现有出产线工业机器人抓取点固定，工件只能以固定的姿势提早摆放在固定的方位，这种装置形式很难满意杂乱的工业出产要求且功率低下。规划了依据视觉引导的机器人装置体系改善原有体系。规划了机器视觉体系，完结了工件的快速辨认、定位以及姿势确认功用；规划了抓放体系，完结了工件的准确抓取和装置功用；选用Visual Studio的MFC开发，完结图画处理算法，并运用Socket通讯将坐标和姿势数据发送给机器人。经过试验验证本体系具有杰出的安稳性和快速性，能够满意出产的要求，大幅进步出产功率。

  中文引证格局：党宏社，候金良，强华，等. 依据视觉引导的SCARA机器人主动装置体系[J].电子技术运用，2017，43(5)：21-24.

  工业机器人是机电一体化高度集成的产品，作为《我国制造2025》要点开展的十大范畴之一，是工业主动化水平缓工业4.0的重要标志[1]。工业机器人具有重复精度高、可靠性好、适用性强等长处，广泛运用于轿车、机械、电子、物流等职业，已被证明是当时最高效的出产工具，需求量不断攀升[2]。自上世纪60年代初以来，工业机器人阅历了三个阶段的开展[3]。第一代是示教再现型工业机器人，只能将操作者告知它的轨道、次序、要求等把常识回忆下来，然后依据再现指令读取这些常识，完结规则使命。第二代工业机器人是感知型工业机器人，经过给工业机器人装置相关传感器使其有所感知，对外部信息能进行反应。第三代工业机器人是智能工业机器人，可对周围环境、作业条件等做出判别然后再履行使命。一般由机器视觉作为反应，经过图画处理信息引导工业机器人履行使命。

  机器视觉是工业机器人的重要研讨范畴[4]，而现在出产线上大都工业机器人都经过预先示教或许离线编程的办法来操控机器人履行预订的指令动作，一旦作业环境或方针方针发生改动，机器人不能及时习惯这些改动，然后导致使命失利，并且这种作业办法在很大程度上约束了工业机器人的灵活性和作业功率。

  本文规划并完结了依据机器视觉的机器人装置体系，可在线完结对不同类型和恣意摆放工件的装置使命。体系首要由机器视觉体系和机器人装置体系组成。机器视觉体系包括图画获取、相机标定、模板匹配，可对不同工件进行辨认、定位以及旋转视点的确认。机器人装置体系包括工件的抓取和装置，在视觉的引导下完结工件的装置。PC运用Socket通讯把坐标和姿势数据发送给机器人，机器人依据方位数据抓取工件，然后放到装置方位。

  选用韩国IMI tech Amazon2系列工业相机[5]，它是数字逐行扫描相机，选用千兆以太网GigE协议规范，选用Sony逐行扫描CCD芯片，具有十分高的图画质量。经过以太网与PC衔接，且收集频率可调。首要经过装置IMI相机的驱动软件取得相机的C++接口，然后将接口函数移植到Visual Studio2015中进行二次开发。在包括相机类库的情况下，经过实例化相机句柄类来读取相机的数据。经过OneFrameGrab来获取相机的一帧图画，并将数据保存在固定的方位，完结实时读取IMI相机的功用。

  在机器视觉运用中，相机参数的标定是十分要害的环节，其标定成果的精度及算法的安稳性直接影响相机作业发生成果的准确性[6]。因为机器人抓取的工件坐落同一平面，所以只对标定板图画收集一次就能够得到相机的外参。得到相机的外参后，即能够得到图画坐标上每个像素在国际坐标系下对应的实践间隔。然后经过坐标系的改换公式即可得到图画坐标系与机器人国际坐标系的转化联系。

  在进行模板匹配之前需求制造不同工件的规范形状模板。将规范的工件放在相机的视界下，获取图画，对图画提取ROI区域，然后进行概括提取，得到模板的规范概括。首要获取规范工件图画，运用矩形截取函数来截取矩形的ROI区；然后对图画进行增强；终究经过模板创立函数来创立模板，得到模板二值化后的规范概括。创立模板的算法思路如下：

  (1)寻觅ROI区域图画的灰度梯度，运用Sobel算子对图画进行处理能够回来X方向的像素灰度值(Gx)和T方向的像素灰度值(Gy)。用下面的公式核算当时像素点的灰度值和梯度方向。

  (2)运用非极大值按捺算法（NMS）来查找梯度方向的部分极大值，按捺非极大值元素，能够细化边际。非最大按捺算法盯梢边际方向的左右像素，假如当时像素的灰度值小于左、右像素灰度值，则按捺当时像素灰度。

  (3)选用双阈值算法提取和衔接边际。非极大值按捺算法处理后或许会有少数的非边际像素被包括到成果中，所以要经过选取阈值进行取舍。双阈值挑选与边际衔接办法经过假定两个阈值其间一个为高阈值TH，别的一个为低阈值TL，则有：关于恣意边际像素低于TL的，则丢掉；关于恣意边际像素高于TH的，则保存；恣意边际像素值在TL与TH之间的，假如能经过边际衔接到一个像素大于TH并且边际一切像素大于最小阈值TL的，则保存，不然丢掉。终究对边际图画进行保存，图1是工件A的模板创立进程。

