機(jī)器人裝配中的視覺引導(dǎo)定位技術(shù)研究*

鄭魁敬　潘春瑩　許　斐

(①燕山大學(xué)先進(jìn)鍛壓成形技術(shù)與科學(xué)教育部重點(diǎn)實(shí)驗(yàn)室，河北 秦皇島 066004；②燕山大學(xué)河北省并聯(lián)機(jī)器人與機(jī)電系統(tǒng)實(shí)驗(yàn)室，河北 秦皇島 066004)

?

機(jī)器人裝配中的視覺引導(dǎo)定位技術(shù)研究*

鄭魁敬①②潘春瑩①②許斐①②

(①燕山大學(xué)先進(jìn)鍛壓成形技術(shù)與科學(xué)教育部重點(diǎn)實(shí)驗(yàn)室，河北 秦皇島 066004；②燕山大學(xué)河北省并聯(lián)機(jī)器人與機(jī)電系統(tǒng)實(shí)驗(yàn)室，河北 秦皇島 066004)

機(jī)器視覺技術(shù)在工業(yè)自動化中的應(yīng)用日趨廣泛，在機(jī)器人裝配過程中應(yīng)用視覺技術(shù)可以提高裝配的自動化程度。以花鍵軸套為研究對象，根據(jù)花鍵區(qū)域和非花鍵區(qū)域的明暗區(qū)別，采用區(qū)域生長的方法對花鍵區(qū)域進(jìn)行提取。分析確定花鍵的幾何特征點(diǎn)，利用雙目測量模型進(jìn)行三維測量，基于特征點(diǎn)進(jìn)行圖像匹配實(shí)現(xiàn)花鍵的精確定位。根據(jù)花鍵間隙進(jìn)行花鍵對準(zhǔn)檢測，判別花鍵軸套的對準(zhǔn)情況。由相機(jī)成像模型確定間隙所在像素區(qū)域，并作為檢測窗口實(shí)現(xiàn)花鍵的對準(zhǔn)。通過實(shí)驗(yàn)驗(yàn)證視覺引導(dǎo)定位技術(shù)在機(jī)器人裝配中的可行性。

機(jī)器視覺；區(qū)域生長；幾何特征點(diǎn)；雙目測量；圖像匹配

在機(jī)器人裝配中，視覺系統(tǒng)作為機(jī)器人的“眼睛”，具有十分重要的作用，可以進(jìn)行裝配環(huán)境中的障礙檢測、工件識別、工件測量、工件姿態(tài)檢測、工件相對位置檢測等[1-2]。在機(jī)器視覺研究領(lǐng)域，通過分析圖像完成對物體的識別是一個重要的方向，新的理論和方法不斷被提出來解決工程實(shí)際問題。張昱[3]在提取采集圖像的特征后，對特征數(shù)據(jù)建立了粒子群優(yōu)化的最小二乘支持向量機(jī)識別模型，獲得了很好的識別效果。段喜萍[4]利用圖像中的文本信息輔助圖像識別，提高了識別性能。王鵬[5]基于模糊理論提出了一種焊縫缺陷的自動識別檢測方法，具有較好的實(shí)用性。申曉霞[6]提出了RGB圖像和深度圖像有效融合并結(jié)合SVM分類器的行為識別算法，具有很好的魯棒性和區(qū)分性。張旭蘋[7]將相位一致性變換與極線約束條件用于結(jié)構(gòu)光光條中心的提取,顯著提高了圖像分析的精度，有效保證了大尺度條件下的測量精度。周佳濤[8]針對金屬工件有強(qiáng)反射的特點(diǎn)，設(shè)計了一種基于視覺測量的工件二維檢測系統(tǒng)，具有實(shí)時、非接觸、快速、高精度的優(yōu)點(diǎn)。趙振慶[9]針對直線特征,提出了基于兩條垂直直線特征雙目視覺位姿測量解析算法，該方法計算簡單，精度較好。視覺定位測量具有非接觸、動態(tài)響應(yīng)快、大量程、高效率、全自動等優(yōu)點(diǎn)，在機(jī)械制造加工領(lǐng)域有很好的實(shí)用性。

