第一章 绪论
1.1 课题来源
本课题来源于新松公司的国家高技术研究发展 863 计划（机器人模块化技术的典型行业应用示范 No.2012AA041405）和沈阳市工业科技攻关项目（工业机器人智能化关节技术研究 No.F12-010-2-00）。
1.2 课题研究的目的和意义
机器视觉技术是指用摄像机和计算机来模拟人类的视觉功能，广泛应用在电子电器、航天、汽车零部件和制药等领域[1]。在工业生产中，工件分拣是重要的环节，其速率快慢直接影响整个生产线。传统生产线上，工业机器人的分拣运动一般采用示教或离线编程的方法，所有动作和工件的摆放位置都要预先严格的设定。一旦工作环境条件有所变化，就需要重新对机器人进行示教编程，否则就会造成抓取错误。将视觉技术应用到工业分拣系统中与传统的机械分拣作业相比，有着高质量，高速率，高智能等无法替代的优势。工业机器人要在生产线中进行分拣抓取，一个基本问题就是确定自身及周围环境，利用视觉算法对三维景物进行描述和识别[2]。首先对悬挂在分拣平台上的单目摄像机进行标定，建立图像坐标系与工件坐标系之间的相互关系。然后利用图像模式识别算法，对生产线上的机械工件进行识别和定位，最后工业机器人根据识别结果进行分拣抓取。研究基于机器视觉的工业机器人分拣技术，对工业复杂环境下机械手的抓取和分拣具有十分重要意义，可以有效降低机器人的错误率和减少工业生产环节的成本，进而为国家创造更多经济效益。在分拣的技术环节中，对机械工件的定位和识别技术是基于视觉的工业机器人在实际应用中不可缺少的组成部分，是实现分拣和其他任务的基础前提，具有比较重要的研究价值。
1.3 国内外研究状况
智能工业机器人的应用研究在国外已经开展了几十年，许多公司和研究所都推出了自主研发的智能工业机器人。智能工业机器人的基本组成结构都是在工业机器人基础上配置以视觉为主的多传感器系统，使得工业机器人拥有类似于人眼的功能。在国外的工业分拣生产环节中，基于视觉的工业机器人分拣系统的研究发展迅速，其优点在于适应能力强、应用范围广和低成本。而在国内，智能工业机器人的研究仍然处于起步阶段，虽然有一些科研机构和院校取得了一些成果，但是在国内的机器人技术发展仍存在许多问题，其中最大的问题是：核心硬件（成像传感器如 CCD、CMOS 等）基本依赖日本、美国、韩国等发达国家，国内制造厂商仍处于代工环节，不利于我国视觉技术长久发展。所以发展我国机器人技术，对于我国发展自主创新技术具有十分重要的意义。
1.3.1 国外研究状况
目前，机器视觉技术已经从最初的实验室阶段逐渐走向成熟，并且在工业生产线上已经有实际应用。德国、日本、美国和韩国处在智能工业机器人领域应用研究的前沿。日本从最初的模仿到现在的独创，找到了自己的技术创新之路。德国西门子公司也紧跟着时代的步伐，将机器视觉渗透到各个领域，应用到汽车发动机装配，生产线工件分拣等领域。美国更是机器人技术的创新发源地，其机器视觉广泛应用在工业和军事上，机械手经销商，包括 Fanuc 公司，Motman 公司和 Staubli 公司都推出了“拣选”系统[3]。如图 1.1 所示，日本川崎设计的工业机器人主要应用在基于视觉系统的大型物品装卸、树脂成形机械抓取和汽车车门的边角打磨工程等领域。这种机器人可以结合具体的实际应用和目标方法，配置不同的选装件和相关参数，能够适应各种应用场合。通过使用机器人内部搭载标准的机器人语言，它还可以实现高性能的动作控制和时序控制。
第二章 工业机器人分拣系统
2.1 工业机器人分拣系统构成
本文以新松公司开发生产的 RH6（六自由度垂直关节型）通用工业机器人为模型，建立了如图 2.1 所示的基于机器视觉的工业机器人分拣系统。该工业机器人分拣系统主要由五大单元组成：工件平台单元、摄像机平台单元、视觉分拣单元、机器人RC 控制单元和机械手抓取单元。工件平台单元由工件放置台（或者履带）、工件分拣放置槽位组成。黑色的工件放置平台有助于与金属几何工件的颜色形成反差，方便算法的实现。因为一般的几何工件都是亮金属光泽。其中工件放置槽用于对已分拣的几何工件分类放置。摄像机平台单元主要由 MV-VE078SM（黑白）摄像机、摄像机支架和光源组成。悬挂在支架上的单目摄像机的作用是获取试验台上的工件视频图像。光源采用白色LED 面式光源，辅助数码相机，为数码相机采集图像提供光源，其固定在工件的上方，用来消除工件自身的阴影。支架用来固定数码相机和光源，其高度可调，并具有刻度，这样就可以很方便的知道相机与台面的距离。
视觉分拣单元由 PC 机和视觉软件组成。主要是由视觉系统对摄像机采集的视频序列，识别出目标种类，计算出工件的质心和摆放方向。最后根据图像坐标系和物体坐标系的关系，经过计算目标的相对位置和方向，再将信息参数传入控制柜。机器人 RC 控制单元主要由示教盒、控制柜和 RC 控制器组成。示教盒：对机器人进行参数的初始化设置和机器人位姿的控制。机器人控制柜：与计算机相连，接受来自计算机的数据并控制工业机器人执行指定的动作，负责对参数进行分析，然后对机器人进行相关的操作。机械手抓取单元主要由机械臂和抓手组成。机械臂：完成控制器对电机的相关运动。抓手：完成对目标进行的分拣抓取、放置等工作。本文为了方便验证相应的识别算法和问题的解决，对分拣系统的要求如下：
（1）部分工件都是几何形状，所以本文只针对几何形状的工件进行研究。
（2）方便工业机器人抓取工件，并且避免机械臂抓取时产生干涉和碰撞，要求相邻几何工件离散放置。
