基于工業(yè)機器人的汽車輪轂表面缺陷的視覺檢測系統(tǒng)設計

宋 輝，李 釗

(沈陽工業(yè)大學信息科學與工程學院，沈陽 110870)

0 引言

近年來，隨著我國現(xiàn)代工業(yè)自動化智能產業(yè)的快速發(fā)展，工業(yè)機器人在汽車生產、零部件搬運、焊接、碼垛等多種場合中被廣泛應用，已成為一種對生產條件和生產環(huán)境適應性和靈活性很強的柔性自動化設備［1-4］。使用工業(yè)機器人代替人工能夠減少勞動力，提高生產效率。機器視覺系統(tǒng)利用相機采集的圖像來認知周圍的環(huán)境信息，這些信息包括物體的位置、形狀和姿態(tài)等等，并且視覺系統(tǒng)以其無接觸、信息量大、檢測范圍廣等特點，為在線生產檢測提供了有效的手段。

由于目前自動化生產線上的大多數工業(yè)機器人仍采用示教再現(xiàn)的工作方式，這種方式需要事先對運動路線進行規(guī)劃和編程，嚴格要求了工件的初始位姿和終止位姿。工業(yè)機器人在檢測時，要求被檢測工件的擺放位置、角度必須一致。但這需要昂貴的機械夾具和固定的裝置，在一定程度上削弱了工業(yè)機器人的高靈活性。而對于傳統(tǒng)的機器視覺來講，一套固定的視覺系統(tǒng)只能采集到固定視野的圖像，對于一些多種規(guī)格、復雜的工件，每次檢測都需要更改相機的位置，甚至需要多臺相機搭配來完成，成本代價高，檢測效率慢。因此將視覺系統(tǒng)與工業(yè)機器人相結合，利用視覺系統(tǒng)的定位信息來引導工業(yè)機器人到相應的位置完成相應的動作，對于提高工業(yè)機器人的智能化水平具有重要意義［5］。

本文針對輪轂這種多規(guī)格、多樣式的復雜工件作為檢測對象，對其表面缺陷進行檢測，由于其外觀形是由多種復雜曲面構成的工件，因此將視覺系統(tǒng)和工業(yè)機器人相結合對不同面上的表面缺陷進行檢測。由于機器人的運動控制為開環(huán)的，經過多次反復運動可能產生累計系統(tǒng)偏差，例如本文所采用的系統(tǒng)為了測試機器人多次運動后是否會還會造成上述所提出的累計誤差，將工件平放的情況下進行了200次測試，其中每10次記錄一次當前的機器人坐標，在實驗過程中，在180次的時候出現(xiàn)了第一次偏差，X軸的數據向左偏移了0.01 mm，進行到200次的時候，Y軸向前偏移了0.01 mm，其它的位置不變。可以看出機器人經過多次重復的運動后會造成一個重復定位誤差，這是不可避免的。而工件缺陷檢測對于目標定位要求高，機器人在重復多次工作后，導致了機器人在初始位置的位置存在偏差，這種偏差導致視覺系統(tǒng)的離位，造成了成像角度和光照角度不理想，使成像系統(tǒng)退化，導致誤檢或漏檢。為了避免機器人的累計偏差給檢測帶來的影響，該文通過對工件目標的圖像特征分析，利用圖像目標的定位不斷校正，來提高定位的準確性。該文對系統(tǒng)搭建的重要部分輪轂初始位置的定位以及定位的準確性進行了實驗驗證。

1 系統(tǒng)結構與原理

視覺檢測系統(tǒng)就是利用工業(yè)相機來代替人眼，將目標物體轉換為圖像信號;用圖像處理軟件來代替大腦，通過數字圖像處理技術來完成識別、檢測、定位等功能。本文的視覺檢測系統(tǒng)主要由以下幾個部分組成:

工業(yè)機器人系統(tǒng):采用的是FANUC ARC MATE OiB系列的六軸工業(yè)機器人，該型號是專門為弧焊應用設計的，采用焊接機器人的原因是視覺系統(tǒng)負重小、不需要與工件相互接觸、造價成本低，且該系列的機器人具有手臂苗條、安裝空間小、機身質量輕 (小于100 kg)、重復定位精度高(±0.08 mm)等特點，適合要求動作精細的作業(yè)。

