基于嵌入式的單目視覺(jué)工業(yè)機(jī)器人定位系統(tǒng)設(shè)計(jì)

王少鋒，夏廣遠(yuǎn)，吉春生，王海嶺

（1.內(nèi)蒙古科技大學(xué) 機(jī)械工程學(xué)院，內(nèi)蒙古 包頭 014010；2.包頭市特種設(shè)備檢驗(yàn)所，內(nèi)蒙古 包頭 014030；3.內(nèi)蒙古北方重工業(yè)集團(tuán)有限公司，內(nèi)蒙古 包頭 014033）

0 引 言

工業(yè)機(jī)器人技術(shù)已經(jīng)廣泛應(yīng)用于生產(chǎn)和生活的各個(gè)方面，工件抓取和搬運(yùn)是其中一項(xiàng)重要的應(yīng)用［1-2］?，F(xiàn)有生產(chǎn)線上工作的工業(yè)機(jī)器人主要通過(guò)示教或離線編程的方式并結(jié)合生產(chǎn)線上的機(jī)械定位結(jié)構(gòu)完成目標(biāo)抓取［3］。通過(guò)示教或離線編程方式完全可以勝任自動(dòng)化程度高、工件位姿固定的生產(chǎn)線工作［4］，但是該方式需要工業(yè)機(jī)器人與工件傳送系統(tǒng)精準(zhǔn)配合，這在很大程度上限制了工業(yè)機(jī)器人的靈活性，并且自動(dòng)化程度低的工廠需要搭建配套的生產(chǎn)線才能使用，增加了前期投資，提高了使用門檻［5］。許多學(xué)者將機(jī)器視覺(jué)技術(shù)引入了工業(yè)機(jī)器人領(lǐng)域。機(jī)器視覺(jué)技術(shù)作為計(jì)算機(jī)科學(xué)的一個(gè)重要研究方向，是指用攝像機(jī)對(duì)目標(biāo)進(jìn)行圖像采樣，并將圖像傳入計(jì)算機(jī)進(jìn)行處理，得到目標(biāo)信息的技術(shù)，具有非接觸、速度快和精度適中等特點(diǎn)［6］。應(yīng)用機(jī)器視覺(jué)技術(shù)可以有效對(duì)生產(chǎn)線傳送位置不固定的工件進(jìn)行定位，協(xié)助工業(yè)機(jī)器人完成抓取和搬運(yùn)等作業(yè)［7］。

目前，視覺(jué)引導(dǎo)的工業(yè)機(jī)器人定位抓取主要有單目視覺(jué)定位和雙目或多目視覺(jué)定位兩種方式。徐凱［8］將安川MA1440工業(yè)機(jī)械手和德國(guó)BasleracA1300-30gm工業(yè)攝像機(jī)相結(jié)合，提出一種雙目視覺(jué)機(jī)械手定位抓取系統(tǒng)設(shè)計(jì)方案，通過(guò)雙攝像機(jī)圖像視差計(jì)算目標(biāo)物體的三維空間信息，實(shí)現(xiàn)引導(dǎo)機(jī)械手抓取目標(biāo)工件。該雙目視覺(jué)系統(tǒng)應(yīng)用于工件三維重建實(shí)驗(yàn)效果較好，但對(duì)于工業(yè)機(jī)械手抓取問(wèn)題，基于雙目視覺(jué)的系統(tǒng)計(jì)算量較大，需要高性能計(jì)算機(jī)支持，影響抓取的實(shí)時(shí)性；張馳等［9］將單目視覺(jué)技術(shù)應(yīng)用于工業(yè)機(jī)器人智能抓取系統(tǒng)中，通過(guò)計(jì)算輪廓質(zhì)心獲取工件坐標(biāo)，建立SOCKET通信，將求取的位姿發(fā)送給機(jī)械臂控制系統(tǒng)引導(dǎo)機(jī)械臂抓取，并實(shí)驗(yàn)驗(yàn)證了該系統(tǒng)的可行性。單目視覺(jué)定位技術(shù)在工程上有許多成熟的應(yīng)用，但目前大多數(shù)系統(tǒng)的圖像處理部分主要由PC終端完成，集成性低且成本較高。針對(duì)上述問(wèn)題，本文提出一種集成度高、速度快、成本低的單目視覺(jué)引導(dǎo)機(jī)械臂定位抓取技術(shù)方案。

