基于机器视觉的机器人焊枪精确运动研究_陈锋.pdf

收稿日期：；修回日期：基金项目：安徽省职业与成人教育学会 年度教育科研规划重点项目（）作者简介：陈锋（），男，安徽淮南人，讲师，硕士，从事通信物联网的教学与研究。第 卷第期安徽水利水电职业技术学院学报 年月 基于机器视觉的机器人焊枪精确运动研究陈锋（安徽职业技术学院，安徽 合肥 ）摘要：针对焊接机器人焊枪在工作过程中由于人工手眼操作运动精度存在偏差的问题，提出了一种基于机器视觉的机器人焊枪空间定位及运动的方法。利用图像处理技术，识别焊枪空间坐标，控制焊枪进行精确运动，提高了自动化效率。实验表明，该方法的运动定位精度稳定在 以内，精度较高，适用于机器人焊枪在标定和运动过程中的识别以及精确运动控制。关键词：机器视觉；焊枪图像处理；精确运动 ：中图分类号：文献标识码：文章编号：（）（，）：，：；当前，工业机器人的快速发展和应用使得国家工业自动化水平在不断提高，视觉系统作为机器人的眼睛，是机器人感知外界环境的重要工具，也是现代智能机器人应用的关键所在。由于传统的依靠人工视觉来标定机器人位置和运动其效率、精度都非常低，而机器视觉技术与工业机器人结合，形成机器视觉精确运动方法，使生产效率、自动化程度都得以提升。周江澔等利用机器视觉实现了机器人的标定，伍济钢等利用机器视觉图像实现了对薄片零件的边缘监测，赵丽君等人利用视觉图像处理实现了机器人自动分拣。本文在此工业机器人应用背景下，利用机器视觉，将焊枪运动前后其在二维图像中的像素点位变化，与实际运行距离建立关联，得到三维空间中机器人焊枪在二维图像中的像素和距离的空间比例关系，通过该比例关系，构建焊枪三维像素坐标模型，进而实现对空间焊接机器人运动距离的精确控制。基于机器视觉的图像处理方法 图像采集及预处理机器人运动过程中，利用工业相机采集图像，可以得到物体在二维图像与三维空间位置的关系，通过设置两台相互垂直的工业相机，一个用于构建机器人空间工具坐标系的 平面，另一个用于构建机器人空间工具坐标系平面向量。本文使用 万像素工业相机，最大分辨率为 ，同时在每台相机的正前方添加使用了背板光源，其目的在于提高图像处理中获取焊枪轮廓的精度，降低误差。为了构建焊枪的三维坐标模型，通过控制机器人焊枪运动，让焊枪在相机与背板光源之间不同距离的两个平面内水平移动，每个平面起止两点，分别用两相机采集图像，共计个点位，张图片。由于使用了背板光源和高清晰度相机，其焊枪图像较为清晰。在对机器人焊枪的轮廓图形预处理过程中，主要使用了图像灰度法、二值法以及滤波法等处理方式。通过相机捕获的图像一般为 三通道图像，为方便后期处理，需要先对图像进行灰度化处理，这里采用应用较为广泛的加权平均法，灰度化计算公式为：（，）.（，）.（，）.（，）（）其中，（，）为坐标下的灰度像素值，（，），（，），（，）分别为个通道的像素值。焊枪轮廓提取原理经过灰度化处理的图像，其图像边界处一般会有明显的边缘，可以利用此特征获取机器人焊枪的边缘轮廓，这里提到的图像边缘是指图像中像素值有突变的地方。为了得到该突变，可以利用导数进行图像边界分割。由于一阶导数对于灰度变化均匀的图像，无法找到边界；三阶及以上的导数受噪声影响，其应用意义不大；在实际的操作过程中，我们使用二阶导数对图像进行边缘检测，由于噪声的影响，在进行边缘检测前，仍需要先对图像进行滤波，消除噪声。本文使用的轮廓提取算法为 （）算子，它把高斯平滑滤波和 结合起来，先平滑掉噪声，再通过检测二阶导数的过零点来判断边缘点，进行边缘检测，所以效果会更好。焊枪运动分析与计算 位置比例数据处理根据图像处理后得到的各点坐标，假定 点的像素坐标（，），点的像素坐标（，），点的像素坐标（，），点的像素坐标（，）；两点水平距离，两点水平距离。