建立了一個主動機器視覺定位系統(tǒng),用于工業(yè)機器人對零件工位的精確定位。

采用基于區(qū)域的匹配和形狀特征識別相結(jié)合的圖像處理方法,該方法經(jīng)過閾值和形狀判據(jù),識別出物體特征。經(jīng)實驗驗證,該方法能夠快速準確地得到物體的邊界和質(zhì)心,進行數(shù)據(jù)識別和計算,再結(jié)合機器人運動學原理控制機器人實時運動以消除此誤差,滿足工業(yè)機器人自定位的要求。

目前工業(yè)機器人僅能在嚴格定義的結(jié)構化環(huán)境中執(zhí)行預定指令動作，缺乏對環(huán)境的感知與應變能力，這極大地限制了機器人的應用。利用機器人的視覺控制，不需要預先對工業(yè)機器人的運動軌跡進行示教或離線編程，可節(jié)約大量的編程時間，提高生產(chǎn)效率和加工質(zhì)量。

Hagger 等人提出通過基于機器人末端與目標物體之間的誤差進行視覺反饋的方法；Mezouar 等人提出通過圖像空間的路徑規(guī)劃和基于圖像的控制方法 。國內(nèi)這方面主要應用于焊接機器人對焊縫的跟蹤。

本文利用基于位置的視覺伺服思想，以六自由度垂直關節(jié)型噴涂機器人為載體，提出一種基于機器視覺的工業(yè)機器人自定位控制方法，解決了機器人末端實際位置與期望位置相距較遠的問題，改善了噴涂機器人的定位精度。

視覺定位系統(tǒng)的組成

機器人視覺定位系統(tǒng)構成，在關節(jié)型機器人末端安裝噴涂工具、單個攝像機，使工件能出現(xiàn)在攝像機的圖像中。系統(tǒng)包括攝像機系統(tǒng)和控制系統(tǒng)：

（1）攝像機系統(tǒng)：由單個攝像機和計算機（包括圖像采集卡）組成，負責視覺圖像的采集和機器視覺算法；

（2）控制系統(tǒng)：由計算機和控制箱組成，用來控制機器人末端的實際位置；經(jīng) CCD 攝像機對工作區(qū)進行拍攝，計算機通過本文使用的圖像識別方法，提取跟蹤特征，進行數(shù)據(jù)識別和計算，通過逆運動學求解得到機器人各關節(jié)位置誤差值，最后控制高精度的末端執(zhí)行機構，調(diào)整機器人的位姿。

工作臺上的工件與工作臺背景在顏色方面具有很大的差別，即工件呈現(xiàn)為黑色，將這一信息作為識別工件的重要特征。

工件的邊緣處灰度有急劇的變化，可以以此判斷出工件的邊界點。采用掃描線的方法，掃描方向上灰度劇變的像素點就是邊界點。最后，通過最小二乘法把找到的邊界點擬合出圓周，并計算出圓心位置。

（1）識別率分析：第一步通過離線學習，訓練提取形狀特征。第二步使用離線學習得到的坐標關系，實時跟蹤工件，得到需要跟蹤的形狀特征信息。只要離線學習恰當，目標特征就準確識別并且得到相關信息。

（2）實時處理結(jié)果分析：圖像采集卡的采集速度是25 幀/s，每幅圖采集時間為40ms。攝像頭采集一幅圖像需要20ms，該圖像處理的速度為10ms/幅。通過程序優(yōu)化，在采集的同時進行圖像處理，而且圖像處理的速度比采集的時間要短，就避免了圖像的失真和抖動。在物體運動不超過極限速度時，能夠較準確地找到圓心的位置。

空間坐標的獲取

由一幅圖像得到的信息是二維信息，程序中使用的坐標是以像素為單位的，機器人在空間運動需要將圖像的信息換算成三維空間坐標。其計算過程如下：

（1）以工件上圓孔的圓心為機器人定位基準，A(X ,Y, Z)圓心的世界坐標。當圓心與視覺圖像的中心重合時，機器人定位完成。

（2）標定攝像機，得到投影矩陣ce M ，即圖像中兩個像素間的距離與世界坐標系的轉(zhuǎn)換關系。

（3）攝像機拍攝圖像后，經(jīng)過特征識別得到圓心在圖像中坐標a(x, y)，計算出與圖像中心的偏移量Δx、Δy。

（4）以A(X ,Y, Z)為基準，按照下式計算機器人末端的世界坐標B(X ',Y ', Z')：其中，Mc是攝像機與機器人末端的坐標轉(zhuǎn)換參數(shù)。

基于機器視覺的工業(yè)機器人定位系統(tǒng)，該系統(tǒng)將基于區(qū)域的匹配和形狀特征識別結(jié)合，進行數(shù)據(jù)識別和計算，能夠快速準確地識別出物體特征的邊界與質(zhì)心，機器人控制系統(tǒng)通過逆運動學求解得到機器人各關節(jié)位置的轉(zhuǎn)角誤差，最后控制高精度的末端執(zhí)行機構，調(diào)整機器人的位姿以消除此誤差。從而解決了機器人末端實際位置與期望位置相距較遠的問題，改善了噴涂機器人的定位精度。該方法計算量小，定位準確，具有工程實用性。