1 單目視覺(jué)工業(yè)機(jī)器人定位系統(tǒng)設(shè)計(jì)

1.1 系統(tǒng)硬件組成

單目視覺(jué)工業(yè)機(jī)器人定位系統(tǒng)主要由工業(yè)機(jī)器人、攝像頭模組和圖像數(shù)據(jù)處理模塊組成。

如圖1所示，選用KUKA KR20 R1810型工業(yè)機(jī)器人，最大負(fù)載20 kg，工作空間范圍可達(dá)1 813 mm，重復(fù)定位精度±0.04 mm，通信接口豐富，滿足工件抓取的實(shí)驗(yàn)要求［10］。

圖1 KUKA KR20 R1810型工業(yè)機(jī)器人Fig.1 KUKA KR20 R1810 industrial robot

攝像頭模組中，圖像傳感器為安森美半導(dǎo)體公司生產(chǎn)的MT9V034全局快門CMOS圖像傳感器，該芯片最高分辨率為752像素（H）×480像素（V），能以每秒60幀（Fps）的速度輸出，支持調(diào)節(jié)曝光時(shí)間、曝光增益、白平衡等參數(shù)。為應(yīng)對(duì)鏡頭畸變帶來(lái)的定位誤差，光學(xué)鏡頭采用定焦（焦距3.6 mm）無(wú)畸變鏡頭。圖像傳感器和光學(xué)鏡頭共同構(gòu)成攝像頭模組，如圖2（a）所示。

圖像數(shù)據(jù)處理模塊選用Xilinx ZYNQ系列開(kāi)發(fā)板，ZYNQ是Xilinx公司推出的行業(yè)內(nèi)第一個(gè)可擴(kuò)展處理平臺(tái)系列，集成FPGA可編程邏輯器件與雙核ARM Cortex-A9處理器，主頻767 MHz，為高端嵌入式應(yīng)用提供所需的處理與計(jì)算性能，如圖2（b）所示。針對(duì)嵌入式機(jī)器視覺(jué)應(yīng)用，該開(kāi)發(fā)板提供多種圖像傳感器接口標(biāo)準(zhǔn)，支持基于FPGA硬件加速的視頻預(yù)處理和高速圖像處理，可顯著提高系統(tǒng)性能。搭載可移植的OpenCV計(jì)算機(jī)視覺(jué)庫(kù)，可以跨平臺(tái)使用現(xiàn)有的視覺(jué)算法。針對(duì)與機(jī)器人通訊問(wèn)題，提供多種工業(yè)以太網(wǎng)標(biāo)準(zhǔn)進(jìn)行連接［11］。

圖2 圖像采集及處理模塊Fig.2 Image acquisition and processing module

1.2 軟件開(kāi)發(fā)環(huán)境搭建

對(duì)于單目視覺(jué)定位的嵌入式軟件開(kāi)發(fā)，使用支持Xilinx ZYNQ開(kāi)發(fā)板的PYNQ開(kāi)源軟件框架，PYNQ全稱為Python Productivity for ZYNQ，即在原有ZYNQ架構(gòu)基礎(chǔ)上，添加了對(duì)Python的支持，可在ZYNQ平臺(tái)直接導(dǎo)入Python豐富的擴(kuò)展庫(kù)進(jìn)行開(kāi)發(fā)，無(wú)需設(shè)計(jì)可編程邏輯電路，即可通過(guò)Python編程調(diào)用FPGA模塊，降低了ZYNQ嵌入式系統(tǒng)開(kāi)發(fā)難度［12］，并且可以將OpenCV計(jì)算機(jī)視覺(jué)庫(kù)移植到PYNQ開(kāi)發(fā)框架中，方便高效處理圖像。