工業(yè)相機:由于相機固定在機器人末端執(zhí)行器上邊，隨著機器人的轉動而轉動，因此需要采用面陣相機，輪轂缺陷的檢測要求為1 mm，相機的分辨率要求要高于檢測要求，因此選擇對應3個像素，即1 mm對應3個像素。而輪轂的最大直徑為488 mm，以500 mm作為視場范圍，因此相機的分辨率為1 500×1 500像素。本文相機采用的是德國映美精工業(yè)相機 (DMK 23GP031)，它的分辨率為2 592×1 944像素，滿足檢測的精度要求，且相機接口采用GigE接口，GigE的接口的相機傳輸速度快，接線較長，適合遠離機器人的工作區(qū)域進行處理。另外還具備15幀每秒的檢測速度，能夠保證檢測速度，滿足項目檢測需求。

鏡頭:上述所選取的相機的像元尺寸為2.2 μm，分辨率為2 592x1 944，因此相機靶面尺寸為5.038×4.277 mm。相機的光學接口為1/2.5英寸，對應的相機靶面對角線為6.4 mm。但1/2.5英寸接口的鏡頭少，采用2/3英寸鏡頭來替代，它的對角線距離為11 mm能夠覆蓋相機的對角線長度。鏡頭的放大倍率為:

B為相機的靶面長度，A為輪轂的長度。2/3英寸鏡頭的靶面長度為8.8 mm，可以求出對應的目標視場:

遠大于目標的長度，能夠滿足要求。本文的實驗采用的是微圖視覺的定焦鏡頭 (LEM－1216－MP5)，技術參數為:2/3英寸接口，焦距為12 mm，靶面尺寸為8.8x6.6 mm(對角線11 mm)。光圈值F1.6。

PLC:本文采用的是信捷XC系列的PLC。PLC的作用是將機器人到達指定位置時，給PLC一個脈沖信號，PLC將這個脈沖信號發(fā)給相機的外部觸發(fā)，相機開始采集圖像。

本文基于機器視覺建立了一個機器人視覺檢測系統(tǒng)，來實現(xiàn)六軸機器人對輪轂的檢測。視覺檢測系統(tǒng)的工作原理如圖1所示。

圖1 視覺檢測系統(tǒng)的一般原理

待測工件經過圖像輸入設備采集圖像后轉化為圖像信號發(fā)送給計算機中的圖像處理軟件進行一系列的加工處理后，對檢測的結果進行顯示和處理。

本文具體的檢測流程如圖2所示。

圖2 系統(tǒng)檢測流程圖

首先將機器人初始位置所拍攝到的圖像發(fā)送給計算機，計算機通過圖像處理來判斷當前位置是否在機器人運動的初始位置，若不是則計算出與初始位置的偏差，并將這個偏差量發(fā)送給機器人，機器人調節(jié)位置后，再次進行判斷是否在初始位置，不斷重復校正調整，直到調節(jié)到初始位置，機器人開始按照預先設置好的程序進行運動，來對輪轂各部分進行檢測。若和初始位置重合，則直接開始檢測。

2 視覺檢測方案設計

本文針對輪轂面積較大、曲面復雜、規(guī)格多樣的特點，采用Eye－in－Hand式的手眼系統(tǒng)，工業(yè)相機安裝在機器人的末端隨機器人一起運動。機器人在初始位置后，發(fā)送一個下降沿信號給PLC，PLC將這個外部觸發(fā)信號發(fā)送給相機，相機開始采集圖像，并將圖像傳送到計算機進行圖像處理，通過對輪轂圖像特征分析，利用圖像的幾何不變矩特征來算出輪轂氣閥的位置和等價橢圓法求解出氣閥的方向。將求解出的位置信息與機器人設置程序中的氣閥位姿做比較，將偏移量通過機器人配套的通訊軟件發(fā)送到機器人，機器人調整新的運動路徑，開始對輪轂進行缺陷檢測，檢測完成后，機器人回到初始位置開始下一輪的檢測。視覺檢測方案如圖3所示。

