机器人视觉伺服控制技术研究

赵丹 戴艳涛 谢吉龙

（哈尔滨职业技术学院 黑龙江省哈尔滨市 150000）

在供给侧改革背景下，用通过技术研发和创新增强工业生产效率，提升其竞争力。机器人在这一背景下应运而生，并被有效应用于工业生之中，效果显著，已经成为工业生产自动化的发展趋势[1]。因此，如何有效使用视觉伺服控制技术，强化对机器人的控制能力，使其更好的服务于工业生产也成为社会关注的焦点话题，应在有关方面提高重视，拓展研究深度和广度。

1 机器人视觉伺服控制系统构成分析

机器人视觉伺服控制系统在构成方面主要包括视觉系统、控制策略和机器人系统三部分组成。其中，视觉系统需要获取精准的视觉反馈信息，作为工作开展的依据，其途径为图像获取和视觉处理。接下来，需要通过控制器实现机器人控制输入[2]。具体如图1所示。

图1：机器人视觉伺服系统结构

2 机器人视觉伺服控制系统的视觉系统相关技术

视觉系统主要由图像获取和视觉处理两部分组成，其中，图像获取环节，需要使用相机模型对三维空间进行投影处理，使其影响进入二维图像空间。视觉处理环节，则是有效使用获取的图像信息，完成视觉反馈。本次研究选择的机器人为单目视觉，分析其视觉伺服控制技术。在视觉模块构成方面，主要包括光源、光学镜头、工业CCD 相机、图像采集卡、图像分析处理软件、通信接口等部分。具体工作流程如下：首先，系统通过摄像机对目标体的图像进行实时采集，形成图像信息[3]。然后，通过新通讯设备将图像属性至主控系统之中，系统按照相关要求进行信息分析和图像特征提取，这一过程中的图像特征必须能够准确反应图像的实际情况。接下来，使用计算工具进行数据信息处理，得出检测结果，并将检测结果上传至机器人控制器之中，机器人控制器对其识别之后，发出控制指令。与此同时，形成运动轨迹规划，作为机器人运动的依据。最后，驱动机器人开展实际工作。下面进行详细介绍。

2.1 摄像机选择

本文在研究中，对于视场要求为310*250，属于矩形区域；系统分辨率要求为0.5mm；有关颜色和制式方面，选择单色相机。主要因为其灰度信息科直接处理，较为方便快捷，在精度方面优于彩色相机；在通讯接口方面，多以工业以太网为主，而1394、Camera Link 等接口也较为常用。有关方面的相机接口选择，需要综合考量图像数据传输距离、图像数据大小等因素。综合上述摄像机选型标准，本次设计使用CCD 传感器数字摄像机，生产公司为BASLER 公司。除此以外，在摄像机使用之前，还需进行性能测试，只有满足设计要求、性能良好的摄像机才可作为应用对象。

2.2 镜头选择

在整个机器视觉系统之中，镜头主要用于光学成像。镜头选择是否合理，将会影响成像清晰度。在进行镜头选型时，应综合考虑相机与目标物体之间的距离、焦距大小、拍摄目标的尺寸等因素。镜头计算公式如公式1所示，其中，y 代表像的大小，f 代表焦距，θ 代表半画角。

且在完成镜头选择之后，还需要经过试验测试，分析镜头选择的合理性。经过研究，本次设计选择的镜头为MP-0814 百万变焦标准镜头，生产厂家为日本Coputar 公司。具体参数如表1所示。

表1：MP-0814 百万变焦标准镜头设计参数

2.3 照明方式及光源

通过实践研究可知，当前LED 光源具有响应快、使用寿命长、发光效率高、对于各种环境均具有较强适应力的特点，因此，成为首选的光源。接下来，根据光源进行照明方式选择，主要包括平面照明、环形光源等模式。经过对比分析，环形光源具有一定优势，可以与相机镜头进行同轴组合安装，自上而下进行照明，照明范围较大，高度较高，明亮度较强，能够达到系统有关成像方面的要求，因此，使用较广。本次设计，采取LED 环形光源，生产厂家为日本CCS 公司。

2.4 软件系统运行技术

2.4.1 图像采集与处理

在实践过程中，系统对目标对象图像进行采集时，需要借助相应的函数强化实际工作效果。而这一函数来自图像采集卡的动态链接库，属于与之对应的控制函数。在这一函数的支撑下，完成对摄像机获取的视频信号相关数据采集。与此同时，对采集到的数据进行转化，使其统一为BMP 格式，存入计算机数据库中，便于识别和使用。接下来，还要对图像实施平滑、去噪等处理，并合理选择灰度阈值，实施图像的二值化处理，从而使图像更加精细，有利于特征识别，并为空间定位提供有效支撑。