1.3 系統(tǒng)工作原理

單目視覺(jué)工業(yè)機(jī)器人定位系統(tǒng)如圖3所示。在本系統(tǒng)中，工業(yè)機(jī)器人安裝在可移動(dòng)滑軌上，負(fù)責(zé)對(duì)目標(biāo)進(jìn)行抓取操作，攝像頭模組水平固定，安裝在傳送帶正上方，負(fù)責(zé)獲取目標(biāo)區(qū)域的圖像并傳輸至圖像數(shù)據(jù)處理模塊，數(shù)據(jù)處理模塊則對(duì)采集的圖像進(jìn)行處理，實(shí)現(xiàn)目標(biāo)定位。

圖3 單目視覺(jué)工業(yè)機(jī)器人定位系統(tǒng)Fig.3 Positioning and grasping system of monocular vision industrial robot

首先，工作時(shí)工件由傳送帶運(yùn)輸?shù)綀D像采集區(qū)域，兩側(cè)光電開(kāi)關(guān)接收到工件到位信號(hào)后，攝像頭獲取圖像，圖像數(shù)據(jù)處理模塊對(duì)圖像進(jìn)行處理，計(jì)算出工件的中心坐標(biāo)，然后經(jīng)過(guò)通訊接口發(fā)送給工業(yè)機(jī)器人控制柜，控制柜根據(jù)坐標(biāo)控制機(jī)器人運(yùn)動(dòng)，從而實(shí)現(xiàn)機(jī)器人抓取搬運(yùn)操作。

2 相機(jī)成像模型構(gòu)建與標(biāo)定

機(jī)器人抓取需要目標(biāo)的三維空間坐標(biāo)，通過(guò)相機(jī)拍攝處理得到的工件坐標(biāo)僅能表達(dá)二維坐標(biāo)信息。因此，為了從二維圖像反推得到三維信息，必須構(gòu)建相機(jī)成像的幾何模型，建立坐標(biāo)系間轉(zhuǎn)換關(guān)系，進(jìn)而得到相機(jī)成像的內(nèi)部和外部參數(shù)，確定三維空間中某點(diǎn)與其在圖像中對(duì)應(yīng)點(diǎn)之間的相互關(guān)系。

2.1 相機(jī)成像幾何模型

相機(jī)成像遵循小孔成像原理，由于采用無(wú)畸變鏡頭，因而符合線性成像模型［13］。相機(jī)成像幾何模型如圖4所示，由像素坐標(biāo)系oiuv、圖像坐標(biāo)系oxy、相機(jī)坐標(biāo)系OcXcYcZc、世界坐標(biāo)系OwXwYwZw構(gòu)成。位于世界坐標(biāo)系的目標(biāo)點(diǎn)P在成像平面對(duì)稱面的像點(diǎn)為p，Pp延長(zhǎng)線上的點(diǎn)Oc為相機(jī)的光心，3點(diǎn)共線。Oc到成像平面對(duì)稱面的距離為焦距f，光心到目標(biāo)點(diǎn)距離為Zc。

圖4 相機(jī)成像幾何模型Fig.4 Camera imaging geometry model

在小孔成像模型中，目標(biāo)物體的三維空間坐標(biāo)和二維圖像坐標(biāo)之間的關(guān)系是線性的，坐標(biāo)之間轉(zhuǎn)換關(guān)系包含剛體變換和投影變換。

2.1.1 像素坐標(biāo)系與圖像坐標(biāo)系轉(zhuǎn)換關(guān)系

像素坐標(biāo)系與圖像坐標(biāo)系都位于成像平面上，只是原點(diǎn)位置和單位不同。假設(shè)圖像坐標(biāo)系原點(diǎn)位于像素坐標(biāo)系中坐標(biāo)點(diǎn)（u0，v0），u0，v0分別表示所在圖像像素的u0行與v0列，d x和d y分別表示單個(gè)像素點(diǎn)物理尺寸，因此轉(zhuǎn)換關(guān)系式為