圖3 視覺檢測方案

該方案中為了能夠保證后續(xù)檢測的順利進行，必須需要對輪轂的位置進行定位。其定位的流程圖如圖4所示。

圖4 輪轂圖像定位流程圖

定位的具體步驟如下:首先將工業(yè)相機采集到的圖像轉化為圖像信號發(fā)送計算機的圖像處理軟件;通過對采集到的圖像進行預處理 (去噪、圖像分割、數字形態(tài)學處理)等操作，突出圖像中感興趣的區(qū)域，衰弱或者去除無用的信息。其次對預處理后的圖像進一步分析，獲取圖像的特征信息，利用圖像矩具有平移、旋轉和縮放不變性計算出輪轂氣閥的質心位置、長短軸的夾角、縱橫比等矢量信息。最后將計算得到的數據信息通過通訊軟件發(fā)送機器人控制系統(tǒng)，完成后續(xù)的輪轂檢測操作［6-7］。

3 輪轂定位分析

3.1 圖像預處理

視覺系統(tǒng)的定位效果直接影響到工件檢測的結果，由于視覺系統(tǒng)的定位是在圖像處理的基礎上進行的，因此首先需要對輪轂進行圖像預處理。圖像處理的過程就是通過計算機對圖像進行一系列處理，以達到所需目的的過程。

首先將采集到的圖像進行濾波去噪處理，CCD相機在采集圖像的過程中，往往會伴隨著環(huán)境噪聲和隨機噪聲的存在，通過濾波消除噪聲的干擾;其次對圖像進行分割提取感興趣區(qū)域，常見的分割方法有基于閾值的分割方法、基于邊緣的分割方法和基于區(qū)域的分割方法。本文采用閾值分割的方法將圖像轉化為二值圖像;最后通過數字形態(tài)學處理后可以提取分割出想要得到的圖像區(qū)域，通過對目標區(qū)域的圖像特征分析得到輪轂氣閥的質心、角度、縱橫比等特征信息，從而實現(xiàn)對目標的定位［8-10］。

在經過以上幾個部分的圖像預處理，實現(xiàn)了輪轂氣閥的分離，為了得到輪轂氣閥的位置信息，需要對圖像的特征進行分析。圖像特征分析其實就是一個信息提取的過程，從圖像中獲取有用的信息來進行標識和描述。主要的圖像特征圖像的顏色特征、紋理特征和形狀特征。圖像的形狀特征是在物體從圖像分割出來后進行分析，利用不同的特征描述方法來作為區(qū)別不同物體的依據，在機器視覺系統(tǒng)中起著十分重要的作用。用于形狀描述的方法有很多［1112］。形狀描述方法主要分為基于圖像區(qū)域和基于圖像輪廓的描述方法?；趫D像區(qū)域的描述方法是用圖像的全部信息來對圖像進行描述，圖像矩是一個內涵豐富且可減少計算量的特性特征類，用它可以來描述區(qū)域的形狀、大小和位置等特征信息。

3.2 矩特征描述

工件的定位是將目標圖像從背景中分離出來，提取出目標區(qū)域，并計算和標記出目標的質心和方向［13］。識別結果的準確性與定位精度都將對機器人能否成功到位、準確檢測起關鍵作用。本文以輪轂的氣閥作為定位目標，輪轂氣閥是輪轂上固定的一個位置，對于同一種型號的輪轂來講，一旦知道了輪轂的氣閥位置，其它的位置信息就能夠確定下下來。輪轂氣閥的位置由質心確定，求取質心的方法有很多種，如不變矩法、極值法以及零階矩法等。不變矩法［14］因為具有平移、旋轉、縮放不變性，在計算質心坐標時精度較高。本文利用圖像的幾何不變矩［15-16］特征求取區(qū)域的幾何中心 (質心)。而工件的姿態(tài)則由長軸的角度和方向來確定。

對于一幅大小為 (M*N)的數字圖像f(x，y)，則(p+q)階矩定義為:

圖像的零階矩m00(p=0，q=0)表示為區(qū)域密度的總和:

一階矩m10(p=1，q=0)為圖像對y軸的慣性矩，m01(p=0，q=0)為圖像對x軸的慣性矩。

則區(qū)域的質心即區(qū)域灰度中心的坐標為:

