Tripod機(jī)器人的視覺處理應(yīng)用研究

武文杰，石紅瑞

（東華大學(xué) 信息科學(xué)與技術(shù)學(xué)院，上海201620）

機(jī)器人作為應(yīng)用范圍廣、技術(shù)附加值高的數(shù)字控制裝備，在現(xiàn)代先進(jìn)生產(chǎn)制造業(yè)中發(fā)揮的作用日趨重要，搬運(yùn)機(jī)器人作為最早應(yīng)用于生產(chǎn)的兩種工業(yè)機(jī)器人之一，在工業(yè)生產(chǎn)自動(dòng)化中一直扮演著非常重要的角色。目前生產(chǎn)線上應(yīng)用的搬運(yùn)工業(yè)機(jī)器人大多是通過示教再現(xiàn)或預(yù)編程來實(shí)現(xiàn)機(jī)器人的操作，物體的初始位姿和終止位姿都是嚴(yán)格限定的，機(jī)器人只是完成點(diǎn)到點(diǎn)的任務(wù)動(dòng)作，對(duì)于外部參數(shù)變化的物體搬運(yùn)操作則顯得無能為力［1］。在這種情況下，為保證機(jī)器人順利高效地完成工作任務(wù)和減少生產(chǎn)準(zhǔn)備時(shí)間，引入機(jī)器視覺技術(shù)來實(shí)現(xiàn)對(duì)工作目標(biāo)物體的識(shí)別和定位就顯得尤為重要［2］。

在現(xiàn)代自動(dòng)化生產(chǎn)過程中，計(jì)算機(jī)視覺技術(shù)正成為一種保證產(chǎn)品質(zhì)量和提高生產(chǎn)效率的關(guān)鍵技術(shù)手段，如實(shí)現(xiàn)智能機(jī)器人的控制、對(duì)機(jī)械零件的自動(dòng)加工和檢測及柔性生產(chǎn)線的自動(dòng)監(jiān)控等［3］。本文針對(duì)生產(chǎn)線上的工業(yè)機(jī)器人控制系統(tǒng)進(jìn)行開發(fā)設(shè)計(jì)，將計(jì)算機(jī)視覺技術(shù)應(yīng)用于搬運(yùn)工業(yè)機(jī)器人的工作領(lǐng)域，利用機(jī)器視覺技術(shù)獲取工件及其周圍環(huán)境的信息，從中識(shí)別出目標(biāo)物體，并做出決策來引導(dǎo)工業(yè)機(jī)器人完成對(duì)目標(biāo)物體的抓取、放置等操作。該實(shí)驗(yàn)使用的設(shè)備為Tripod機(jī)器人，即通常所說的Delta機(jī)器人，在包裝機(jī)械等拾取動(dòng)作方面有很大應(yīng)用。該機(jī)器人的整體機(jī)械部分和控制系統(tǒng)、運(yùn)動(dòng)控制系統(tǒng)及軟件平臺(tái)均由B＆R提供，如圖1所示。

1 圖像采集與透視變換

采集圖像時(shí)，需要安裝攝像頭對(duì)工作平臺(tái)進(jìn)行拍照。本文所研究的”Pick＆Place”平臺(tái)主要由三部分組成：內(nèi)圓、外環(huán)和三種幾何體（三角、圓形、星形各3個(gè)）。選取合適的角度對(duì)當(dāng)前操作平臺(tái)的擺放狀態(tài)進(jìn)行拍攝，獲取工作平臺(tái)的側(cè)拍圖。

側(cè)拍得到的圖片由于圖像畸變，因而需要變換操作，方便后續(xù)處理，在此，筆者采用透視變換技術(shù)［4］。透視變換是將圖片投影到一個(gè)新的視平面，也稱作投影映射。通過在平臺(tái)合適位置標(biāo)定正方形的4個(gè)點(diǎn)，構(gòu)造相應(yīng)的變換矩陣，實(shí)現(xiàn)四邊形到正方形的變換，進(jìn)而完成畸變圖形的矯正［5］，原理如圖2所示，實(shí)驗(yàn)結(jié)果如圖3所示。

圖2 投影變換原理示意

圖3 圖像采集

2 預(yù)處理及邊緣輪廓的提取

若要提取目標(biāo)圖像輪廓，就必須將采集到的彩色圖片進(jìn)行預(yù)處理，通過灰度化、高斯濾波、二值化，去除圖像中的噪聲、光照影響，處理結(jié)果如圖4所示。灰度圖像的描述同樣反映了圖像整體和局部的色度及亮度等級(jí)的分布和特征。高斯濾波是一種線性平滑濾波，適用于消除高斯噪聲，廣泛應(yīng)用于圖像處理的減噪過程，高斯濾波在濾去噪聲的同時(shí)能更好地保護(hù)圖像邊緣信息［6］。對(duì)圖像進(jìn)行二值化處理，是為了在盡量保留原圖特征的前提下去掉冗余信息。一方面可以減少存儲(chǔ)空間、提高處理速度；另一方面可以更容易獲得平臺(tái)圖像的位置和大小等幾何特征信息。