本文將機(jī)器視覺技術(shù)與花鍵軸套的檢測和定位相結(jié)合，實(shí)現(xiàn)對花鍵套的位置感知、識別和測量，以達(dá)到內(nèi)、外花鍵的裝配對準(zhǔn)。首先基于標(biāo)志圖標(biāo)目標(biāo)所在區(qū)域的尋找方法，完成輪廓的提取和匹配；其次采用區(qū)域生長的分離方法對內(nèi)花鍵進(jìn)行分離識別，實(shí)現(xiàn)圖像的匹配，完成內(nèi)花鍵的測量；然后分析內(nèi)外花鍵的對準(zhǔn)情況，以花鍵軸與孔的間隙作為檢測依據(jù)，實(shí)現(xiàn)內(nèi)、外花鍵對準(zhǔn)的檢測和校正；最后通過實(shí)驗(yàn)進(jìn)行驗(yàn)證。

1　花鍵套的花鍵提取

1.1花鍵軸套模型

花鍵軸和花鍵套如圖1所示，花鍵軸孔的鍵齒數(shù)為8，8個花鍵成軸對稱均勻分布。

花鍵套區(qū)域劃分如圖2所示，圓1為花鍵套圓柱部分外徑，圓2為花鍵外徑圓，圓3為花鍵內(nèi)徑圓。從所劃分的區(qū)域機(jī)構(gòu)看，與花鍵的外形檢測密切相關(guān)的區(qū)域?yàn)閳A2和圓3之間的區(qū)域。

花鍵套可分為圓柱內(nèi)區(qū)域和圓柱外區(qū)域，圓柱內(nèi)區(qū)域包括花鍵孔，圓柱外區(qū)域主要為花鍵套底座等部分?？蓪A柱內(nèi)區(qū)域分為花鍵內(nèi)區(qū)和外區(qū)，如圖3所示。

1.2基于區(qū)域生長的花鍵區(qū)域提取

區(qū)域生長的基本依據(jù)為屬于同一個物體區(qū)域內(nèi)的像素有相似的性質(zhì)，依據(jù)該特性對像素點(diǎn)進(jìn)行聚集，最終實(shí)現(xiàn)區(qū)域的分割。

首先在需要分離的區(qū)域選取一個或一系列像素點(diǎn)作為生長的原始點(diǎn)，然后制定一個判別準(zhǔn)則對初始點(diǎn)一定范圍內(nèi)的點(diǎn)進(jìn)行判斷，將所有滿足條件的點(diǎn)標(biāo)記為該區(qū)域，再對新標(biāo)記點(diǎn)附近的點(diǎn)根據(jù)所制定的判別準(zhǔn)則進(jìn)行一次判斷，將滿足條件的點(diǎn)標(biāo)記，重復(fù)執(zhí)行以上的步驟直到不再有新的標(biāo)記點(diǎn)或者所有的圖像點(diǎn)均被遍歷到為止。最終將得到依據(jù)原始種子點(diǎn)而生長的相似區(qū)域。

區(qū)域生長算法步驟如下：

(1)獲取感興趣區(qū)域圖像I，定義與圖像I大小相同的標(biāo)記圖像V1用于標(biāo)記連通區(qū)。定義隊列B用于存儲標(biāo)記點(diǎn)，即標(biāo)記點(diǎn)的像素坐標(biāo)(x,y)。將選定的初始點(diǎn)作為標(biāo)記點(diǎn)放入設(shè)置的隊列B中。

(2)若隊列B不為空，標(biāo)記點(diǎn)出列。將標(biāo)記點(diǎn)對應(yīng)標(biāo)記圖像上的像素點(diǎn)設(shè)置為標(biāo)記色。

(3)對于標(biāo)記點(diǎn)在灰度圖像上的4個連通區(qū)用生長準(zhǔn)則進(jìn)行判別。

(4)轉(zhuǎn)到步驟(2)，直至隊列B為空。

區(qū)域生長算法流程如圖4所示。

如圖5所示，對鍵槽區(qū)域進(jìn)行了準(zhǔn)確提取，黑色區(qū)域?yàn)榛ㄦI內(nèi)區(qū)域，提取效果很好。

2　花鍵的立體測量

2.1花鍵關(guān)鍵點(diǎn)確定

由于花鍵的輪廓特征明顯，對于匹配有較好的約束，因而采用基于特征的匹配策略。如圖6所示，整個花鍵區(qū)域可分為圓形基圓區(qū)(淺灰色)和花鍵區(qū)(深灰色)?；ㄦI的特征點(diǎn)選取可以分為基圓部分特征點(diǎn)和花鍵部分特征點(diǎn)。