中心矩μpq是相對于形心計算的:

它們與區(qū)域的位置無關，它們與矩mpq的關系如下:

則區(qū)域的區(qū)域慣性矩陣J是:

其中二階中心矩μ20，μ02是慣性矩，μ11慣性積。

3.3 等價橢圓法

圖像分析不僅需要知道一幅圖像中物體的具體位置，而且還要知道物體在圖像中的方向。本文利用等價橢圓主軸的方向和夾角來表示輪轂的位姿。等價橢圓是指和區(qū)域具有相同慣性矩陣的橢圓。圖3為橢圓的一般形式，其中a表示為長半軸長，b為短半軸長，x'表示長軸的方向，y'表示短軸的方向，θ為方向角，表示長半軸長與水平方向的角度。

圖5 橢圓的一般形式

通過求解慣性矩陣J，可以得到J的特征值和特征向量。特征值與等價橢圓的半長軸半徑和半短軸半徑的關系如下:

按照上述的工件定位方法，對其進行定位，在定位的過程中可以得到許多描述這個區(qū)域的特征信息，如圖6所示，進行了幾種不同位置的輪轂氣閥進行檢測，并用等價橢圓的形式標記出來質心位置，如圖7所示，它們返回的特征信息如表1所示。

表1 不同位置輪轂的特征信息

4 實驗結果

前面引言部分通過實驗指出了機器人在多次運行后會造成一個重復累計誤差，隨著運行次數的增加會給檢測效果帶來影響。為了測試通過定位后是否還存在這種誤差，我們對圖6(a)所示的工件進行實驗驗證。具體的實現(xiàn)步驟如下:

1)將工件平放在工作臺上，調整此時機器人的位置，使其相機垂直于工件，記錄下此時的機器人的坐標位置，設置好機器人的運動軌跡，使其能夠對輪轂進行檢測。

圖6 不同位置的原始圖像

圖7 幾種不同位置的輪轂氣閥定位結果

2)檢測完成后回到初始位置，通過定位算法對初始位置進行判斷和校正后，開始進行檢測。

3)重復步驟2，每間隔10次測試后記錄下當前初始位置的坐標信息。

通過180次測試之后的機器人初始位置和第一次檢測的初始位置并無偏差，為了避免出現(xiàn)因重復次數較少而未造成誤差的影響，又多做了100次測試，發(fā)現(xiàn)280次也未發(fā)生偏差。實驗表明通過視覺定位校正之后可以克服機器人開環(huán)系統(tǒng)所造成的重復精度誤差。此外還驗證了工件在一定傾斜情況下是否能夠檢測。首先調用之前設置好的能夠檢測的程序，記錄下當前的位姿。之后通過陀螺儀依次調節(jié)工件的角度，每次只改變機器人Y軸的角度，使其與工件垂直，其他的參數不變，運行之前的運動軌跡看是否能夠正常檢測。如表2所示，記錄了幾組不同角度下的機器人的坐標位置的運行結果。

表中的數據是在世界坐標系下記錄的，其中X，Y，Z分別對應X軸、Y軸和Z軸的位置，W，P，R分別對應X軸、Y軸和Z軸的回轉角。通過表2我們可以得出在工件水平的情況下，傳送帶在誤差10°以內的情況下，機器人都能夠完成對輪轂的檢測。在一定程度上解決了輪轂在傳送過程中存在的傾斜問題。

表2 不同角度下的機器人坐標

5 結論

本文結合了工業(yè)機器人和機器視覺系統(tǒng)對輪轂進行定位和檢測，利用MATLAB圖像處理軟件對輪轂圖像進行預處理，提取出輪轂氣閥的區(qū)域，利用圖像矩的特征分析求出質心的坐標以及等價橢圓的方法求出輪轂的方向。通過機器人的集成控制系統(tǒng)調節(jié)相機的位姿，以此來完成對輪轂的檢測。通過實驗表明，系統(tǒng)能夠完成不同角度的輪轂氣閥定位，以及工件在傳送過程中有可能存在較小傾斜的問題，能夠滿足當前的生產環(huán)境要求。