2.4.2 提取摄像机的定标和坐标

为了优质高效进行坐标提取，需要进行摄像机定标，保证摄像机和实际空间点准确对应。但是，在机器人作业系统中使用视觉伺服控制时，坐标系并不唯一，形成“三位一体”的坐标系，即机器人坐标系、作业平台坐标系、图像坐标系，且每个坐标系皆存在各自的特点。其中，图像坐标系坐标原点位于图像左上部，属于直角坐标系，其单位设计为像素。在实践过程中，可以使用像素的行数表示坐标系的X 轴，像素的列数表示Y 轴。基于便于实际操作和精准定位的视角考虑坐标系设计问题，应在视觉系统中构建统一的坐标，准确定位图像某一轮廓点与实际图形真实点位的对应关系。为了实现这一目的，应在机器人坐标系、作业平台坐标系、图像坐标系三者之间建立变换准则，使其能够准确变换，形成统一的坐标系。基于此设计如下变换矩阵：

在上述矩阵之中，（X,Y）在代表某个点在机器人坐标系中的坐标，而其在图像坐标系中的投影坐标则为（u，v），将像素作为单位，两个矩阵参数设计各有不同，前者为相机内参数，后者为相机外参数。其中，基准点选定为相机内参数，即（cx，cy），通常位于图像中心位置。焦距也以像素作为单位，具体为（fx，fy）。对于摄像机的坐标位置，可以用旋转矩阵R 和平移向量t 表示。在实操过程中，对于像素点在机器人坐标系统中的坐标，可以通过矩阵逆解来确定。

2.4.3 实时控制技术

视觉控制系统中，实时控制对于整个控制工作开展意义重大，只有保证控制的实时性，才能根据实际需求及时进行机器人运行调整，强化服务效果。在具体操作时，得出机器人坐标之后，系统根据坐标信息启动并运行决策程序，形成机器人运行控制指令。与此同时，在MOTOCOM32 库之中调用针对性的函数，准确控制机器人终端执行设备。从而对特征点位置自动确认，令机器人按照预定计划完成操作。

2.5 噪声处理技术

在机器人视觉伺服控制系统之中，视觉系统存在噪声，分析其来源，主要为相机感光元件存在噪声，加之视觉处理算法精准度较差，存在误差，使噪声问题更加突出。为了有效解决这一问题，采取如下技术：

2.5.1 使用鲁棒的特征提取算法

通过实践研究可知，图像噪声对于图像特生提取影响相对较大，且对于像素较为敏感，因此，基于像素梯度的局部图像特征提取受到噪声影响较为突出，从而导致特征点提取错误，匹配不科学的现象，致使系统状态变量产生较大误差，诱发控制系统产生波动问题，弱化机器人控制的稳定性。在解决这一问题时，可以对例外点进行剔除，具体方法为RANSAC 算法、最小二乘法、霍夫变换法、M-estimators 算法等。

2.5.2 利用观测器降低噪声

为了强化降低噪声的效果，可以使用观测器对含有噪声的特征向量实施状态观测，从而得出较为精准的结果，弱化噪声的影响。有关方面的常用方法包括Kalman 滤波法、粒子滤波法等方法。除此以外，对于需要使用图像空间中速度信息的控制系统，存在图像采样频率小而噪声大的问题，如果使用数值微分方法将会加大误差，所以，也可以考虑使用观测器直接观察并估测的模式。

3 机器人视觉伺服控制技术应用保障措施

3.1 体现技术应用的针对性

在机器人视觉伺服控制技术应用之前，必须对服务对象详细了解，总结其有关方面的需求，并在国家相关规定的基础之上，合理进行技术选择和使用。例如，在保证技术应用满足使用需求的前提下，应分析技术的可操作性、便捷性、经济性、发展性等情况，尽量降低技术操作难度，减少操作风险。除此以外，在有关方面技术应用设计时，还应考虑“人机”结合的管理思想，注重相关人员素质的提升，尽量减少人工操作对系统带来的不利影响。

3.2 加强技术应用动态管理

机器人视觉伺服控制技术在应用过程中，应建立针对性的管理机制，加强动态管理，及时根据其实际情况，进行技术调整和优化，强化服务效果。例如，某一设备虽然在初期满足使用要求，但由于长期使用，存在老化问题，性能弱化，加之工业生产要求发生变化，对于机器人的控制要求提升，因此，应及时进行控制设备更换和系统升级，做到与时俱进。与此同时，还要建立针对性的管理制度，设置专职的管理人员，实现“专人、专职、专责”的“三专”管理模式。

3.3 增加相关技术研发投入

为了强化机器人视觉伺服控制技术应用效果，应注重相关方面技术研发投入，有效使用新技术进行控制系统改进和升级。例如，在整个控制系统中，设置运行状态自动监控程序，及时对系统运行状态信息进行搜集，并分析其是否正常，如果存在不正常的情况，将及时预警，管理人员及时进行问题解决。还可以设置设备运行状态自动调整程序，可以根据需求适当调整设备运行参数，强化控制能力。

4 结束语

综上所述，新时期背景下，相关方应注重机器人视觉伺服控制技术应用方面的研究，有效使用新技术进行控制系统改进和升级，强化其控制效果。在这一过程中，应注重摄像机、镜头、照明方式等方面的选择，并有效进行软件系统设计，加强相关技术应用过程管理，做到及时发现问题，及时解决问题，保证机器人视觉伺服控制系统优质高效运行。