基圓的主要的幾何特征為圓心和半徑，在圖像中選取其圓心點(diǎn)作為特征點(diǎn)。對于圓心，應(yīng)滿足：使得圓上的點(diǎn)到該圓心O的最小像素距離取得最大值，或使得圓上的點(diǎn)到圓心O的最大像素距離取得最小值。由于在區(qū)域生長中花鍵區(qū)提取完整，故采用使得圓上的點(diǎn)到圓心O的最大像素距離取得最小值原則進(jìn)行計算。

(1)

該算法可以準(zhǔn)確提取出花鍵的中心點(diǎn)，再對花鍵區(qū)域進(jìn)分析，利用幾何方法分離出花鍵區(qū)并進(jìn)行特征點(diǎn)的提取。

輪廓點(diǎn)li到基圓圓心O的距離為

(2)

屬于基圓區(qū)的輪廓點(diǎn)到圓心的距離為di，可表示為輪廓上點(diǎn)到圓心的最大距離。屬于花鍵區(qū)的輪廓點(diǎn)到圓心的距離小于di但大于或等于dj，dj可以表示為輪廓上點(diǎn)到圓心的最小距離。依據(jù)輪廓上的點(diǎn)到基圓圓心的距離d，對花鍵區(qū)和基圓區(qū)進(jìn)行劃分，劃分的閾值dΩ可取為

dΩ=di+α(dj-di);di=max(d(i)),dj=min(d(i))

(3)

式(3)中α為權(quán)值，取值范圍為0～1?；ㄦI輪廓點(diǎn)中di小于等于dΩ的輪廓點(diǎn)屬于基圓區(qū)，大于dΩ的輪廓點(diǎn)屬于花鍵區(qū)。

依據(jù)花鍵輪廓特征，輪廓中屬于花鍵區(qū)域的輪廓點(diǎn)應(yīng)占整個輪廓點(diǎn)的0.6～0.75。以屬花鍵區(qū)域輪廓點(diǎn)所占的比例值為權(quán)值α的取值限定條件，算法流程如圖10。分離出的花鍵區(qū)輪廓幾何模型如圖11。

圖11中b和c點(diǎn)為輪廓的關(guān)鍵點(diǎn)，a和d為輪廓的起始點(diǎn)。以ki表示輪廓上任意一點(diǎn)處的斜率，則所得到的斜率函數(shù)k(i)在點(diǎn)b和點(diǎn)c處會出現(xiàn)極值。根據(jù)斜率的變化可以對應(yīng)關(guān)鍵點(diǎn)b和c進(jìn)行識別。將輪廓由點(diǎn)a到d依次編號為1，…，n，定義任意點(diǎn)i的左右斜率分別為kli和kri，左斜率表示點(diǎn)i編號左邊點(diǎn)的斜率值，右斜率表示點(diǎn)i編號右邊點(diǎn)的斜率值。計算左右斜率之間的夾角φ對點(diǎn)i是否為關(guān)鍵點(diǎn)進(jìn)行判別。

關(guān)鍵點(diǎn)判別在圖12中7×7像素模板內(nèi)進(jìn)行。

將在輪廓上所需遍歷的任意像素點(diǎn)i作為模板中的中心點(diǎn)P，以中心點(diǎn)P為分界，將模板內(nèi)的像素點(diǎn)分為兩個部分，分別如圖12中的淺灰色和深灰色所表示像素。二者分別組成點(diǎn)i左邊相關(guān)線段ll和右邊相關(guān)線段lr。

根據(jù)線段ll和線段lr上的像素點(diǎn)進(jìn)行擬合得出各自的斜率kli和kri，最終計算出兩線段之間夾角φ。選定夾角的取值范圍Tφ，以此對各點(diǎn)進(jìn)行判斷，得到關(guān)鍵點(diǎn)集合ηp。集合ηp所包含的元素個數(shù)可能大于2個，因此需要對關(guān)鍵點(diǎn)進(jìn)行進(jìn)一步選取。

花鍵區(qū)輪廓模型中，花鍵的輪廓由3條線段ab、bc和cd組成。在集合ηp中選取2個點(diǎn)分別作為關(guān)鍵點(diǎn)b和c,在選取過程中選取的2個關(guān)鍵點(diǎn)的限定條件為編號差值大于7，以減少2個關(guān)鍵點(diǎn)的組合數(shù)增加計算效率。由a、b、c、d4個點(diǎn)得到3個線段的方程fa(x,y)，fb(x,y)和fc(x,y)。

