基于视觉与超声技术机器人自动识别抓取系统

2. 3 轴向的确定

为使机械手能以正确的姿态准确地抓取物体,必须精确确定物体的轴向. 在几何学中,物体的长轴定义为通过物体形心点的一条直线, 物体关于该直线的二阶矩为最小值. 设图像中物体长轴与图像平面X 轴正方向夹角为θ, 规定| θ| ≤π/ 2 ,则物体关于该轴线的二阶矩为



很明显,基于二阶惯性矩的轴向确定方法是对整个物体区域进行运算, 且必须先确定像素点的隶属区域,故运算量较大. 图2 （a） 是用该算法确定的工件轴向. 对于一些简单形状的物体,可采用如下简单轴向估计算法:

a. 确定物体的形心坐标;

b. 确定物体边缘轮廓闭合曲线前半段中离物体形心最近的点, 用最小二乘法估算该点的切线方向,设其与图像平面X 轴正方向夹角为α1 ;

c. 用同样方法确定下半段曲线中对应的切线方向α2 ;

d. 物体轴向可粗略估计为θ= （α1 +α2） / 2.

图2 （ b） 是采用简化算法得到的工件轴向图. 该算法仅对物体边缘轮廓点进行处理,使运算时间大为减少.

3 超声深度检测

由于CCD 摄像头获取的图像不能反映工件的深度信息,因此对于二维图形相同,仅高度略有差异的工件,只用视觉信息不能正确识别,本文采用超声波测距传感器则可弥补这一不足. 经图像处理得到工件的边缘、形心等特征量后,引导机械手到达待测点,对工件深度进行测量,并融合视觉信号与超声信号,可得到较完整的工件信息.安装在机器人末端执行器上的超声波传感器由发射和接收探头构成,根据声波反射的原理,检测由待测点反射回的声波信号,经处理后得到工件的深度信息. 为了提高检测精度,在接收单元电路中,采用了可变阈值检测、峰值检测、温度补偿和相位补偿等技术[1 ] ,可获得较高的检测精度.对视场中两个外形完全相同、高度相差0. 1 mm的柱形工件,采用本文提出的融合图像和深度信息的方法,可准确识别与抓取.

4 实验结果及结论

在上述方法研究的基础上, 完成了在MOVEMASTER2EX机器人装配作业平台上进行的物体识别与抓取实验. 在自然光及一般照明条件下,对机器人装配作业平台上视场范围内任意放置的3～5 个不同形状、大小的典型工件进行自动识别和抓取,结果表明,识别时间小于5 s（包括识别、定位与抓取过程机械手的移动时间） ,定位误差小于±2 mm ,并具有较好的通用性和可移植性. 图3 （a） ～ （d） 分别是待抓取工件识别过程的图像.

实验结果表明, 采用本文提出的将机器人手- 眼视觉与超声波测距相结合的检测装置, 以及融合二维图像信息与深度信息进行工件识别与抓取的方法,可准确对物体进行识别与定位,具有算法简单、计算量小、实时性好、可靠性高等特点,可为机器人与环境交互提供物体形状、类别及大小等信息,使机器人装配作业能适应各种复杂的环境与工艺过程,对实现工业生产过程的自动化、柔性化、智能化有良好的应用前景.

实验结果表明, 采用本文提出的将机器人手- 眼视觉与超声波测距相结合的检测装置, 以及融合二维图像信息与深度信息进行工件识别与抓取的方法,可准确对物体进行识别与定位,具有算法简单、计算量小、实时性好、可靠性高等特点,可为机器人与环境交互提供物体形状、类别及大小等信息,使机器人装配作业能适应各种复杂的环境与工艺过程,对实现工业生产过程的自动化、柔性化、智能化有良好的应用前景.