基于九點標定機械臂抓取的設(shè)計及應(yīng)用★

孫浩洋，曹 彥，卞科琪，魏翱翔，孔慶峰

（中國礦業(yè)大學徐海學院，江蘇 徐州 221000）

引言

隨著科學技術(shù)的不斷進步，機器人正向著協(xié)作化、自動化、網(wǎng)絡(luò)化以及智能化方向發(fā)展，為保障機器人作用的精準高效，機器視覺技術(shù)成為持續(xù)關(guān)注的熱點，并得到廣泛應(yīng)用。傳統(tǒng)的物體分揀過程受物件特征的影響較大，導(dǎo)致搬運效果低，分揀錯誤率高。使用視覺技術(shù)的機器人能提高速度、增加信息量的貯備，并且能避免人工操作帶來的誤差，因此，機器視覺技術(shù)在分揀領(lǐng)域具有良好的應(yīng)用前景。本文主要研究基于九點標定算法分揀機器人的組成關(guān)鍵技術(shù)及其技術(shù)優(yōu)勢，針對抓取過程中出現(xiàn)的問題提出了可行性解決方案，為物流分揀機器人關(guān)鍵技術(shù)提供一些參考。

1 分揀系統(tǒng)總體設(shè)計

對于目標識別和機械臂分揀控制，分別采用機器視覺技術(shù)和關(guān)節(jié)型機械臂來完成任務(wù)。總體設(shè)計思路為：由OpenMV采集圖像信息，STM32接收到傳輸信號，將算法處理后的傳輸動作信號傳輸給舵機，6個舵機控制機械臂按照指令完成相應(yīng)的動作。

圖1所示為機械臂控制流程：機械臂主控板接收到夾取命令后，利用OpenMV識別目標物體，并將目標物體坐標經(jīng)過坐標轉(zhuǎn)換，進行九點標定，通過串口發(fā)送到機械臂控制板，機械臂控制板進行逆運動學解析，計算出每個舵機對應(yīng)的PWM值，完成目標物體的夾取。

圖1 機械臂控制流程圖

2 機械臂設(shè)計

2.1 機械臂運動學原理

為了完成機械臂對目標物體的夾取和放置任務(wù)，需要進行機械臂的運動學分析。機械臂運動學研究各關(guān)節(jié)運動與機械臂末端執(zhí)行器位姿之間的關(guān)系，主要包括正向運動學和逆向運動學。正運動學解析是已知機械臂各連桿參數(shù)及關(guān)節(jié)變量，解算出末端執(zhí)行器的姿態(tài)。逆運動學解析是已知末端執(zhí)行器的姿態(tài)，求解要設(shè)置的關(guān)節(jié)可活動對象的參數(shù)[1]。

使用笛卡爾坐標系描述空間位置，使用右手坐標系，即繞z軸旋轉(zhuǎn)時，y軸在x軸的+90°方向，一般將物體的名稱寫在右下角，如坐標系{A}中點O的位置向量寫作ApO[2]。描述物體在坐標系中的位置，可以描述為坐標系之間的關(guān)系。二維變換如圖2所示，圖中描述了一個坐標系相對于另一個坐標系的關(guān)系。

圖2 二維坐標系變換

可以將坐標軸單位向量用參考坐標系表示定義一個2×2的矩陣：

空間三維朝向，按照圖2的方法，寫出旋轉(zhuǎn)矩陣R：

2.2 機械臂硬件設(shè)計

2.2.1 機械臂選型

機械臂按不同的結(jié)構(gòu)形式，可以分為直角坐標型機械臂、圓柱坐標型機械臂、球坐標型機械臂和多關(guān)節(jié)型機械臂[3]。本文選用的關(guān)節(jié)型機械臂如圖3所示，結(jié)構(gòu)最緊湊，具有更強的靈活性，而且價格相對較低。其中，云臺選用大扭力的1501舵機，末端執(zhí)行器選用的是LDX-335MG數(shù)字舵機，該舵機具有防堵轉(zhuǎn)功能，當堵轉(zhuǎn)時間超過4 min時，舵機停止工作，防止調(diào)試過程中因誤操作導(dǎo)致舵機損壞，6個舵機均為高精度的數(shù)字舵機。

圖3 六自由度機械臂

2.2.2 機械臂主控板設(shè)計

機械臂主控PCB實物如圖4所示，其工作任務(wù)主要是串口接收OpenMV目標識別發(fā)送的數(shù)據(jù)、并對目標物的坐標進行數(shù)據(jù)處理、逆運動學分析，并求解各個舵機所需要旋轉(zhuǎn)的角度和對應(yīng)的PWM值，驅(qū)動舵機快速準確地夾取目標物體、通過串口接收到放置信號將夾取的目標物體放置到規(guī)定位置。主控部分采用STM32F103C8T6系列單片機作為核心控制，此款單片機內(nèi)置資源豐富，可靠性高，同時還具有豐富的接口資源。