依據(jù)輪廓點(diǎn)的編號將輪廓點(diǎn)分為3類，編號在a到b之間屬于A類，編號在b到c之間屬于B類，編號在c到d之間屬于C類。以Sa(i)，Sb(i)和Sc(i)分別表示任一點(diǎn)到直線ab，bc和cd的距離，以S表示A類點(diǎn)到直線ab距離，B類點(diǎn)到直線bc距離以及C類點(diǎn)到直線cd距離的總和

S=∑Sa(m)+∑Sb(n)+∑Sc(k);

m∈A,n∈B,k∈C

(4)

當(dāng)總距離S取得最小值時，所得關(guān)鍵點(diǎn)b、c即為最優(yōu)。

所研究的花鍵軸套有8個鍵，因此在左右圖像中分別可以有8組關(guān)鍵點(diǎn)。如圖13中白色點(diǎn)為提取的花鍵關(guān)鍵點(diǎn)。

2.2立體測量

在相機(jī)模型中存在3種坐標(biāo)：相機(jī)坐標(biāo)系、像平面坐標(biāo)系和實(shí)物坐標(biāo)系。

一般情況下立體測量采用左右雙目模式,左相機(jī)坐標(biāo)系為o-xyz，與世界坐標(biāo)系重合，左相機(jī)圖像坐標(biāo)系為Ol-XlYl，焦距為fl。右相機(jī)坐標(biāo)系為or-xryrzr，圖像坐標(biāo)系為Or-XrYr，右相機(jī)焦距為fr。左、右相機(jī)分別有如下的關(guān)系式

(5)

左右相機(jī)坐標(biāo)系之間的轉(zhuǎn)換關(guān)系可以由空間轉(zhuǎn)換矩陣Mlr來表示

(6)

式(6)中，R和T分別為o-xyz和or-xryrzr坐標(biāo)系之間的旋轉(zhuǎn)矩陣和平移變換向量。

由式(5)和式(6)可得到如下關(guān)系式

(7)

可得到空間點(diǎn)在o-xyz坐標(biāo)系的三維坐標(biāo)為

(8)

將立體匹配中所得到的匹配特征點(diǎn)分別計算，得到花鍵各個特征點(diǎn)在三維坐標(biāo)下的坐標(biāo)值，最終確定花鍵的整體位置和鍵槽的位置。

如圖14所示為左右圖像特征點(diǎn)的匹配圖，左右圖像的特征點(diǎn)準(zhǔn)確地進(jìn)行了一一對應(yīng)匹配。

對特征點(diǎn)進(jìn)行三維坐標(biāo)的計算得到部分的特征點(diǎn)數(shù)據(jù)，如表1所示。表1中特征點(diǎn)的像素坐標(biāo)以及相機(jī)坐標(biāo)的定位數(shù)據(jù),ul、vl為左像素坐標(biāo)，ur、vr為右像素坐標(biāo)，x、y、z為世界坐標(biāo)?；ㄦI尺寸和位置平均誤差在0.5mm內(nèi)，在從遠(yuǎn)處接近過程中，精度會漸漸提高，可滿足實(shí)際需要。

表1特征點(diǎn)數(shù)據(jù)

特征點(diǎn)ul/像素vl/像素ur/像素vr/像素x/mmy/mmz/mm11852322112152837.78-37.91202.2022008387127559147.9-33.64202.0232090472136367953.66-28.34202.642154625149182963.39-20.05201.7852157745141694657.16-10.27202.47620978991355110553.25-0.32202.35720169861269119247.775.2201.688186210511113125537.749.34201.5591801688106089234.08-13.92202.00

3　花鍵的對準(zhǔn)檢測

花鍵軸套之間的間隙由于光線被遮擋會產(chǎn)生暗區(qū)，相對于花鍵軸和花鍵套有較好的區(qū)分度，如圖15所示。分析對準(zhǔn)過程間隙變化情況，得到對準(zhǔn)程度和間隙之間的關(guān)系。

花鍵對準(zhǔn)過程的模型如圖16所示。淺灰為花鍵套，深灰為花鍵軸?；ㄦI未對準(zhǔn)時軸上的花鍵與孔內(nèi)的花鍵之間存在著間隙，如圖16中黑色區(qū)域所示。當(dāng)花鍵完全對準(zhǔn)時應(yīng)如圖17所示，軸上的花鍵與孔內(nèi)的花鍵之間的間隙消失。

