机器人3D视觉传感器设计与实现

邓威

摘要:近年代以来,机器人自动化分拣领域越来越多地开始应用3D视觉处理技术对特定目标上的物体抓取进行分拣定位。本文主要深入研究3D视觉处理技术在机器人物体抓取处理作业分拣中的具体应用,总结了3D视觉处理技术在准确识别、定位目标物体时可能面临的重大挑战,给出了用于抓取分拣作业中的机器人3D视觉处理系统的具体设计应用方法,归纳了目前现有的3D视觉成像分析方法和物体视觉成像处理分析算法,结合3D视觉处理技术对目标物体上的抓取进行分拣的具体技术应用。

关键词:图形机器人;3d图形视觉图像传感器;系统设计与功能实现

引言

随着国民经济的快速发展与科技的不断进步,3D视觉传感器在机器人视觉系统需要抓取作业物体以及作业抓取过程管理中的主要功能作用就是通过自动识别、定位这些抓取目标需要抓取作业物体,为此使抓取机器人视觉系统自动提供这些抓取目标需要抓取作业物体的运动结构状态类型与目标运动状态位姿等等相关信息。

1、3D视觉技术的优点

(1)3d中的听听看看视觉图像辨识系统可以同时能够提供一个位于目标外平面内一个物体动态测量统计数据,而3d中的视听辨识功能提供一个平面内的物体位姿动态测量统计数据;

(2)3d运用视觉观察能力法给出观察目标周围物体的空间深度范围信息或目标物体所在表面的时间点云高度信息。

(3)点面和云相互粘连:多个位置物体杂乱一起堆放或者两个位置物体堆放表面非常靠近一起摆放时,不同位置物体堆放表面的点面和云粘接会相互粘连在一起,这就需要涉及到如何才能稳定、准确地同时进行点面的云粘连分割;

(4)各个点云物体密度不一致:点云物体内部表面与3d照相机之间的相对位姿、物体内部表面的相对颜色均匀都会直接影响点微微云的物体密度,使得每个目标拍摄场景的各个点云物体密度不一致,这在一定大的程度上也会给点微微云图像处理器的算法开发带来了困难;

此外,相机成像传感器的高频噪声,点阵式云成像分割机的噪声,光照环境条件的剧烈变化,物体的色彩颜色等诸多影响因素都已经是3d全景视觉成像技术所必须面临的主要问题。

2抓取一个作业线的机器人3d模式视觉控制系统的结构设计

2.13D相机的选择

3d抓取相机的应用成像相机抓取场景精度一般要求需要达到能够充分满足抓取相机拍照应用成像抓取相机场景的工作点和节拍抓取场景视场执行精度两个基本要求。通常,工作点和地点间的距离越大,3d相机应用抓取相机的点和抓取场景视场越大,但是对应用成像的点和抓取视场精度越低。此外,相机的应用成像抓取分辨率、点云的抓取数据执行获取场景执行数据速度也一直认为是对于用户进行评价3d相机应用成像抓取系统的重要两个衡量标准指标。

 其中,相机的应用成像抓取分辨率及其大小直接决定了相机点数和点在云数据抓取场景数据量的功能规模化和大小以以及其对相机抓取场景物体各个重要细节的相机视觉效果表征中的作用重要程度,关系需要考虑到相机点数和点在云抓取数据处理算法系统抓取算法的相机整体结构设计。

2.2光源、遮光板的选择

为了有效率地避免相机照射到在外界环境中的各种环境光对摄影相机内部视觉运动成像控制系统的直接运动影响、保证摄影相机内部视觉运动成像控制系统的正常运动性和稳定性,有时候还可能需要同时使用各种外加相机环境反射光源和同时使用外加遮光板。但是使用外加的相机环境反射光源不能直接有效影响3d相机正常视觉成像。

2.3视觉系统对机械设计的要求

当手动固定相机手眼固定手动进行安装时,机器人就只是仅需要通过双眼手持手动相机标定板就能进行自动做手眼双目手持手动标定。为了充分发挥方便帮助用户自动进行手持相机自动手眼双目手持手动标定,可通过用户设计专门的手眼tool固定位置抓手板来保持手动相机标定板,留出手动相机手眼足够的固定位置空间以便于用户保证双眼手持手动标定板在自动进行相机手眼双目手持相机标定手动安装操作过程中完全固定不会与其他任何机器人手动操作位置发生任何相互干涉。手动固定相机手眼固定手动相机安装的最大主要优点之一也就是,对手动相机固定位置自动进行固定后在变更后,无需再通过手动安装做其他任何机器人操作进行相机手眼双目手持手动标定。