邊緣的一個(gè)特性是在目標(biāo)圖像輪廓交界處像素變化較為平滑，而在垂直于邊緣點(diǎn)切線的方向上像素變化梯度較大。Canny邊緣檢測先求x和y方向上的一階導(dǎo)數(shù)，進(jìn)而組合成4個(gè)方向的導(dǎo)數(shù)，由局部最大值確定邊緣候選點(diǎn)，再通過閾值法得到物體邊緣的最優(yōu)檢測，所得的邊緣較為平滑且定位精度高［7］。

圖4 預(yù)處理及邊緣輪廓的提取

3 幾何體形狀檢測及定位

3.1 Hough變換檢測圓形幾何體

Hough圓檢測的核心思想：垂直于圓邊界點(diǎn)的垂線最終會(huì)通過圓心。因此，如果沿圓的邊緣畫出每個(gè)邊界點(diǎn)的垂線，就會(huì)在圓心上得到一個(gè)“亮點(diǎn)”，即眾多垂線重疊最嚴(yán)重的地方。在坐標(biāo)平面上確定一個(gè)圓需要3個(gè)參數(shù)——圓的半徑、圓心的x軸坐標(biāo)和y軸坐標(biāo)，因而圓的Hough變換是一個(gè)以圓的半徑和圓心坐標(biāo)為參數(shù)的三維空間。

本文采用快速Hough圓檢測方法。首先，采用基于（a，b）空間累加的圓心檢測算法，完成圓心的定位；然后，采用基于r空間累加的半徑計(jì)算方法，計(jì)算圓的半徑［8］。

利用OpenCV中Hough變換檢測圓的函數(shù)cvHoughCircles，采用快速Hough圓檢測以及設(shè)置函數(shù)中圓的半徑參數(shù)，就可以對(duì)圖像中的小圓進(jìn)行檢測。

利用Hough函數(shù)檢測圓形幾何體的結(jié)果如圖5所示?？梢钥吹剑琀ough變換檢測得到的圓心并不準(zhǔn)確，存在一定的偏差。

圖5 Hough變換檢測圓的結(jié)果

根據(jù)粗定位得到的6個(gè)圓心坐標(biāo)，依次從原圖中截取ROI，ROI是一個(gè)長寬為檢測圓直徑2倍的正方形，如圖6所示。利用上一節(jié)所提到的方法進(jìn)行精定位，最終可以得到精確定位后的平臺(tái)中心點(diǎn)坐標(biāo)。

圖6 根據(jù)粗定位坐標(biāo)點(diǎn)提取的ROI區(qū)域

圖6中，平臺(tái)內(nèi)環(huán)的3個(gè)圓孔是外環(huán)圓形幾何體放置的地方。Hough變換檢測圓，并不能區(qū)分是外環(huán)圓形幾何體還是內(nèi)圓圓形的孔位。所以，需要通過計(jì)算圓心與平臺(tái)中心點(diǎn)的距離將兩者區(qū)分開來。得到距離數(shù)組后，用函數(shù)sort（）對(duì)距離進(jìn)行從小到大排序，數(shù)組中的前3個(gè)即是內(nèi)環(huán)的圓形孔位，后3個(gè)即是外環(huán)的圓形幾何體。

3.2 檢測三角形和五角星幾何體

得到內(nèi)環(huán)圓形孔位和外環(huán)圓形幾何體的中心點(diǎn)坐標(biāo)后，由于其他孔位也是均勻分布在圓形平臺(tái)上，可以通過坐標(biāo)旋轉(zhuǎn)的方法，初步得到三角形和星形孔位及幾何體的中心點(diǎn)坐標(biāo)。

ROI范圍的確定：以粗定位的中心坐標(biāo)為原點(diǎn)，向上下左右四個(gè)方向延伸0.6倍的外接圓直徑距離。若觸碰到圖像邊界，則選取圖像邊界為ROI的邊界［9］。

對(duì)中心點(diǎn)的像素值RGB進(jìn)行采樣，以該點(diǎn)的顏色向量作為前景顏色的參考標(biāo)準(zhǔn)。設(shè)定分割的閾值為50，采用距離分類器，距離采用歐式距離。對(duì)距離小于50的像素點(diǎn)認(rèn)為是前景，設(shè)定為白色；反之則設(shè)定為黑色。

