基于机器人自动分拣系统的设计研究

胡长友?陈乐柱?王晨晨?赵耀武

摘 要 本文主要从视觉控制系统和运动控制系统进行研究，分析了在分拣系统的策略中机器人的抓放和最优路径的选择。同时介绍了如何实现对目标物体的动态追踪和重复目标的剔除。

关键词 机器视觉；分拣；动态追踪

前言

近年来，随着计算机技术和人工智能技术等技术的快速发展，机器视觉系统也在快速发展。随着工业自动化的不断发展和完善，机器视觉系统在工业上的应用也越来越宽广。机器视觉系统可以快速地获取大量的信息，而且易于自动处理，从而提高了工作效率。机器视觉可以代替人工视觉[1]，进行检测和识别，提高检测系统的智能化水平和生产的自动化水平。机器视觉技术能在机械手分拣系统上实现高精度、高可靠性的高速检测、识别和拾取等。

1 控制系统的总体设计

机器人自动分拣系统主要由物品输送部分、视觉检测与控制部分和机器人本体控制部分组成。

本文控制系统分为视觉控制系统和运动控制系统。视觉控制系统是利用摄像机实时采集传送带上物体的信息，由计算机对采集到的物体信息进行分析和处理，提取出有效信息和对目标物体的跟踪，得出物体的相应位置和姿态为机械臂的抓取提供参考。运动控制系统可以自动调取经过计算机分析和处理过的数据，当目标物体到达机械臂的运动空间内时，由计算机分析处理得出的一系列所需位置坐标点，通过控制各个伺服电机使机械臂到达这些所需位置点，实现机械臂的抓取动作和分选工作。

1.1 视觉控制系统

视觉控制系统采用了基于位置控制方式对传送带上移动的物体进行识别，摄像机固定在机械臂操作空間外且易于采集信息的位置。机器视觉系统根据摄像机所采集到的图像特征信息，通过摄像机坐标与机械手坐标的变换计算出目标相对于机械臂的位置，再由视觉控制器根据机械臂位姿计算出控制量，生成运动轨迹的位置插补点，最后通过总线形式传给机器人控制器，完成对机器人的控制。

1.2 运动控制系统

运动控制系统开发设计是实现控制系统各种功能的关键。要实现机器人有序运动，就必须要构建一个完整的稳定的控制系统。运动控制系统是实现机器人运动的核心模块，即运动控制系统根据运动编程指令控制各主轴关节协调运动，实现动平台末端执行器平稳快速运动。其中，较好的运动控制是控制系统的核心，是机器人具有优良操作性能的前提和保障。控制机器人运动实质就是控制安装在平台上三个伺服电机协调同步运动。伺服电机的控制方式一般分为位置控制方式，速度控制方式和转矩控制方式。三种控制方式中，伺服电机响应速度高低顺序依次是转矩控制方式，速度控制方式和位置控制方式。由于建立工业机器人动力学模型方法并没有得到完善统一，因此转矩控制方式应用受到阻碍，并没有得到广泛应用，而建立工业机器人运动学模型方法相对前者简单，更方便应用于工业机器人控制中，故受到市场青睐。为了具有快速响应性和精确性，本文对伺服电机采用速度控制方式，所设计的并联机器人控制系统结构图，此系统为半闭环控制系统，比一般的开环控制系统精度要高，通过伺服电机上的编码器将检测到的电机的转角、转速信息反馈到运动控制卡中，然后准确输出电机转角位置。

2 分拣系统的策略分析

2.1 机器人抓放分析

通过视觉系统获取传送带上不同类型的杂乱物件的位置，机器人通过视觉定位，对已识别的物件进行分类抓取，如图3所示是机器人末端执行机构每次执行的运动路径，常见的运动路径为典型的PTP（Point to Point）模式，即是分拣机器人常用到“门字框”型的运动路径。