那么 两点所在相机与背光光源的平面像素与距离的比例关系为 （）（）（）同理，可以得到在 两点所在相机与背光光源的平面像素与距离的比例关系：（）（）（）由公式（）即可得到每个相机不同的两个垂直平面下像素与距离的比例关系。根据相机像素线性第期陈锋：基于机器视觉的机器人焊枪精确运动研究比例关系，可以得到相机其他垂直平面的像素与距离比例关系，为后续的精确运动控制提供建立比例关系模型。焊枪运动控制方法当确定了焊枪空间像素与位置比例关系矩阵，就可以控制焊枪机器人精确运动，其具体流程如图所示。图焊枪控制运动流程首先，通过相机对机器人焊枪采集图像信息，使用 节中图像处理方法，提取图片中机器人焊枪的外轮廓，得到图像中焊枪的像素点信息，进而得到焊枪当前像素位置与目标点位像素位置差，计算得到当前位置下的像素距离比例关系为：（）其中，为相机当前像素点坐标。，构建像素比例关系时对应点位坐标。根据式（）计算的当前平面比例关系，计算出到达目标点位的空间各方向距离，从而控制焊枪运动至目标点位。最后对运行后的焊枪再次采集，计算误差。应用测试实验使用埃夫特公司产六轴工业机器人进行测试。通过控制焊枪在空间水平运行 个点位，每次平移距离 ，其中和分别表示两个相机。两台相机共获取张图像数据。经过处理前焊枪图像以及处理后提取的焊枪轮廓图像如图所示，可以看出，普通焊丝细长光滑，其在图像中轮廓的表现均匀且平滑，焊枪底部点位信息提取方便且精确。以此计算像素与空间距离比例关系，通过图像处理获取的个点位的坐标信息如表所列，根据公式（），（）得到的像素与空间距离比例关系如表所列。图原始图片和经过处理得到的焊枪轮廓图安徽水利水电职业技术学院学报第 卷表焊枪像素点信息及空间比例关系点位点点点点点点点点像素坐标（）（）（）（）（）（）（）（）表根据位移距离和像素距离计算像素间距离比例关系起始点像素结束点像素像素距离实际距离像素间距离相机（方向）（）（）相机（方向）（）（）相机（方向）（）（）相机（方向）（）（）根据表得到的像素与距离关系表，通过该比例关系控制焊枪运动，这里以焊枪在某位置，计算其到空间位置中点（即图像中心点）的距离为例进行计算，根据公式（）可以得到当前像素点距离关系，进而计算出到达目标点位的实际运动距离，焊枪运动距离计算及误差如表所示。这里相机用于计算空间 方向和方向距离，相机用于计算 方向距离。表焊枪运动距离计算及误差当前像素坐标目的点位像素坐标当前位置像素距离关系平移平移平移移动后实际像素位置误差像素相机 相机 由上述计算结果可以看出，利用该方法对焊枪运动距离进行控制，移动后实际位置与目标点位像素空间距离在个像素以内，转换成实际距离误差约为 左右，误差较小。结束语本文利用机器视觉对六轴工业焊接机器人位置进行图像采集，利用图像处理技术，构建像素点与空间位置比例关系，进而控制焊枪精确运动。经过实验对比，机器视觉控制机器人运行轨迹与目标点位误差在 以内，且满足工业机器人的运动精度要求，验证了方案的可行性。该技术为焊接机器人的控制以及自动化标定提供一些方案思路。参考文献周江澔，刘子龙，张辰骁，等 焊接机器人视觉系统标定方法 机械设计与制造工程，（）：伍济钢，宾鸿赞 薄片零件机器视觉图像亚像素边缘检测 中国机械工程，（）：赵丽君，李冰冰，计妍，等 基于视觉检测的工业机器人快速分拣控制方法 制造业自动化，（）：聂霖，郑传广，徐莹，等 基于机器视觉的燃烧碳化面积测量方法研究 计算机测量与控制，（）：吴杰，方温至，庞达 基于机器视觉的线缆截面积测量方法分析 中国测试，（）：王成军，韦志文，严晨基于机器视觉技术的分拣机器人研究综述科学技术与工程，（）：（责任编辑汪明磊）第期陈锋：基于机器视觉的机器人焊枪精确运动研究