統(tǒng)標定、整理瓶的多目標分類跟蹤技術算法、Delta機器人軌跡規(guī)劃及動態(tài)目標抓取、視覺控制系統(tǒng)設計等關鍵研發(fā)問題，并詳述了研究方法和具體實施方案。實踐表明，在復雜環(huán)境（雜亂無章）下，自動化理瓶機充分利用機器視覺技術，可以完成復雜分揀、挑選、整理等高重復度工作，展現(xiàn)出良好的穩(wěn)定性和高效性。

關鍵詞：視覺技術;手眼標定;Delta機器人

中圖分類號：TS255.35文獻標識碼：A文章編號：1003-5168（2020）02-0068-03

Abstract： The finishing bottle is an important node that affects the efficiency of the filling production line. People should deeply promote the fusion development of visual inspection technology and robot technology， and develop automatic bottle unscrambler， which is an effective means to ensure product quality. This paper studied the design method and key vision algorithms of automatic bottle sorting machine， analyzed key research and development issues such as vision system construction， vision system calibration， multi-target classification and tracking algorithm for sorting bottles， Delta robot trajectory planning and dynamic target capture， and vision control system design， and detailed research methods and specific implementation plans. Practice has shown that in a complex environment （cluttered）， the automatic bottle unscrambler makes full use of machine vision technology to complete complex sorting， picking， sorting and other highly repetitive tasks， showing good stability and efficiency.

Keywords： vision technology;hand-eye calibration;Delta robot

在自動化瓶裝生產(chǎn)線中，理瓶時需要將雜亂無章的瓶子進行快速整理和排序，并準確地輸送到灌裝機處，瓶子的供給速度及理瓶的準確性影響著瓶裝灌裝生產(chǎn)線的產(chǎn)量，制約著整個灌裝流程的自動化程度。尤其是對于異形瓶而言，目前主要通過人工進行理瓶。由于異形瓶數(shù)量多、體積大，工人工作范圍較大，走動頻繁，而且上瓶工人人數(shù)較多，工人的工作速度難以保持一致。由于勞動強度大[1]，工人長時間工作容易產(chǎn)生疲勞，導致異形瓶錯放情況時有發(fā)生。為了解決此類問題，人們基于機器視覺檢測技術和并聯(lián)機器人技術，研制出自動化理瓶機。基于視覺技術和機器人技術的自動化分揀、整理工業(yè)自動化設備具有工作效率高、執(zhí)行速度快、可實現(xiàn)復雜工序的全自動化等優(yōu)點，已經(jīng)在工業(yè)自動化領域得到廣泛的應用[2]。

結(jié)合本項目的實際要求，自動化理瓶機的工作原理是以進瓶輸送帶送入瓶子，由位置檢測單元獲取瓶子的位置信息，控制裝置處理位置信息并控制抓取裝置將進瓶輸送帶上的瓶子抓取至出瓶輸送帶上，保證瓶子直立、整齊地排列在出瓶輸送帶上并輸送至灌裝機中，實現(xiàn)了理瓶工序的全自動化，避免了人工理瓶的錯誤。本文分析了自動化理瓶機的視覺系統(tǒng)組建，多目標視覺系統(tǒng)的標定、分類和處理方法等核心環(huán)節(jié)的設計研究過程。

1 高速視覺系統(tǒng)的硬件架構設計與搭建

高速視覺系統(tǒng)的硬件設計與選型是整個高速視覺定位技術的基礎，其主要包括光源選型、相機選型、鏡頭選型、高速圖像采集卡選型以及系統(tǒng)硬件總體布置方案設計。本項目采用基恩士公司的CV-200C彩色工業(yè)相機，有效像素點個數(shù)達到200萬個，鏡頭選用8mm定焦高分辨率鏡頭，采用環(huán)形LED光源，如圖1所示。

2 視覺系統(tǒng)標定方法研究

機器人視覺系統(tǒng)標定也稱為手眼標定，手眼標定的目標是獲得相機坐標系到機器人基坐標系之間的變換關系。根據(jù)相機與機器人相互位置不同，手眼系統(tǒng)分為Eye-in-Hand、Eye_to_Hand[3]2種系統(tǒng)。Eye_in_Hand系統(tǒng)中，相機安裝在機器人手部末端，隨機器人一起運動。Eye_to_Hand系統(tǒng)中相機安裝在機器人本體外的固定位置，不隨機器人一起運動。本項目采用Eye_to_Hand系統(tǒng)，其標定主要包括相機標定和手眼標定兩部分。相機標定主要是獲取相機的內(nèi)參數(shù)與外參數(shù)（相機坐標系與平面靶標坐標系之間的變換矩陣），相機標定可采用張正友[4]標定算法。