2.1.2 圖像坐標(biāo)系與相機(jī)坐標(biāo)系轉(zhuǎn)換關(guān)系

相機(jī)成像幾何模型如圖4所示，三維坐標(biāo)系向二維坐標(biāo)系轉(zhuǎn)換涉及投影變換，相機(jī)坐標(biāo)系中目標(biāo)點(diǎn)P坐標(biāo)（Xc，Yc，Zc）投影到圖像坐標(biāo)系中的點(diǎn)p坐標(biāo)為（x，y）。根據(jù)三角形相似原理可知：△ABOc～△oCOc，△PBOc～△pCOc。由此可得

式（2）化為矩陣

2.1.3 相機(jī)坐標(biāo)系與世界坐標(biāo)系轉(zhuǎn)換關(guān)系

相機(jī)坐標(biāo)系與世界坐標(biāo)系之間符合剛體變換關(guān)系，可用旋轉(zhuǎn)矩陣R和平移矢量T描述，轉(zhuǎn)換關(guān)系如式（4）所示。矩陣R和T統(tǒng)稱為相機(jī)的外參矩陣，可以通過(guò)測(cè)量工業(yè)機(jī)器人原點(diǎn)坐標(biāo)與相機(jī)坐標(biāo)獲得。

聯(lián)立式（1）、式（3）和式（4），可以得到世界坐標(biāo)系中任一點(diǎn)與像素坐標(biāo)系對(duì)應(yīng)點(diǎn)之間的轉(zhuǎn)換關(guān)系，即

Zc為相機(jī)鏡頭光心到目標(biāo)的距離，由于單目相機(jī)無(wú)法通過(guò)單個(gè)圖像直接獲得Zc值，對(duì)于本系統(tǒng)相機(jī)位置固定情況，可以直接手動(dòng)測(cè)量Zc值，代入式（5）即可。

2.2 相機(jī)標(biāo)定試驗(yàn)及結(jié)果

相機(jī)成像幾何模型構(gòu)建完成后，獲得式（5）所示坐標(biāo)系間的轉(zhuǎn)換關(guān)系，其中等號(hào)右邊第一項(xiàng)為相機(jī)內(nèi)參矩陣，參數(shù)與相機(jī)型號(hào)和制造誤差有關(guān)，因此，需要通過(guò)相機(jī)標(biāo)定試驗(yàn)求解參數(shù)。

相機(jī)標(biāo)定采用張正友標(biāo)定法［14］，標(biāo)定板選擇棋盤格標(biāo)定板，格子數(shù)為7×9，黑白方格，方格尺寸為26.5 mm×26.5 mm，如圖5所示。相機(jī)標(biāo)定時(shí)，待標(biāo)定相機(jī)以不同角度拍攝固定地面上的標(biāo)定板，拍攝距離為300～500 mm，拍攝15幅不同角度的標(biāo)定板照片，照片保存后加載到MATLAB中的Camera Calibrator程序中求解標(biāo)定參數(shù)。

圖5 標(biāo)定板Fig.5 Calibration board

經(jīng)過(guò)程序計(jì)算后，得到圖6所示的相機(jī)與標(biāo)定板位置關(guān)系和圖7所示的標(biāo)定重投影誤差，可以看到15次拍攝方位分布均勻，標(biāo)定板角點(diǎn)坐標(biāo)重投影的平均誤差為0.1像素，小于程序規(guī)定的0.5像素，本次標(biāo)定符合試驗(yàn)要求，相機(jī)標(biāo)定結(jié)果即相機(jī)的內(nèi)參數(shù)如表1所示。

圖6 相機(jī)與標(biāo)定板位置關(guān)系Fig.6 Position relationship between camera and calibration board

表1 相機(jī)的內(nèi)參數(shù)Tab.1 Internal parameters of the camera

圖7 相機(jī)標(biāo)定重投影誤差Fig.7 Reprojection errors of camera calibration

3 目標(biāo)識(shí)別與定位

本文根據(jù)實(shí)際需求將液化氣罐作為待定位工件，如圖8（a）所示，對(duì)液化氣罐閥門中心進(jìn)行定位研究，提出以下圖像處理算法的流程：（1）圖像預(yù)處理；（2）輪廓提取與識(shí)別；（3）圖像坐標(biāo)提取。