由于花鍵存在的對稱性，8個花鍵的間隙情況相同，選取2個花鍵進(jìn)行間隙的檢測，如圖18所示，黑色區(qū)域?yàn)殚g隙所產(chǎn)生的區(qū)域，該區(qū)域?yàn)榛ㄦI軸的大徑D、小徑d和花鍵的輪廓所圍成的區(qū)域。當(dāng)花鍵未對準(zhǔn)時，黑色區(qū)域的部分區(qū)域顯示為白色如圖19。當(dāng)對準(zhǔn)時則不存在白色區(qū)域，以該區(qū)域作為檢測窗口判斷花鍵是否已經(jīng)對齊。

根據(jù)間隙區(qū)域存在與否可對花鍵的對準(zhǔn)進(jìn)行判斷，當(dāng)未對準(zhǔn)時，需對花鍵軸進(jìn)行姿態(tài)調(diào)整。

如圖20 中所示，點(diǎn)e1和e2為間隙在花鍵軸的大徑上的兩個端點(diǎn)，點(diǎn)o為圓心。大徑的長度為D，角度u為線oe1和oe2之間的夾角。

根據(jù)幾何關(guān)系可以得到角度u表示為

(9)

由式(9)計算出的角度u表示花鍵軸和孔所相差的角度。點(diǎn)e1和e2均為間隙的角點(diǎn)，間隙區(qū)域的角點(diǎn)數(shù)為4，由角點(diǎn)檢測可檢測出間隙區(qū)域的角點(diǎn)，由e1和e2在大徑上的幾何特征可知其像素坐標(biāo)在大徑附近，從圖像中判別出這兩點(diǎn)，從而得到兩點(diǎn)的像素坐標(biāo)。再根據(jù)相機(jī)成像模型可計算出其在相機(jī)坐標(biāo)系下的坐標(biāo)值。線段e1e2的像素長度值便可由二者的像素坐標(biāo)值可直接計算出。根據(jù)計算出的角度值，可對花鍵軸的姿態(tài)進(jìn)行調(diào)整，使其繞中心向使角度u減小的方向按一定的步長進(jìn)行旋轉(zhuǎn)，當(dāng)間隙區(qū)域足夠小甚至消失時則花鍵已經(jīng)對準(zhǔn)，其流程如圖21，圖像處理結(jié)果如圖22所示。

圖22中，斜線框區(qū)域?yàn)樽R別的間隙區(qū)，當(dāng)依據(jù)對間隙區(qū)域的計算轉(zhuǎn)動花鍵軸時，間隙區(qū)域逐漸減小，花鍵逐漸對準(zhǔn)，直至最終間隙消失，花鍵實(shí)現(xiàn)對準(zhǔn)。圖22a～d，依據(jù)間隙的特征點(diǎn)計算出的偏移度大小的變化，確定出調(diào)整的方向，斜線框區(qū)域越來越小，花鍵越來越接近對準(zhǔn)狀態(tài)，最終斜線框區(qū)域消失，花鍵實(shí)現(xiàn)對準(zhǔn)。

4　實(shí)驗(yàn)

應(yīng)用雙目視覺系統(tǒng)對花鍵進(jìn)行定位測量，引導(dǎo)ABB機(jī)器人對花鍵裝配進(jìn)行引導(dǎo)。引導(dǎo)過程如圖23所示，圖23a為引導(dǎo)花鍵末端接近過程中的圖像，圖23b為實(shí)現(xiàn)裝配引導(dǎo)的圖像。

引導(dǎo)過程中利用視覺系統(tǒng)先計算出花鍵套的三維位置姿態(tài)信息，將信息實(shí)時傳入ABB機(jī)器人控制器，控制器根據(jù)提供的信息驅(qū)動花鍵軸運(yùn)動?；ㄦI軸套裝配過程中部分的引導(dǎo)數(shù)據(jù)如表2。

表2引導(dǎo)數(shù)據(jù)

數(shù)據(jù)x/mmy/mmz/mmX/mmY/mmZ/mm129.1226.3172.7725.5429.7782.36224.7222.0650.7322.1819.9255.50316.1317.2442.9614.7815.6640.1145.137.8711.634.778.5510.92

表2中數(shù)據(jù)為在引導(dǎo)接近工件過程中的4個不同時間段的數(shù)據(jù)，后一個時間段比前一個時間段更接近目標(biāo)點(diǎn)。表2中x、y、z值為依據(jù)在一個時間段內(nèi)視覺測量的機(jī)器人末端移動的距離，X、Y、Z同一時間段內(nèi)ABB機(jī)器人記錄的末端移動距離。