所谓的“门字框”路径即在目标轨迹上设置四个点P1、P2、P3、P4 。P1为机器人末端执行件路径轨迹的起点，P4为机器人末端执行件路径轨迹的终点，P2、P3分别为目标路径的转折点。将P2、P3点路径经过圆弧过渡优化为P5、P6、P7、P8四个点，如此四个点把目标轨迹划分为五段，即上升段；和为圆弧过渡段；水平移动段；下降段。因此，对于每一段的运动路径机器人末端执行件都是基于两点的运动。假设，段的运动时间为T1，段的运动时间为T2，段的运动时间为T3，段的运动时间为T4，段的运动时间为T5，所以机器人的运动周期T有：

（1）

综上分析，机器人在抓取不同物件时，上升段、过渡段和下降段的末端移动距离是相对固定的，影响整个抓取及放置效率的是水平运动段的移动距离。机器人在有效的工作空间内，能够高效的将视觉系统识别的所有物件抓放在指定的位置。机器人运动速度一定时，如何优化整个过程机器人末端所走的运动总路程最短，是提高整个分选系统效率的重要因素。抓取的运动总路程最短问题可以转换成在传送带I上的物件被机器人抓取到转送带II上的先后排序问题。目前，传统的方法是在笛卡尔坐标系下依次按照行或列先后顺序来完成分拣。如果物件数目和种类很多的情况下，会影响整个产线的生产效率，如何在最短时间内将物件高效的分选出来是问题研究的关键。通过算法寻找抓取的先后顺序，计算最后Delta机器人末端所走总路程最短。

2.2 最优路径选择

根据以上对抓取策略相关分析可知，分选工作存在抓放顺序优化问题，而最优抓放顺序的求解是提高机械手抓取效率最终要解决的关键问题。所谓最优解抓放顺序，即是当抓放效率最高时，机器人将传送带I中各个物件抓放到传送带II上相应位置的先后顺序。可将问题等效为：

（2）

其中，S表示分选效率；So1表示机器人执行末端原点位置到第一个物件的抓取点位置的水平移动距离；i表示第几个抓取物件；j表示第几个放置点；n表示放置点总数；Sij 表示从第i个抓取点到第j个放置点的水平移动距离；同理，Sji表示第j个放置点到第i个抓取点的水平移动距离；Sno表示第个放置点到末端原点位置的水平移动距离。

本文通过收敛速度较快的粒子群优化算法来求解最优路径，具体步骤如下：

（1）首先初始化，选择最大迭代次数T，种群数N，加速因子C1，C2，初始化粒子位置和速度；

（2）根据初始粒子的位置和速度，寻找当前的最优解，并赋值给行为参数；

（3）计算每个粒子的适应度值，每次迭代中，粒子通过跟踪两个极值更新位置和速度——粒子本身找到的历史最好解，整个种群目前找到的最好的解，并赋值给行为参数；

（4）粒子根据当代适应度值与本身历史位置最优时的适应度值进行比较，若适应度值优于历史位置最优时的适应度值，则更新粒子历史最优位置，粒子历史最优位置适应度值取当代适应度值，否则保留粒子历史最优位置及其适应度值；

（5）比较各个粒子当代适应度值，找出当代全局位置最优适应度值，若当代全局位置最优适应度值优于之前全局位置最优适应度值，则更新粒子群全局位置最优适应度值，全局位置最优适应度值取当代全局位置最优适应度值，否则保留粒子群全局位置最优及其适应度值；

（6）判断迭代中止条件：设置最大的迭代次数。若到达最大迭代次数转至（7）；否则转至（3）；

（7）实验结束。

3 目标物体的识别

3.1 目标的动态追踪

运动目标特征是跟踪一个物体的重要依据，在许多跟踪算法中都有提取运动目标特征这一环节。提取的运动目标特征必须在环境、运动状态改变和运动目标自身变化时，都能够将运动目标描述出来。目标的特征大致分为：