圖8 預(yù)處理效果圖Fig.8 Preprocessing effect picture

3.1 圖像預(yù)處理

圖像預(yù)處理可消除圖像中的無(wú)關(guān)信息，增強(qiáng)有用信息，簡(jiǎn)化圖像數(shù)據(jù)，從而提高后續(xù)識(shí)別算法效率和可靠性。本系統(tǒng)圖像預(yù)處理流程主要包括灰度及高斯濾波、Otsu二值化、閉運(yùn)算和開(kāi)運(yùn)算。

3.1.1 灰度及高斯濾波處理

MT9V034圖像傳感器采集的是RGB三通道彩色圖像，后續(xù)輪廓識(shí)別不涉及目標(biāo)顏色，因此對(duì)彩色圖像進(jìn)行灰度處理，轉(zhuǎn)化為只包含亮度信息的灰度圖像，減小后期算法運(yùn)算量。

歸根結(jié)底，是老師和家長(zhǎng)雙方對(duì)班級(jí)群的作用和意義沒(méi)有一個(gè)正確而統(tǒng)一的認(rèn)知。正如本文標(biāo)題中所指出的，班級(jí)群是一個(gè)被放大的“生物群落”，當(dāng)我們將太多目的投注到班級(jí)群中時(shí)，這個(gè)群落無(wú)法承受超負(fù)荷的重?fù)?dān)，平衡被打破，群落便失去了生命力。那么，我們?nèi)绾蝸?lái)為這個(gè)被放大的“生物群落”減負(fù)呢？

圖像采集傳輸過(guò)程中不可避免會(huì)引入噪聲，而輪廓邊緣提取對(duì)噪聲比較敏感，因此灰度處理后，需要對(duì)圖像進(jìn)行降噪。經(jīng)過(guò)對(duì)比測(cè)試，采用高斯濾波對(duì)后期輪廓邊緣提取的完整度有明顯改善。灰度處理及高斯濾波效果如圖8（b）所示。

3.1.2 Otsu二值化

圖像二值化是將圖像中目標(biāo)與背景分開(kāi)，使圖像變得簡(jiǎn)單清晰，減少后續(xù)數(shù)據(jù)處理量的同時(shí)突出感興趣區(qū)域。圖像二值化常選取固定灰度值將圖像分為目標(biāo)和背景兩部分。但在光照變化的真實(shí)應(yīng)用場(chǎng)景，固定閾值分割效果不理想。因此，采用日本學(xué)者大津提出的基于最大類間方差法的自適應(yīng)閾值確定方法，即Otsu二值化方法［15］，統(tǒng)計(jì)前景區(qū)域和背景區(qū)域之間灰度值的類間方差，類間方差最大時(shí)，構(gòu)成圖像的這兩部分區(qū)域差別也最大，表明當(dāng)前閾值最優(yōu)，效果如圖8（c）所示。

3.1.3 閉運(yùn)算和開(kāi)運(yùn)算

閉運(yùn)算和開(kāi)運(yùn)算同屬于形態(tài)學(xué)操作，閉運(yùn)算是對(duì)圖像先膨脹后腐蝕處理的過(guò)程，開(kāi)運(yùn)算則相反。針對(duì)Otsu二值化處理后出現(xiàn)的圖像前景內(nèi)部小空洞和背景噪點(diǎn)，先閉運(yùn)算處理掉前景內(nèi)部小空洞，再開(kāi)運(yùn)算消除背景噪點(diǎn)和前景毛刺，效果如圖8（d）所示。

3.2 輪廓提取與識(shí)別

經(jīng)過(guò)圖像預(yù)處理后，二值圖像可清晰顯示出目標(biāo)輪廓。采用Suzuki S的圖像邊界提取算法［16］提取二值圖像中的輪廓，在OpenCV中使用基于此算法的FindContours（）函數(shù)獲取圖像的輪廓邊緣信息，如圖9（a）所示，從而識(shí)別目標(biāo)輪廓。

