摘要：提出了滿足機器人裝配作業(yè)中對工件進行可靠識別與抓取的信號處理技術及檢測方法，對能準確描述物體形狀的特征提取方法進行了研究，設計了一種基于視覺與超聲技術的機器人自動識別與抓取系統(tǒng)的結構，并在機器人裝配作業(yè)平臺上進行了物體識別與抓取的實驗研究。
關鍵詞：機器人；視覺；超聲技術；圖像識別
視覺傳感器能直觀反映物體的外部信息，但單個攝像頭只能獲得物體的二維圖像，立體視覺雖能提供三維信息，但對于外形相同，僅深度有差別的物體難以識別(如有孔物體、階梯狀物等) ，且對環(huán)境光線有一定的要求。由于超聲傳感器具有對光線、物體材料等不敏感，結構簡單，能直接獲取待測點至傳感器的距離等特點，因此本文采用視覺與超聲測量相結合的方法，將二維圖像信息與
超聲波傳感器獲取的深度信息進行融合推斷，對待裝配工件進行自動識別與空間定位，并確定機械手末端執(zhí)行器的空間位置與姿態(tài)，使其能在合適的部位準確抓取工件。
1 系統(tǒng)原理與結構
系統(tǒng)由機械手、CCD 視覺傳感器和超聲波傳感器及相應的信號處理單元等構成。CCD 安裝在機械手末端執(zhí)行器上，構成手眼視覺，超聲波傳感器的接收和發(fā)送探頭也固定在機器人末端執(zhí)行器上，由CCD 獲取待識別和抓取物體的二維圖像，并引導超聲波傳感器獲取深度信息。系統(tǒng)結構如圖1 所示。
圖像處理主要完成對物體外形的準確描述，包括以下幾個步驟：a. 圖像邊緣提取；b. 周線跟蹤；c. 特征點提取；d. 曲線分割及分段匹配；e. 圖形描述與識別。在提取物體圖像邊緣后，采用周線跟蹤進行邊緣細化，去除偽邊緣點及噪聲點，并對組成封閉曲線的邊緣點進Freeman 編碼，記錄每一條鏈碼方向和曲線上各點的X-Y 坐標值，便于進一步對物體的幾何特性進行分析。本研究對傳統(tǒng)的周線跟蹤算法中邊緣點的搜索方向與順序進行了改進，并在搜索過程中采取了及時消除冗余點的方法，減小了數(shù)據(jù)量與運算時間，而且具有較好的降噪及平滑效果。在提取圖像特征點時，將多邊形近似法與計算曲率的方法相結合，可克服多邊形近似法易產(chǎn)生偽特征點和計算曲率法計算量過大的缺點。CCD 獲取的物體圖像經(jīng)處理后，可提取對象的某些特征，如物體的形心坐標、面積、曲率、邊緣、角點及短軸方向等。根據(jù)這些特征信息，可得到對物體形狀的基本描述，在圖像處理的基礎上，由視覺信息引導超聲波傳感器對待測點的深度進行測量，獲取物體的深度(高度) 信息，或沿工件的待測面移動，超聲波傳感器不斷采集距離信息，掃描得到距離曲線，根據(jù)距離曲線分析出工件的邊緣或外形[1 ] 。計算機將視覺信息和深度信息融合推斷后，進行圖像匹配、識別，并控制機械手以合適的位姿準確地抓取物體。
2.1 工件圖像邊緣的提取
復雜工件反映在圖像上常常不止一個灰度等級，僅利用一個灰度閾值無法提取有意義的邊緣。
若采用多閾值的方法，必然會增加計算時間和圖像處理的復雜程度。對于類別方差自動門限法，增加門限值不僅會提高數(shù)據(jù)處理復雜程度，而且當閾值多于2 個時，算法的可靠性就會受到影響。為此采用了直接從灰度圖像提取邊緣的方法。圖像邊緣一般發(fā)生在灰度函數(shù)值不連續(xù)處，可用灰度函數(shù)的一階或二階導數(shù)求得。經(jīng)典的利用一階導數(shù)提取邊緣的方法有Robert s 算子、So2bel 算子等，利用二階導數(shù)提取邊緣的方法有Laplacian 算子和Marrs2Hilderth 算子等。通過對幾種算法的分析比較，認為Sobel 算子不僅實現(xiàn)容易、運算速度快，而且可提供最精確的邊緣方向估計。Sobel 算子由兩個3 ×3 相差90°的算子構成，由這兩個算子同圖像卷積，可得到圖像的邊緣及其方向。對于數(shù)字圖像{ f ( i ，j ) } ，Sobel 算子可表示為：
Gx(i,j)=f(i-1,j-1)+2f(i-1,j)+f(i-1,j+1)-f(i+1,j-1)-2f(i+1,j)-f(i+1,j+1)；
Gy(i,j)=f(i-1,j-1)+2f(i,j-1)+f(i+1,j-1)-f(i-1,j+1)-2f(i,j+1)-f(i+1,j+1).