2.4光度立体视觉

物体内部表面可以反射可见光量的多少主要取决于该物体表面与固定光源和其他观察者之间的相对运动姿态。可以采用不同的图像角度对一个静止不动目标固定物体内部进行光度照明,在每个光度照明图像角度下,使用同一或多台数码相机在同一个固定光度视角下只能拍摄一幅照明图像,光度立体光学视觉成像技术可以使用这组光度图像通过估计计算出静止目标固定物体在该表面的一个法拉尔向量。

3实际案例研究

3.1机器人3d视觉产品分拣

任务概要内容功能描述:圆形抽屉覆盖料框内杂乱无章其中堆放着不同规格品种的各型号的多个使用白色或深圆形圆型抽屉料框覆盖着的纸盒,并且这些圆形抽屉覆盖纸盒的各个圆形抽屉料框表面的覆盖料框周围长宽高度大小尺寸各不相同。3D分拣视觉识别系统通过人机自动识别圆形抽屉覆盖纸盒各个抽屉表面的料框长宽高度尺寸将不同规格品种的各型号的圆形抽屉覆盖纸盒物料进行准确区分后并识别分拣开来,再由一个分拣机器人将它们分别出来进行多次分拣后并存放到不同的圆形抽屉覆盖料框中。

3.2视觉方法描述

视觉程序设计思路:

首先,利用图像边缘分割提取、边缘分割综合连接、腐蚀、膨胀等多种设计算法在每张采用左旋照相机进行图像分割矫正后的每张图像上分别进行边缘分割综合设计以得出不同的大型圆形纸盒图像及其所在表面上所覆盖后的区域;然后,取每个最小分割后的区域及其所在相位上对应的3d中心云雾点上的云,估计这片点云的雾与雾和云的二次纸层长宽厚度,若云的纸层厚度长宽误差分别小于这个阈计算的数值及其中的t和t,则我们可以明确认为这片点云的雾与雾和云其实就是代表了一个大型圆形纸盒中所覆盖在其表面的一个整体几何云和整体云的形貌,计算这片点云的雾与雾和云的3d最小最大分割云的外接盒及其覆盖后的区域,即可通过二次估算如何设计得到一个大型纸盒中所覆盖在其表面的二次纸层厚度长宽宽高厚度误差尺寸、中心云雾点的整体位置与一个整体云的姿态;对其中的图像图片进行3d最小最大分割,然后再对其图像进入上述的二次纸层长宽厚度误差大小位置判断与纸层长宽厚度尺寸、位姿的计算综合分析计算程序执行完成程序。为了大大缩短图像计算机在程序执行后的计算时间,对点云中的图像图片做3d最小最大分割之前,预先对其中的图像图片进行二次图像采样以大大减少二次计算后的数据量。

检查您的纸盒覆盖表面上方边缘是否是没有任何遮挡,过滤网去掉上方是否有遮挡的检测结果,防止您在抓取纸盒过程中可能发生任何碰撞或零件损坏。

最后,将视觉处理结果按照工件表面夹具中心高度、姿态运动方向和夹具表面中心尺寸分别进行精度综合分析排序,输出输入到系统机器人自动抓取后的路径自动规划处理程序当中。路径自动规划处理程序根据系统视觉处理输出的结果自动引导机器人运动并同时控制其在夹具上的动作。

总结

本文主要用于研究3D视觉成像技术在进行机器人自动抓取成像作业过程中的具体应用,归纳了3D视觉成像技术在进行机器人自动抓取成像作业中可能面临的一些挑战,对当前机器人3D视觉技术系统的结构设计以及方法应用进行了分析总结,搜集了当前主要的3D成像视觉技术。

  参考文献

[1]杨蛟龙;陈磊;贾云得;;一种基于立体视觉的人与机器人交互技术[A];第七届和谐人机环境联合学术会议（HHME2011)论文集【oral】[C];2011年

[2]张金芳;陈传治;;多传感器信息融合技术应用研究现状[A];公共安全中的化学问题研究进展（第二卷）[C];2011年

[3]孙海荣;信息融合在移动机器人目标定位中的应用研究[D];河北大学;2011年