表2中x、y、z相對于X、Y、Z的相對誤差如表3所示。

表3相對誤差

數(shù)據(jù)x向相對誤差/(%)y向相對誤差/(%)z向相對誤差/(%)114.0211.6211.64211.4510.748.5939.138.767.1047.557.956.51

可以看出在接近目標(biāo)的過程中，x、y、z的誤差逐漸減小，在近距離下精度較高。

5　結(jié)語

運(yùn)用機(jī)器視覺實(shí)現(xiàn)了花鍵軸套的位置感知、花鍵的識別和測量以及內(nèi)、外花鍵的對準(zhǔn)監(jiān)測?；趨^(qū)域生長的分離識別方法，準(zhǔn)確實(shí)現(xiàn)了花鍵區(qū)域的提取。依據(jù)幾何特征點(diǎn)的圖像匹配策略，得到了很好的匹配效果，提高了雙目視覺定位的精度。依據(jù)花鍵間隙的檢測方法，完成了花鍵對準(zhǔn)檢測，減少了花鍵在未對準(zhǔn)情況下調(diào)整的盲目性。視覺引導(dǎo)定位技術(shù)可在機(jī)器人裝配等柔性智能自動化作業(yè)中起到良好的作用。

[1]張建忠, 何永義, 李軍. 機(jī)器人裝配視覺定位應(yīng)用研究[J]. 機(jī)電工程, 2011, 28(8):934-937.

[2]郭瑞, 劉振國. 基于視覺的裝配機(jī)器人精確定位研究[J]. 制造業(yè)自動化, 2014, 36(10):154-156.

[3]張昱, 陳光黎. 基于最小二乘支持向量機(jī)的機(jī)器視覺識別方法[J]. 測控技術(shù), 2011, 30(7):97-100.

[4]段喜萍, 劉家鋒. 一種語義級文本協(xié)同圖像識別方法[J]. 哈爾濱工業(yè)大學(xué)學(xué)報, 2014, 46(3):49-53.

[5]王鵬, 王婧. 基于模糊理論的焊縫缺陷圖像識別算法研究[J]. 科學(xué)技術(shù)與工程, 2013, 13(19):5520-5523.

[6]申曉霞, 張樺. 基于深度信息和RGB圖像的行為識別算法[J]. 模式識別與人工智能, 2013, 26(8):722-728.

[7]張旭蘋, 汪家其. 大尺度三維幾何尺寸立體視覺測量系統(tǒng)實(shí)現(xiàn)[J]. 光學(xué)學(xué)報, 2012, 32(3):140-147.

[8]周加濤, 鄧文怡. 一種基于視覺測量技術(shù)的復(fù)雜工件檢測系統(tǒng)[J]. 北京信息科技大學(xué)學(xué)報, 2010, 25(1):34-37.

[9]趙振慶, 葉東. 垂直直線特征的雙目視覺位姿測量方法[J]. 光學(xué)學(xué)報, 2014, 34(10):185-197.

(編輯李靜)

如果您想發(fā)表對本文的看法，請將文章編號填入讀者意見調(diào)查表中的相應(yīng)位置。

Visual guiding and positioning technology of robotic assembly

ZHENG Kuijing①②, PAN Chunying①②, XU Fei①②

(①Key Laboratory of Advanced Forging&Stamping Technology and Science,Yanshan Universtiy, Qinhuangdao 066004, CHN；②Hebei Provincial Key Laboratory of Parallel Robot and Mechatronic System, Yanshan University，Qinhuangdao 066004, CHN)

The application of machine vision technology in industrial automation becomes more widespread. The vision technology in robotic assembly can improve the automation of assembly. The spline shaft and sleeve are studied. Depending on the brightness difference between the spline area and non-spline area, the regional growth method is used to extract the spline area. The geometric feature points of the spline are determined and the three-dimensional measurement is achieved based on the binocular model. Using the image matching method based on feature points, the precise positioning of spline can be achieved. The detecting alignment of spline shaft and sleeve is realized based on spline gap to discriminate the alignment. The pixel area of gap determined by the camera′s imaging model is used as detection window and the alignment can be achieved. The feasibility of the visual guiding and positioning technology in robotic assembly is verified by the experiment.

machine vision; regional growth; geometrical feature points; binocular measurement; image matching

TP242.6

A

鄭魁敬,男,1971年生，副教授，主要從事機(jī)器人技術(shù)研究，已發(fā)表論文30篇。

2015-08-26)

160321

*國家自然科學(xué)基金資助項(xiàng)目(51275439)