圖4 機械臂主控PCB實物圖

1）USART接口：實現(xiàn)板間通信。

2）AD采集接口：檢測采集電壓是否滿足需求。

3）普通I/O接口：點亮LED燈來顯示機械臂運行狀態(tài)。蜂鳴器電壓過低提醒。

4）定時器接口：分時控制6個機械臂。

3 目標識別

3.1 九點標定算法

手眼標定根據(jù)攝像頭與機器人的位置不同，分為Eye-to-Hand和Eye-in-Hand兩種方式。Eye-to-Hand關(guān)系的攝像頭安裝在固定位置，不隨機械臂的運動而改變位置，Eye-in-Hand關(guān)系的攝像頭安裝在機械臂末端執(zhí)行器上，機械臂運動攝像頭坐標系也隨之變化[4]。本文要識別靜態(tài)規(guī)則的幾何體，采用Eye-to-Hand系統(tǒng)，攝像頭安裝在固定操作臺上，進行采集圖像信息，經(jīng)過圖像處理后進行目標物識別，確定相對于機械臂坐標下目標物的坐標，由STM32開發(fā)板發(fā)送控制信號，控制機械臂完成搬運任務(wù)。選取的標定的方法為九點標定法。

九點法手眼標定流程包括兩個部分，一部分是標定板中靶點在機器人坐標系下坐標的獲取，一部分是標定板中靶點像素坐標的獲取。攝像頭在放置好標定板后獲取一張標定板圖像，通過相應(yīng)的圖像處理，得到靶點的像素坐標。標定板上以機械臂底座中心為原點，繪制機械臂坐標系，靶點在機器人坐標系下的坐標，可以由標定板直接獲取[5]。具體流程如圖5所示，首先進行圖像讀取，然后計算中心點，同時獲得機械人坐標記錄，最后通過轉(zhuǎn)換矩陣計算得到參數(shù)，完成標定。

圖5 標定流程

3.2 目標識別程序

識別目標物體時OpenMV IDE如圖6所示，首先進行感光原件的初始化Sensor.reset()，選擇色彩模式sensor.RGB565，設(shè)置相機模塊的分辨率大小為320×240，防止顏色失真，關(guān)閉白平衡和自動增益。初始化串口4，與STM32進行串口通信。只需要傳輸待識別物坐標，直接輸出字符串即可。設(shè)置檢測色塊閾值，調(diào)用find_blobs()函數(shù)，將所得到的坐標帶入手眼標定所得到的公式中，轉(zhuǎn)換為相對于機械臂坐標系的坐標，調(diào)用uart.write()函數(shù)進行數(shù)據(jù)傳輸。

圖6 目標物體時OpenMV IDE運行情況

分揀動作程序由追蹤和抓取兩部分組成。當系統(tǒng)接收到分揀指令時，工作區(qū)域?qū)⒈籓penMV檢測是否有物塊存在，初始檢測次序為紅、藍、綠。若要切換檢測次序，需要對單片機發(fā)出切換次序指令，或者對內(nèi)部檢測部分程序進行修改。如果物塊被檢測到，則可以進行追蹤動作，OpenMV會記錄物塊坐標發(fā)送給STM32，STM32接收后將其轉(zhuǎn)換成機械臂坐標發(fā)送給機械臂，機械臂根據(jù)坐標追蹤到物塊。當完成對物塊的追蹤后，則對物塊進行抓取。若在程序中設(shè)定了指定坐標，則在完成抓取后將物塊放置在相應(yīng)位置。相關(guān)流程如圖7所示。

圖7 程序流程圖

4 系統(tǒng)測試

為了驗證分揀系統(tǒng)操作的效果，選取三種不同顏色的正方形物體放入系統(tǒng)的工作區(qū)域內(nèi)，讓系統(tǒng)對不同顏色、位置的目標進行分揀操作，最終實現(xiàn)對系統(tǒng)分揀成功率和分揀精度的測試。具體測試過程如圖8所示。

圖8 系統(tǒng)測試過程

4.1 分揀成功率測試

每次分別對3種不同顏色的物塊進行分揀并記錄測試數(shù)據(jù)，測試結(jié)果如表1所示。

表1 測試數(shù)據(jù)

對表1的實驗結(jié)果進行對比和分析，發(fā)現(xiàn)在物塊顏色區(qū)分度明顯的環(huán)境下，采用九點標定法，具有更好的目標識別性。這是由于機器視覺算法與機械臂相結(jié)合,對物塊有更多的描述和刻畫，更好地實現(xiàn)對物塊的識別，達到預(yù)期目標。

4.2 分揀精度測試

以夾取紅色物塊為例，多次對物塊進行分揀操作，每次將物塊位置隨機放置并記錄測試數(shù)據(jù)。從中隨機抽取8組數(shù)據(jù)，如表2所示。

表2 測試數(shù)據(jù)

對表2的數(shù)據(jù)進行分析，可以看出，基于九點標定法的機械臂抓取系統(tǒng)，對任意放置在機械臂目標區(qū)域下的物體，能夠比較精確地獲取其坐標值，進而實現(xiàn)成功抓取。

5 結(jié)語

本文采用九點標定法完成機械臂分揀系統(tǒng)的設(shè)計，該系統(tǒng)成功完成了數(shù)據(jù)檢測、目標追蹤和控制機械臂分揀等功能。經(jīng)測試，對任意放置在機械臂目標區(qū)域下的物體，能夠準確地獲得其坐標值，進而實現(xiàn)抓取功能，完成對目標的分揀，改善了因物體位置解算不準確，抓取錯誤的情況。系統(tǒng)調(diào)試方便，操作簡單，可移植性好，具有一定的實用價值。