采用G1 = | Gx | + | Gy| 得到梯度幅值后，為減少所抽取的邊緣數(shù)目，可設置一個幅度門限，即只考慮對應灰度變化較大的那些邊緣。再利用邊緣點具有局部幅度最大的特點，將邊緣細化。利用Sobel 算子提取邊緣后，為了得到工件表面的尺寸信息，還必須提取圖像的角點[2 ] ，以便計算工件的邊長等特征信息。
2.2 形心坐標的確定
圖像中形心點的計算通常可通過兩種方法得出，一是通過區(qū)域處理求矩的方法計算形心坐標[3 ] ；二是通過邊緣鏈碼積分計算。圖像的矩計算公式為：該算法較為簡單，且對任意圖形都適用，但需要結合像素點隸屬區(qū)域劃分算法進行。
2.3 軸向的確定
為使機械手能以正確的姿態(tài)準確地抓取物體，必須精確確定物體的軸向。在幾何學中，物體的長軸定義為通過物體形心點的一條直線，物體關于該直線的二階矩為最小值。設圖像中物體長軸與圖像平面X 軸正方向夾角為θ，規(guī)定| θ| ≤π/ 2 ，則物體關于該軸線的二階矩為
該算法較為簡單，且對任意圖形都適用，但需要結合像素點隸屬區(qū)域劃分算法進行。
2.3 軸向的確定
為使機械手能以正確的姿態(tài)準確地抓取物體，必須精確確定物體的軸向。在幾何學中，物體的長軸定義為通過物體形心點的一條直線，物體關于該直線的二階矩為最小值。設圖像中物體長軸與圖像平面X 軸正方向夾角為θ，規(guī)定| θ| ≤π/ 2 ，則物體關于該軸線的二階矩為
很明顯，基于二階慣性矩的軸向確定方法是對整個物體區(qū)域進行運算，且必須先確定像素點的隸屬區(qū)域，故運算量較大。圖2 (a) 是用該算法確定的工件軸向。對于一些簡單形狀的物體，可采用如下簡單軸向估計算法：
a. 確定物體的形心坐標；
b. 確定物體邊緣輪廓閉合曲線前半段中離物體形心最近的點，用最小二乘法估算該點的切線方向，設其與圖像平面X 軸正方向夾角為α1 ；
c. 用同樣方法確定下半段曲線中對應的切線方向α2 ；
d. 物體軸向可粗略估計為θ= (α1 +α2) / 2.
圖2 ( b) 是采用簡化算法得到的工件軸向圖。該算法僅對物體邊緣輪廓點進行處理，使運算時間大為減少。
3 超聲深度檢測
由于CCD 攝像頭獲取的圖像不能反映工件的深度信息，因此對于二維圖形相同，僅高度略有差異的工件，只用視覺信息不能正確識別，本文采用超聲波
測距傳感器則可彌補這一不足。經(jīng)圖像處理得到工件的邊緣、形心等特征量后，引導機械手到達待測點，對工件深度進行測量，并融合視覺信號與超聲信號，可得到較完整的工件信息。安裝在機器人末端執(zhí)行器上的超聲波傳感器由發(fā)射和接收探頭構成，根據(jù)聲波反射的原理，檢測由待測點反射回的聲波信號，經(jīng)處理后得到工件的深度信息。為了提高檢測精度，在接收單元電路中，采用了可變閾值檢測、峰值檢測、溫度補償和相位補償?shù)燃夹g[1 ] ，可獲得較高的檢測精度。對視場中兩個外形完全相同、高度相差0.1 mm的柱形工件，采用本文提出的融合圖像和深度信息的方法，可準確識別與抓取。
4 實驗結果及結論
在上述方法研究的基礎上，完成了在MO
VEMASTER2EX機器人裝配作業(yè)平臺上進行的物體識別與抓取實驗。在自然光及一般照明條件下，對機器人裝配作業(yè)平臺上視場范圍內任意放置的3～5 個不同形狀、大小的典型工件進行自動識別和抓取，結果表明，識別時間小于5 s(包括識別、定位與抓取過程機械手的移動時間) ，定位誤差小于±2 mm ，并具有較好的通用性和可移植性。圖3 (a) ～ (d) 分別是待抓取工件識別過程的圖像。
實驗結果表明，采用本文提出的將機器人手- 眼視覺與超聲波測距相結合的檢測裝置，以及融合二維圖像信息與深度信息進行工件識別與抓取的方法，可準確對物體進行識別與定位，具有算法簡單、計算量小、實時性好、可靠性高等特點，可為機器人與環(huán)境交互提供物體形狀、類別及大小等信息，使機器人裝配作業(yè)能適應各種復雜的環(huán)境與工藝過程，對實現(xiàn)工業(yè)生產(chǎn)過程的自動化、柔性化、智能化有良好的應用前景。
實驗結果表明，采用本文提出的將機器人手- 眼視覺與超聲波測距相結合的檢測裝置，以及融合二維圖像信息與深度信息進行工件識別與抓取的方法，可準確對物體進行識別與定位，具有算法簡單、計算量小、實時性好、可靠性高等特點，可為機器人與環(huán)境交互提供物體形狀、類別及大小等信息，使機器人裝配作業(yè)能適應各種復雜的環(huán)境與工藝過程，對實現(xiàn)工業(yè)生產(chǎn)過程的自動化、柔性化、智能化有良好的應用前景。
參考文獻
[1 ] 楊勁松，王敏，黃心漢。超聲波可變閾值測距裝置.電子技術應用，1998 ，24 (7) ：7～9
[2 ] 張小莉，王敏，黃心漢。一種有效的基于Freeman 鏈碼的角點檢測法。電子測量與儀器學報，1999 ，13(2) ：14～19
[3 ] The C ，Chin R。On Image Analysis by the Method ofMoments。IEEE Trans。Pattern Anal。Mach。Intell。，1988 (10) ：291～310