圖9 輪廓提取與識(shí)別Fig.9 Contour extraction and target recognition

輪廓面積即輪廓包圍區(qū)域的像素個(gè)數(shù)。對(duì)于相機(jī)與待識(shí)別工件相對(duì)位置變化不大的場(chǎng)景，目標(biāo)輪廓面積在一定范圍內(nèi)。經(jīng)過(guò)試驗(yàn)可知，相機(jī)在1 200 mm高度下液化氣罐閥門外輪廓面積為3 000～3 200像素，閥門內(nèi)圓面積為400～500像素，設(shè)置安全系數(shù)1.2以保證不同拍攝角度目標(biāo)輪廓不被剔除。最小外接矩形長(zhǎng)寬比是為了識(shí)別閥門的不規(guī)則外輪廓，每個(gè)輪廓對(duì)應(yīng)唯一的最小外接矩形，由圖9（a）可知，閥門外輪廓最小外接矩形近似為正方形，因此長(zhǎng)寬比限制為0.9～1.1。對(duì)于閥門的圓形內(nèi)輪廓識(shí)別，由于拍攝角度不同，在照片中可能表現(xiàn)為橢圓。由式（6）可知，無(wú)論處于什么拍攝角度，輪廓面積與最小外接矩形面積比都為π/4，因此將輪廓面積與最小外接矩形面積比作為閥門內(nèi)圓的識(shí)別條件。

基于以上特征參數(shù)識(shí)別方法，設(shè)計(jì)如下閥門輪廓識(shí)別算法：首先，使用輪廓面積條件對(duì)輪廓集合進(jìn)行初步篩選，取得輪廓面積3 000～3 200像素和400～500像素的輪廓集合；其次，將輪廓面積3 000～3 200像素的輪廓集通過(guò)輪廓最小外接矩形長(zhǎng)寬比條件進(jìn)行過(guò)濾，獲取閥門外輪廓，同時(shí)將面積400～500像素的輪廓集通過(guò)輪廓面積與最小外接矩形面積比條件進(jìn)行過(guò)濾，獲取閥門內(nèi)圓輪廓，識(shí)別出閥門內(nèi)外輪廓，如圖9（b）所示；最后，實(shí)際應(yīng)用中可能出現(xiàn)不能同時(shí)獲取到內(nèi)外輪廓的情況，為此設(shè)置判斷條件，當(dāng)?shù)玫絻?nèi)外輪廓時(shí)，同時(shí)計(jì)算兩個(gè)輪廓中心坐標(biāo)取平均值提高精度，當(dāng)識(shí)別出一種輪廓時(shí)，即只輸出當(dāng)前輪廓的中心坐標(biāo)，當(dāng)未取得閥門輪廓時(shí)，程序重新采集圖像進(jìn)行處理。

3.3 圖像坐標(biāo)提取

規(guī)則工件中心點(diǎn)與質(zhì)心坐標(biāo)相同，可以通過(guò)求取工件輪廓質(zhì)心的方式獲得中心像素坐標(biāo)。首先計(jì)算工件的輪廓矩，尺寸為M×N的數(shù)字圖像f i，()j，其p+q階幾何矩mpq的計(jì)算公式為

對(duì)于二值圖像，p=q=0時(shí)，m00為零階矩，代表輪廓內(nèi)白色區(qū)域像素的總和，即該輪廓的像素面積。p=1，q=0時(shí)，m10為一階矩，代表白色像素的x坐標(biāo)值和。p=0，q=1時(shí)，m01為一階矩代表白色像素的y坐標(biāo)值和。由此可以獲得圖像質(zhì)心( i，j)坐標(biāo)為

通過(guò)上述計(jì)算，獲得工件輪廓的質(zhì)心，得到工件中心點(diǎn)坐標(biāo)，將坐標(biāo)代入式（5）即可求出世界坐標(biāo)。

4 試驗(yàn)測(cè)試和結(jié)果分析

為驗(yàn)證系統(tǒng)有效性，在實(shí)驗(yàn)室進(jìn)行測(cè)試。以液化氣罐為目標(biāo)工件，閥門中心為定位目標(biāo)，相機(jī)通過(guò)水平儀測(cè)量，水平安裝在坐標(biāo)（1 350，0，1200）位置采集圖像，液化氣罐在相機(jī)視場(chǎng)內(nèi)（600 mm×600 mm）任意放置，如圖10所示。