目標(biāo)物邊緣的提取采用Canny算子，進(jìn)行邊緣檢測，結(jié)果如圖7所示。

因?yàn)閹缀误w都是中心對(duì)稱的，所以可以采用求物體邊緣像素點(diǎn)平均的方法，來對(duì)幾何體進(jìn)行精確定位。

圖7 根據(jù)粗定位坐標(biāo)點(diǎn)提取的ROI區(qū)域邊緣檢測結(jié)果

采用OpenCV中cvHoughLines2函數(shù)來檢測線段［10］。設(shè)置param1為外接圓的半徑（R＝檢測圓直徑／2.0），即最短線段的長度。根據(jù)這個(gè)閾值，可以用來區(qū)分三角形和五角星。如圖8所示，三角形的邊長大于R，星形的邊長小于R。

圖8 三角形和星形的外接圓示意

筆者認(rèn)為檢測到兩條及以上長度大于R的線段，則認(rèn)為該幾何體為三角形，否則認(rèn)為它為星形。根據(jù)該判斷準(zhǔn)則，可以將兩者進(jìn)行區(qū)分。

4 幾何體的顏色識(shí)別及旋轉(zhuǎn)角度計(jì)算

4.1 顏色識(shí)別

提取幾何體的精定位中心點(diǎn)相應(yīng)的RGB分量值，判斷每個(gè)點(diǎn)三分量數(shù)值，運(yùn)用OpenCV中cvMat函數(shù)確定其顏色。RGB三分量值構(gòu)成三維數(shù)組，橙色R分量值較高，藍(lán)色B分量值較高，黃色R和G分量值較高，由此便實(shí)現(xiàn)了幾何體顏色的劃分。

4.2 旋轉(zhuǎn)角度計(jì)算

三種形狀的幾何體中，圓形是不需要調(diào)整角度的。對(duì)于三角形和星形，選取其最高點(diǎn)，過最高點(diǎn)和中心點(diǎn)做一條線段，該線段與坐標(biāo)系中y軸的夾角即為旋轉(zhuǎn)角度值。如圖9所示，夾角t即為所需旋轉(zhuǎn)的角度值。

根據(jù)上述原理，首先確定各幾何體的ROI范圍，然后進(jìn)行圖像分割和邊緣檢測，得出圖形輪廓后計(jì)算旋轉(zhuǎn)角度，若順時(shí)針旋轉(zhuǎn)為正值，逆時(shí)針旋轉(zhuǎn)則為負(fù)值。

圖9 三角形和星形的旋轉(zhuǎn)角度選取原理

5 結(jié)束語

通過實(shí)驗(yàn)研究表明，筆者針對(duì)Tripod機(jī)器人設(shè)計(jì)的圖像處理技術(shù)能夠有效地實(shí)現(xiàn)物體形狀與顏色的識(shí)別，位置與角度的定位，這不但提高了產(chǎn)品的質(zhì)量和生產(chǎn)效率，同時(shí)對(duì)增強(qiáng)工業(yè)機(jī)器人對(duì)環(huán)境的適應(yīng)能力以及拓展機(jī)器人應(yīng)用范圍都具有十分重要的意義。

［1］畢勝.國內(nèi)外工業(yè)機(jī)器人的發(fā)展現(xiàn)狀［J］.機(jī)械工程師，2008（07）：5－7.

［2］謝中壵.未來兩年全球工業(yè)機(jī)器人產(chǎn)業(yè)發(fā)展預(yù)測研究［C］／／先進(jìn)制造與數(shù)據(jù)共享國際研討會(huì)論文集.北京，2007.

［3］黃文清，汪亞明，周志宇.計(jì)算機(jī)視覺技術(shù)在工業(yè)領(lǐng)域中的應(yīng)用［J］.浙江工程學(xué)院學(xué)報(bào)，2002，19（02）：92－96.

［4］CHAUMETTE F，MALIS E.2D1／2Visual Servoing：A Possible Solution to Improve Image－based and Position－based Visual Servoings ［C］／／IEEE International Conference on Robotics and Automation.San Francisco，2000：630－635.

［5］HARTLEY R，ZISSERMAN A.Multiple View Geometry in Computer Vision ［M］.Cambridge： Cambridge University Press，2004.

［6］李惠芬，蔣向前，李柱.高斯濾波穩(wěn)健性能的研究與改進(jìn)［J］.儀器儀表學(xué)報(bào)，2004，25（05）：633－637.

［7］陳若珠，薛彪.基于Matlab的改進(jìn)Canny算子的圖像邊緣檢測研究［J］.工業(yè)儀表與自動(dòng)化裝置，2014（04）：113－116.

［8］BRADSKI G，KAEHLER A.學(xué)習(xí)OpenCV ［M］.于仕琪，劉瑞禎，譯.北京：清華大學(xué)出版社，2009.

［9］張錚，王艷萍，薛桂香.數(shù)字圖像處理與機(jī)器視覺［M］.北京：人民郵電出版社，2010.

［10］LAGANIERE R.OpenCV2計(jì)算機(jī)視覺編程手冊［M］.張靜，譯.北京：科學(xué)出版社，2013.