（1）视觉特征，如形状、边缘、轮廓、纹理等特征；

（2）代數特征，如图像矩阵的奇异值分解等特征；

（3）统计特征，如颜色直方图等不变矩等特征；

（4）变换系数特征，如傅里叶描述子和自回归模型等特征。

静态视觉中通过对相机采集到的图像进行处理、识别后，再将提取到的位置信息传递给控制系统后就可以实现对目标的准确抓取。本文通过采集具有反馈功能的伺服电机，配合减速机和同步带轮来驱动传送带，从而保证系统精度，通过传送带伺服电机实时反馈位置记录物体的位置，从而达到跟踪的目的。

传送带I运行的方向为机械臂y坐标正方向，故目标点的x坐标方向的数值不变。摄像机固定在传送带边上，每采集一帧图片经过图像处理、信息提取后得到该图片上所有的目标点的位置、大小信息。输送带由伺服电机驱动，电机所转圈数由所发的脉冲数决定。同步带的传送比已知，减速机的传动比已知，主动轮的直径已知。则传送带每前进1mm电机所接收到的脉冲数λ可由下式求得：

其中：i为减速比；j为传动比；d为输送带主动轮的直径；N为电机转一圈所需的脉冲数。

视觉控制系统在提取、保存每个目标点位置信息时，除了提取目标点的位置坐标（xn，yn）、大小Dn外，还记录此刻传送带伺服电机编码器反馈回来的脉冲数tn，记录为（xn yn Dn tn）T。这样就可以得到动态目标的位置信息：

其中：x，y为目标点实时坐标；为单个脉冲输送带所走的距离。

通过实验验证，单靠次方法实现跟踪机械臂的抓取精度不高。通过分析公式（4）可知，t为目标有效信息输送到运动控制系统中当前时刻传送带收到的脉冲值，而机械臂从原点到抓取点或者从抓取点到放置点这个过程中传送带所走的距离没有被记录，从而导致每次抓取位置偏后。所以对上述问题进行改进：运动控制系统在抓取点和放置点之间产生一系列的位置点，机械臂通过这些位置点坐标完成完整的运动轨迹。

3.2 重复目标的剔除

本文采用基于单帧图像上获取目标物的坐标信息，但当两张相连的图像采集时间过长不仅会导致目标物的遗漏还会增加视觉系统的负担，时间过短则会对相同目标物的重复采集。所以相连两张图片采集间隔时间的确定要适合，故我们做了如下分析：

假设本视觉系统的视场大小为M×N，相机拍照间隔时间内传送带会走一定的距离，任意相连的两张图片可能会出现目标点的重复采集以及目标点的遗漏现象。

由上述情况分析可知，考虑到所采集的图像包含全部目标物无遗漏且完整，由于伺服电机按照每10ms进行一次插补，要实现相机在输送带移动距离d的过程中精确拍摄两张图片的难度较大。综合考虑，此时相连的两张图片可能出现重复的目标。因此，本文引入一种基于像素当量剔除重复目标点的方法。具体方法如下：

假设，a图像中m个物体的像素坐标记为集合M。

b图像中n个物体的像素坐标记为集合N。

将集合N中元素与a图像中的每个元素做比较得出两元素的像素坐标的距离，再利用标定出的像素当量求出实际距离d：

传送带移动的距离为：，若，则该点为重复点予以剔除。由于现实存在误差，所以设定误差范围τ，即当时，对此点做剔除。τ的具体值可以通过多次实验获得。

通过引入像素当量计算相连两幅图像中目标点的位置，并利用传送带反馈脉冲差值确定传送带所走的距离，把两者进行比较从而最终获得传送带上每个不重复目标点的位置信息，此方法在实验中获得了良好的效果。

4 结束语

本文基于机器人自动分拣系统的设计研究，使机器人可以高速分拣。在系统开发过程中主要完成了以下方面：

（1）对系统的总体进行设计，分析了视觉系统和运动控制系统，以及系统的软件设计平台；

（2）针对机器人通过视觉识别物件进行快速分拣的问题，分析了机器人的抓放和路径的最优选择；

（3）同时介绍了如何实现对目标物体的动态追踪和重复目标的剔除。

参考文献

[1] 吴卫.基于机器视觉的机械零件检测与识别系统设计[D].上海：东华大学，2011.