首先將液化氣罐放置在指定區(qū)域后，手動(dòng)控制機(jī)械臂夾持標(biāo)定針移動(dòng)到液化氣罐的閥門中心，在示教器上讀取當(dāng)前坐標(biāo)，作為閥門中心的實(shí)際坐標(biāo)。隨后，驅(qū)動(dòng)機(jī)械臂回至初始位置，切換為機(jī)器視覺(jué)模式，使用相機(jī)獲取圖像后，對(duì)圖像進(jìn)行處理獲取閥門中心的二維坐標(biāo)，利用前文方法建立參數(shù)模型和標(biāo)定參數(shù)進(jìn)行坐標(biāo)轉(zhuǎn)換，得到工件在機(jī)器人坐標(biāo)系下的空間坐標(biāo)，進(jìn)而通過(guò)工業(yè)以太網(wǎng)將空間坐標(biāo)發(fā)送至機(jī)器人伺服控制器，驅(qū)動(dòng)機(jī)械臂夾持定位針移動(dòng)至液化氣罐閥門中心，并從示教器上讀取當(dāng)前坐標(biāo)作為視覺(jué)定位坐標(biāo)。

按照以上流程進(jìn)行定位試驗(yàn)，10次結(jié)果與誤差如表2所示。

由表2可知，X方向的最大誤差為-3.20 mm，Y方向的最大誤差為2.12 mm，真實(shí)坐標(biāo)與視覺(jué)定位坐標(biāo)之間的最大直線距離為3.58 mm。

經(jīng)分析，認(rèn)為誤差主要來(lái)自以下3個(gè)方面：（1）相機(jī)采用無(wú)畸變鏡頭，忽略了徑向與切向畸變，通過(guò)觀察誤差的分布情況，遠(yuǎn)離鏡頭中心位置（1 350，0）的定位點(diǎn)誤差明顯增加，因此，無(wú)畸變鏡頭實(shí)際上仍有較小的畸變存在；（2）通過(guò)水平儀對(duì)相機(jī)找平存在測(cè)量與安裝誤差；（3）地面平整度不夠，液化氣罐閥門與鏡頭光心的垂直距離Zc值有一定變化，影響坐標(biāo)轉(zhuǎn)換精度。

5 結(jié) 語(yǔ)

本文提出了基于嵌入式的單目視覺(jué)工業(yè)機(jī)器人定位抓取系統(tǒng)，該系統(tǒng)硬件設(shè)備采用ZYNQ開(kāi)發(fā)板和MT9V034攝像頭模組，軟件算法開(kāi)發(fā)使用搭建的PYNQ開(kāi)發(fā)框架和移植的OpenCV計(jì)算機(jī)視覺(jué)庫(kù)，通過(guò)軟硬件相結(jié)合，在嵌入式平臺(tái)實(shí)現(xiàn)了圖像采集、預(yù)處理、輪廓提取、目標(biāo)識(shí)別與定位、空間坐標(biāo)轉(zhuǎn)換等過(guò)程，可以準(zhǔn)確獲取目標(biāo)工件的坐標(biāo)，進(jìn)而與工業(yè)機(jī)器人通訊，引導(dǎo)工業(yè)機(jī)器人定位抓取，最后通過(guò)實(shí)驗(yàn)驗(yàn)證了系統(tǒng)的可行性和定位的準(zhǔn)確性。與其他采用計(jì)算機(jī)作為視覺(jué)處理平臺(tái)的系統(tǒng)相比較，嵌入式平臺(tái)系統(tǒng)具有集成度高、成本低、體積小等優(yōu)勢(shì)。在軟件算法開(kāi)發(fā)上，基于Python和OpenCV的開(kāi)發(fā)環(huán)境易于學(xué)習(xí)，適合非機(jī)器視覺(jué)專業(yè)人員開(kāi)發(fā)使用。因此本套系統(tǒng)具有較高工程實(shí)用性，對(duì)實(shí)現(xiàn)工業(yè)自動(dòng)化、提高生產(chǎn)效率有著重要意義。