基于視覺(jué)與超聲技術(shù)機器人自動(dòng)識別抓取系統

視覺(jué)傳感器能直觀(guān)反映物體的外部信息,但單個(gè)攝像頭只能獲得物體的二維圖像,立體視覺(jué)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(xiàn)有一定的要求. 由于超聲傳感器具有對光線(xiàn)、物體材料等不敏感,結構簡(jiǎn)單,能直接獲取待測點(diǎn)至傳感器的距離等特點(diǎn),因此本文采用視覺(jué)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(jìn)行融合推斷,對待裝配工件進(jìn)行自動(dòng)識別與空間定位,并確定機械手末端執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 系統原理與結構

　　系統由機械手、CCD 視覺(jué)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行器上,構成手眼視覺(jué),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(gè)步驟:a. 圖像邊緣提取;b. 周線(xiàn)跟蹤;c. 特征點(diǎn)提取; d. 曲線(xiàn)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(xiàn)跟蹤進(jìn)行邊緣細化,去除偽邊緣點(diǎn)及噪聲點(diǎn),并對組成封閉曲線(xiàn)的邊緣點(diǎn)進(jìn)Freeman 編碼,記錄每一條鏈碼方向和曲線(xiàn)上各點(diǎn)的X-Y 坐標值,便于進(jìn)一步對物體的幾何特性進(jìn)行分析. 本研究對傳統的周線(xiàn)跟蹤算法中邊緣點(diǎn)的搜索方向與順序進(jìn)行了改進(jìn),并在搜索過(guò)程中采取了及時(shí)消除冗余點(diǎn)的方法,減小了數據量與運算時(shí)間,而且具有較好的降噪及平滑效果. 在提取圖像特征點(diǎn)時(shí),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(diǎn)和計算曲率法計算量過(guò)大的缺點(diǎn).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(diǎn)及短軸方向等. 根據這些特征信息,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(jué)信息引導超聲波傳感器對待測點(diǎn)的深度進(jìn)行測量,獲取物體的深度（高度） 信息,或沿工件的待測面移動(dòng),超聲波傳感器不斷采集距離信息,掃描得到距離曲線(xiàn),根據距離曲線(xiàn)分析出工件的邊緣或外形[1 ] . 計算機將視覺(jué)信息和深度信息融合推斷后,進(jìn)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(gè)灰度等級,僅利用一個(gè)灰度閾值無(wú)法提取有意義的邊緣.

　　若采用多閾值的方法,必然會(huì )增加計算時(shí)間和圖像處理的復雜程度. 對于類(lèi)別方差自動(dòng)門(mén)限法,增加門(mén)限值不僅會(huì )提高數據處理復雜程度,而且當閾值多于2 個(gè)時(shí),算法的可靠性就會(huì )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)生在灰度函數值不連續處,可用灰度函數的一階或二階導數求得. 經(jīng)典的利用一階導數提取邊緣的方法有Robert s 算子、So2bel 算子等, 利用二階導數提取邊緣的方法有Laplacian 算子和Marrs2Hilderth 算子等. 通過(guò)對幾種算法的分析比較,認為Sobel 算子不僅實(shí)現容易、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(gè)3 ×3 相差90°的算子構成,由這兩個(gè)算子同圖像卷積, 可得到圖像的邊緣及其方向. 對于數字圖像｛ f （ i , j ） ｝ , Sobel 算子可表示為:

　　Gx （ i , j） = f （ i - 1 , j - 1） +2 f （ i - 1 , j） + f （ i - 1 , j + 1） - f （ i + 1 ,j - 1） - 2 f （ i + 1 , j） - f （ i + 1 , j + 1） ;

　　Gy （ i , j） = f （ i - 1 , j - 1） +2 f （ i , j - 1） + f （ i + 1 , j - 1） - f （ i - 1 ,j + 1） - 2 f （ 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目,可設置一個(gè)幅度門(mén)限,即只考慮對應灰度變化較大的那些邊緣. 再利用邊緣點(diǎn)具有局部幅度最大的特點(diǎn),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(diǎn)[2 ] , 以便計算工件的邊長(cháng)等特征信息.