（3）为了验证算法的可靠性、准确性和鲁棒性，要求同一几何形状的工件分散放置。
第三章 摄像机标定.........14
3.1 摄像机标定基本方法.............14
3.2 摄像机模型.......15
3.3 透镜畸变...........16
3.4 摄像机标定各坐标系建立.....17
3.5 摄像机标定.......19
3.6 标定流程与系统设计.............20
3.7 本章小结...........22
第四章 静态工件的图像预处理...........23
4.1 图像平滑...........23
4.2 锐化算子...........23
4.3 图像形态学处理..........29
4.4 本章小结...........29
第五章 静态工件的特征提取与识别..............30
5.1 多目标分块处理..........30
5.2 Hough 圆检测..............31
5.3 角点结合轮廓特征识别算法............33
5.4 几何中心计算..............37
5.5 长轴和短轴计算..........38
5.6 本章小结...........39
结论
本文主要围绕基于机器视觉的工业机器人技术进行了研究，其主要研究的目的是将图像技术应用到视觉分拣技术中。并且采用针对静态工件和动态工件两种模式进行分析，保证了工程应用的可行性。在此基础上，深入研究了相关图像模式识别算法技术。同时针对静态的工件分拣问题所涉及的关键视觉算法包括：摄像机标定，图像Canny 预处理、Hough 圆检测、角点检测和轮廓识别等图像处理和识别运算。针对履带上的动态工件问题所涉及的关键视觉算法包括：MeanShift 和 Kalman 融合算法。根据理论研究与仿真实验，得到如下结论：
（1）以往的工件分拣系统主要采用示教编程，对工件的摆放位置准确性要求较大，且有一定的误差，很难满足高速大批量的分拣任务。因此如果采用基于视觉的分析系统可以对工件进行较为精确的定位和识别。
（2）摄像机标定用于建立图像坐标系和空间坐标系之间的关系，是一般视觉系统能否准确工作的前提。本文设计的摄像机标定交互界面，可以准确的建立对应关系，并求解出摄像机内参数、外参数和相对误差。
（3）提出一种对静态工件的模式识别算法。对几种经典的几种常用的边缘检测算子进行了研究，基于实验证明，Canny 算子最适用于几何工件的边缘检测。针对几何工件的识别部分，详细阐述了采用角点提取与轮廓识别相结合的算法分类特征，并且识别几何工件的过程。针对几何工件特征识别部分，运用多目标中心、长轴和短轴来描述目标位置信息，可以准确的完成分拣工作。
（4）对动态工件的定位和跟踪部分本文提出了一种 Kalman 预测目标和MeanShift 搜索目标综合应用的跟踪算法，实现了对履带上工件的动态跟踪。该方法首先利用 Kalman 滤波估计出后续运动目标的位置、速度和匹配范围，然后使用基于HSV 色彩空间融合的 MeanShift 算法进行小范围搜索和目标匹配，最后将 MeanShift算法得到的目标位置作为下一帧 Kalman 滤波器的输入参数使得后续状态具有预测的能力，迭代执行，直至搜索到目标为止。
仿真结果表明，本文所论述的技术方法是简单有效的。进一步验证了该系统的可行性，适用于机械手快速准确抓取分拣规则几何工件。
参考文献
[1] 庄开岚，王吉忠，周洁.机器视觉技术在角度检测方面的应用研究.装备制造技术，2011，(4)：9~10.
[2] 刘振宇，赵彬，邹风山.机器视觉技术在工件分拣中的应用.计算机应用与软件，2012，29(11)：87~91.
[3] 权欢欢，张洛平.装配线零件图像识别与系统实现：(硕士学位论文). 河南：河南科技大学，2008
[4] Gamal ElMasry, Sergio Cubero, Enrique Moltó. In-line http://sblunwen.com/gygcsslw/ sorting of irregular potatoes by usingautomated computer-based machine vision system. Journal of Food Engineering, 2012, 7(112)：60~68.
[5] 李金义，杨成，王京.基于视觉定位的机器人搬运系统.制造业自动化，2011，33(2)：40~42.
[6] W. Huang ， R. Kovacevic. Development of a real-time laser-based machine vision system tomonitor and control welding processes. Int J Adv Manuf Techno，2012, DOI: 10.1007/s00170–012-3902-0.
[7] 查英，刘铁根，杜东.图像识别技术在零件装配自动识别中的应用.计算机工程，2006，32(10)：178~185.
[8] 蔡鹤皋.机器人技术的发展与在制造业中的应用.机械制造与自动化，2004，33(1)：6~10.
[9] 潘丽霞.论工业机器人的发展与应用.山西科技，2010，25(3)：22~25.
[10] 徐方，邹风山，郑春晖.新松机器人产业发展及应用.机器人技术与应用，2011，(5)：14~18.