手眼標定標定過程如下：機器人工具坐標系與機器人基坐標系之間的變換關系可由機器人控制系統(tǒng)讀取，記為[T1];控制機器人末端手抓示教靶標坐標系上的三個點，由三點確定一個平面，可以得到機器人工具坐標系與靶標坐標系之間的變換矩陣[T2];由相機標定可以獲得相機坐標系與靶標坐標系之間的變換關系[T3]。相機坐標系與機器人基坐標系之間的變換關系[T4]可由式（1）進行計算。至此，完成手眼系統(tǒng)標定。

3 整理瓶的多目標分類跟蹤技術算法研究

對采集到的圖像進行中值濾波去噪，然后使用背景差分法進行圖像分割，獲取目標二值圖像。采用形態(tài)學邊緣檢測算法完成目標輪廓提取，然后通過形狀模板匹配算法完成被測目標定位。在多目標分類識別過程中，首先根據(jù)目標區(qū)域特征如面積、周長、外界幾何基元的形狀、區(qū)域凸性與緊性以及目標輪廓的傅里葉，描述子構成目標特征向量，然后將目標特征向量輸入支持向量機分類器，完成多種目標的分類。

高速多目標定位跟蹤技術是并聯(lián)機器人自動化理瓶機研究中的關鍵技術，該設備中目標獲取的方式為視頻流，因此需要調(diào)節(jié)相機采集周期與輸送帶運行速度，保證相機對目標拍攝一次或者多次，然后利用去重復算法完成單一目標的跟蹤。通過采用時序與空間位置相結(jié)合的目標去重復算法，人們能有效去除視頻流中的重復目標，顯著提高機械手目標抓取的效率。

4 Delta機器人軌跡規(guī)劃及動態(tài)目標抓取

機器人軌跡規(guī)劃的目標為在給定位移與最大加速度（電機驅(qū)動力矩）的前提下，優(yōu)化其末端執(zhí)行器的運動軌跡，使得其運行時間和機械振動趨于最小。針對Delta機器人高速運動時末端加速度大，容易發(fā)生沖擊、振動，小臂細長桿容易震顫等特點，使用修正梯形加減速算法來控制Delta機器人的加減速。該方式加速度曲線變化柔順，無突變，能夠顯著降低Delta機器人高速運動時的震顫。在動態(tài)目標抓取過程中，建立了機械手動態(tài)抓取工作區(qū)域內(nèi)多個連續(xù)運動工件的數(shù)學模型，并通過牛頓-拉夫森迭代求解該非線性數(shù)學模型，試驗測試表明，抓取成功率為99%，最快抓取速度為10次/min，該算法能夠滿足實時性要求，具有較高的穩(wěn)定性和準確性。Delta機器人抓瓶示意圖如圖2所示。

5 視覺控制系統(tǒng)設計

視覺系統(tǒng)實時采集輸送帶圖像信息，由圖像處理分析得到輸送帶上目標的形狀及位置等信息，并將其傳遞給運動控制系統(tǒng)，由運動控制系統(tǒng)根據(jù)機器人運動控制算法控制機器人完成動態(tài)目標的抓取任務。整個控制系統(tǒng)可劃分為視覺模塊與運動控制模塊。為了使兩大模塊能協(xié)同工作，設計物體信息數(shù)據(jù)庫作為兩個模塊的紐帶，采用并行運行的機制，兩個模塊在互不干擾的前提下可以最大限度地利用系統(tǒng)資源，使整個控制系統(tǒng)協(xié)調(diào)穩(wěn)定地工作。

6 結(jié)語

本文介紹了一種基于視覺技術的全自動理瓶機設計方法，研究了關鍵視覺算法在全自動理瓶機設計設計中的具體應用。本設計應用了手眼標定、多目標分類追蹤等核心視覺算法，在復雜環(huán)境（雜亂無章）下，自動化理瓶機可以通過機器視覺技術完成復雜分揀、挑選、整理等繁重工作，運行穩(wěn)定，效果良好。目前，基于關鍵視覺算法的視覺檢測設備已經(jīng)在某洗衣液廠的生產(chǎn)線上得到了應用，各項指標均已達到設計要求，運行狀態(tài)良好。

參考文獻：

[1]蔣笑笑，張振軍，王耀南，等.基于灰度投影梯度擴散的PET瓶快速檢測[J].電子測量與儀器學報，2016（8）：1152-1159.

[2]許敏，馬鉞，陳帥.基于計算機視覺的紅棗形狀識別方法研究[J].傳感器與微系統(tǒng)，2013（4）：23-26.

[3]邱茂林，馬頌德，李毅.計算機視覺中相機定標綜述[J].自動化學報，2000（1）：43-54.

[4]Zhang Z.A flexible new technique for camera calibration[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2000（11）：1330-1334.