四轴工业机器人运动控制与视觉码垛

四轴工业机器人运动控制与视觉码垛曹成涛;许伦辉;赵雪;孙永嘉【摘要】针对基于平行四连杆机构的码垛机器人运动控制与视觉抓取的问题，进行了相关运动学和视觉算法的研究.码垛机器人本体采用双四连杆结构,二轴驱动采用一组四连杆结构、三轴驱动采用一组四连杆结构，一轴及四轴由电机带动减速器直接驱动.在根据码垛机器人的结构特点，首先，建立了基于MDH法的连杆坐标系，其次从正、反运动学建模两个方面对拟人手臂进行了运动控制描述.然后，提出了一种Hough-链码视觉识别算法以满足码垛机器人视觉功能需求最后仿真结果表明，该码垛机器人可以有效解生产线上码垛作业问题.【期刊名称】《机械设计与制造》【年(卷)，期】2016(000)011【总页数】4页(P158-161)【关键词】工业机器人;码垛机器人;运动学;Hu-Hough链码法【作者】曹成涛;许伦辉;赵雪;孙永嘉【作者单位】广东交通职业技术学院智能交通工程技术应用中心，广东广州510650;华南理工大学土木与交通学院广东广州I510640;华南理工大学土木与交通学院，广东广州I510640;沈阳防锈包装材料有限公司，辽宁沈阳110168;东北大学信息工程学院，辽宁沈阳110016【正文语种】中文【中图分类】TH16;TP242.6+2伴随着工业自动化的发展，塑料包装、物料搬运、罐头包装和奶粉集装箱搬运等生产线对智能化工业生产的需要越来越迫切，从而加速了码垛机器人的发展。由于四自由度的结构特性，四轴码垛机器人需要比普通工业机器人有更强灵活性、可操作性和稳定性。所谓码垛，是指这样一种功能，它只要对几个具有代表性的点进行示教，即可从下层到上层按照顺序堆叠工件。在传统生产线上，码垛首先要满足的是示教再现，其一系列运动也都是用示教或离线编程的方法，所有动作和摆放位置都要预先严格的设定。但由于精度问题，往往基本的示教再现是满足不了当今制造业的需求的［1］。生产线上的物件位置都存在很大误差，对于长时间作业来说，显然是满足不了的。国内学者针对码垛视觉抓取和运动控制做了很多相关研究：例如。文献［2］研究了码垛机器人的运动学方法、自标定和仿真技术。文献［3］对一种新型七自由度人形乒乓球机器人的进行了详细的运动学分析。文献［4］对四自由度分拣机器人进行了视觉的运动学标定。文献［5］针对并联机器人链接逆运动学提出了明确的解决方案。首先根据码垛机器人的机械构型解决了该码垛机器人运动学问题，使机器人能够准确到达目标位置［6］。其次码垛视觉系统从摄像机获取到黑色放置台上的工件的图像，对图像进行处理识别。再次，码垛机器人根据视觉识别算法识别到的目标工件笛卡尔坐标系的位置和机器人的位置的转换矩阵通过运动学进行准确抓取。将抓取的工件按照码垛规则进行摆放。最后对运动学算法进行了仿真试验，以证明其正确性。当标准六轴机器人用来完成搬运码垛的工作时，机器人的动作形式简单，六轴机器人的灵活性没有完全发开出来。码垛机器人的用途是对货物的水平搬运和原地旋转，是对货物的位置调整，不需要到达复杂的角度位置。研究的四轴码垛机器人，相对六轴机器人来说，虽然减少了2个轴的电机及驱动器，但机器人的使用性能没有打折扣，只是降低了机器人的成本，提高了在机器人市场内的竞争度。从机器人本体上的机械结构分析，可以很方便的实现货物的搬运。四轴码垛机器人，如图1所示。机器人本体采用双四连杆结构，二轴驱动采用一组四连杆结构、三轴驱动采用一组四连杆结构，一轴及四轴由电机带动减速器直接驱动。根据四轴码垛手臂实际机械构型建立了，如图2所示。连杆坐标系的结构图［7］。3.1机械臂运动学正解根据码垛机器人的四连杆机械构型，采取MDH建模法，机器人连杆参数表，如表1所示。根据以上这些参数可以得到各个关节之间的变换矩阵：最后，得到四个连杆坐标变换矩阵的乘积：3.2机械臂运动学反解码垛机器人的反解的目的在于：（1）根据视觉相机获取的位置，计算出各个轴输出的角度，使得机器人能够准确抓取目标物体［8-9］。（2）根据正解记录的姿态值，反解出位置值，以满足示教再现3.2.1求解第一轴可以推论出：01是唯一解。3.2.2求解四轴利用arctan2可以解出唯一解04是唯一解。3.2.3求解第二个轴02是唯一解。3.2.4求解第三个轴已知：由余弦定理可知：03是唯一解。3.3码垛算法流程设计的是简单码垛机器人，如图3所示。为码垛机器人算法流程。就是将物品按照一定的规则顺序整齐地进行摆放。只需通过对一个工件的装载(卸载)动作进行示教和视觉校正，再对工件个数、装载方式、工件配置进行指定，就能够简单地对全部工件的装载(卸载)动作进行示教。托盘从下列3点进行定义。(1)托盘的基准位置(2)从基准位置向托盘X轴方向移动的位置(3)从基准位置向托盘Y轴方向移动的位置。运动学算法完成后，就可以注册码垛流程。需要对码垛环境进行一些基础设置，设置要码垛工件的个数，每一层码垛的行数和列数，一层码垛的高度。还需要待码垛的工件之间的距离进行设置，也就是工件和工件之间的偏置。在实际的生产线上，码垛是必不可少的流程，它将生产线的物品进行有规则的摆放，从而方便包装和运输。由于物品的流动性，往往码垛示教点经常有很大的误差。