  对相机收集的作业区域实时图画查找模板图画，得到工件的像素坐标和旋转视点。模板匹配的流程如图2所示。

  其间类似性衡量用到了归一化处理，图画中包括与模板越类似的图画输出的数值越挨近1，公式如下：

  代表待匹配图画的X和Y方向的梯度。归一化类似性衡量会得到当时图画与模板的类似度Score，Score的阈值MinScore设定为0.75。能够设定图画的最大匹配个数，假如匹配时的质量系数大于MinScore的方针个数多于最大匹配个数，只是回来质量系数最好的方针方位。假如找的匹配方针不行，那么就只回来已找到的方针。输出的匹配视点Angle为弧度值0～2π，对应模板图画逆时针旋转0～360°。终究依据相机标定的成果将工件图画坐标转化为机器人的国际坐标。经过屡次匹配试验得出匹配的准确率为98%，匹配的最大绝对差错为5个像素，匹配均匀时刻为60 ms。

  SCARA(Selectively Compliance Assembly Robot Arm)机器人是一种平面关节型工业机器人，具有4个关节[7]，3个旋转关节轴线彼此平行，完结平面内定位和定向；1个移动关节，完结结尾件升降运动，广泛运用于塑料工业、轿车工业、电子产品工业、药品工业和食品工业等范畴[8]。本次规划中机器人要与PC通讯接纳工件的坐标信息和视点，然后抓取工件以固定的姿势放到指定的方位。

  机器人操控器的IP1端口作为客户端衔接到运转在PC上的服务器，运用无线通讯完结数据的收发。运用机械手言语的PRINT和INPUT指令，与机械手言语程序进行数据通讯。经过运用PRINT指令，能够从操控器发送恣意的字符串，操控器发送以PRINT指令指定的字符串及变量值。接纳数据运用INPUT指令，操控器能接纳的仅是实数或整数。操控器已接纳的数据被代入为用INPUT指令指定的变量。在机械手言语的程序中，能够经过参照该变量，运用已接纳的数据。在Visual Studio中运用C++开发了依据Socket通讯的服务器，将模板匹配得到的工件坐标发送给机器人客户端。PC与机器人通讯程序流程图如图3所示。

  机器人程序在TSPC软件中完结，首要功用是依据接纳到的工件坐标和视点数据，移动机器人将工件以固定的姿势放到装置方位。因为抓取的作业区域比较大，因而要将作业区域分隔抓取。经过对机器人的轨道规模的研讨，确认将作业区域分为两个部分，别离以不同的姿势抓取工件。以机器人国际坐标X=331.6为分界，对上半部分选用C=-254.380 基准对工件进行抓取，下半部分选用C=-74.306基准对工件进行抓取。因为工件在作业区域有0～360°的旋转视点，所以要在基准的基础上对机器人的旋转视点进行调整，使得每次机器人的结尾履行器都与工件平行。

  机器人结尾履行器依据工件视点旋转的原理。因为模板匹配回来工件中心的坐标点，当视点发生改动时，相应的机器人的坐标也要改动，才干确保以与工件平行的姿势抓取工件。其原理如图4所示。

  假如工件A的旋转视点为零，那么结尾履行器以工件中心点(X0，Y0)到(X1，Y1)的直线抓取工件。当工件A旋转θ视点时，结尾履行器以工件中心点(X0，Y0)到(X2，Y2)的直线抓取工件。机器人的坐标偏移量用下面的公式核算，其间θ为工件的旋转视点，L为结尾履行器的长度7.564 cm。

  然后用MOVE SAFEPLAY，将不同旋转视点的工件都以固定的视点移动到放置安全点，终究完结放置。机器人的抓放程序流程图如图5所示。

  在Visual Studio中选用MFC开发完结上述图画处理算法，并树立Socket服务器与SCARA通讯。在MFC程序中选用多线程的办法实时显现机器人作业区域的图画，选用中止的办法守时对图画进行模板匹配。当匹配到工件，运用Socket通讯将工件坐标发送给机器人完结装置。MFC程序界面及装置试验体系如图6所示。

  体系差错的首要来历为相机标定、光照的改动、坐标改换以及机器人结尾履行器的精度等。运用本体系对恣意摆放的工件进行辨认和抓取，对接连50次的装置点差错进行计算，如图7所示。经过以上试验测验，本体系能够对恣意摆放的工件进行辨认，并能够准确地放到装置方位，工件装置的最大绝对差错为0.2 mm，均匀绝对差错为0.15 mm，能够满意出产的要求，证明体系的准确性杰出。试验测验时刻超越100 min且体系依然安稳运转，证明体系的安稳性杰出。

  为了使现有出产线工业机器人能更好地习惯抓取环境，规划了依据视觉引导的机器人抓放体系。经过对作业区域图画实时收集和模板匹配得到工件的坐标和姿势，由机器人完结抓放。经过对出产线的改善，工件能够恣意放入作业区域，也可依据出产需求改动抓取战略，进步机器人对环境的习惯性，大大进步出产功率。经过屡次测验试验，本体系能够完结上述一切功用，满意工业出产的要求。

  [3] 骆敏舟，方健，赵江海.工业机器人的技术开展及其运用[J].机械制造与主动化，2015，44(1)：1-4．

  [4] 刘艺，夏文杰.依据机器视觉的移动工件抓取和装置的研讨[J].核算机丈量与操控，2015，23(7)：2329-2332.

  [6] 郭斌，朱戈，陆艺，等.智能化上料体系中工件视觉定位的研讨[J].核算机丈量与操控，2016，24(2)：232-238．

  [7] 翟敬梅，董鹏飞，张铁.依据视觉引导的工业机器人定位抓取体系规划[J].机械规划与研讨，2014，30(5)：45-49.

  [8] 刘振宇，李中生，赵雪，等.依据机器视觉的工业机器人分拣技术研讨[J].制造业主动化，2013，35(9)：25-30.