为了弥补示教误差，提出了一种视觉码垛系统。该视觉码垛系统可以识别简单的规则物体，因为实际的生产线中包装物体经常规则几何形状基本。从视觉码垛系统的层次上分，视觉码垛系统应包含：视觉预处理模块、物体识别模块、码垛摆放算法模块。码垛系统流程：首先完成码垛机器人运动学正反解，使机器人能够准确到达目标位置。其次码垛视觉系统从摄像机获取到黑色放置台上的工件的图像，对图像进行处理识别。再次，码垛机人根据视觉识别算法识别到的目标工件笛卡尔坐标系的位置和机器人的位置的转换矩阵进行准确抓取。最后将抓取的工件按照码垛规则进行摆放。4.1多目标分块处理一般来说，针对摄像机拍摄的图像进行识别的过程中，往往都对图像的行和列进行扫描计算。这样计算的时间就被大大的拉长。针对这一问题，采取了一种新的多目标分块处理算法。该算法将图片中多种物体，分为一个个目标块BlockN（i，j）进行研究［10］，如图4所示。用多目标分块处理算法的矩形方框来圈选待识别目标，使得图片中的多物体被分为一个个单独物体，每次计算只扫描矩形框的区域，这样就大大减少了计算时间。4.2Hu-Hough链码法将摄像机拍摄的图像经过多目标分块算法处理后，就需要对待识别物体进行识别分类。采用的Hu-Hough链码是一种视觉融合算法。首先用Hough变换识别出待码垛物体的周边直线，然后计算直线与直线之间的夹角。将直线的数目和夹角存到链码当中去，如果链码相同则可以确定是相同的形状。把两条相邻直线之间的夹角当做参数，得到Hough-链码，且具有旋转不变特性。最后由于正方形和长方形之间、大三角形和小三角形之间即使形状相同，但是却不属于同一种工件，需要进行进一步验证。针对同类别但是大小不同的待测物体利用Hu算法进行区分，同时也提高了识别率。Hu的7个不变矩如下：4.3几何中心计算待码垛物体识别最重要的一部分就是几何中心计算。一般来说，可以认为规则物体的几何中心就是重心［11］。码垛机器人抓取的中心即物体的几何中心。抓取几何中心可以平衡抓取力，可以使得机器人更稳定的进行码垛。其（p+q）阶矩定义为：零阶矩M00是区域密度的总和：一阶矩M10为图像对j轴的惯性矩；M01为图像对i轴的惯性矩：物体的质心坐标为：不同形状物体算法的识别结果，如图5所示。使用Hu-Hough链码算法识别出的实验结果。从图中可以看出，该算法识别出了几何形状目标物体，并且在待码垛几何中心用十字花标出。首先介绍了码垛正反运动学算法，正反运动学算法是机器人运动抓取的基础。然后提出了一种Hu-Hough链码视觉融合算法。利用Hough-链码识别出不同种待码垛物体。针对同类不同大小待码垛物体利用Hu算法进行区分。最后对运动学算法进行了仿真试验，以证明其正确性。结果显示在多种几何工件的目标中，视觉系统有很好的鲁棒性。【相关文献】[1]赵彬.基于机器视觉的工业机器人分拣技术研究[D].沈阳：沈阳工业大学，2013.(ZhaoBin.Researchofsortingtechnologybasedonindustrialrobotofmachinevision[D].Shenyang:ShenyangUniversityofTechnology,2013)[2]DunminLu,ChuanqingZhang,YuezhenFan.Thekinematicself-calibrationmethodandsimulationofonepalletizingrobot[J].ProceedingsoftheEighthWorldCongressonIntelligentControlandAutomation.Piscataway,NJ:IEEEPress,2010:6424-6427.[3]Z.Bin,X.Rong,W.Jun.Kinematicsanalysisofanovel7-DOFhumanoidmanipulatorfortabletennis[J].InternationalConferenceonElectronics,Communications&Control,IEEE:2011:1524-1528.[4]W.Cai,T.Xiong,Z.Yin.Vision-basedkinematiccalibrationofa4-DOFpick-and-placerobot[J].2012IEEEInternationalConferenceonMechatronicsandAutomation,2012(1):87-91.[5]D.Zhao,WeiHailong,ZhangHongyan.Explicitsolutionforinversekinematicsof3-RPSparallellinkmanipulator[J].ControlandElectronicEngineering,2010(2):425-429.[6]芮执元刘涛.码垛机器人运动学分析与仿真[J].机械制造，2010(4):7-10.(RuiZhi-yuan,LiuTao.Kinematicalanalysisandsimulationofpalletizingrobot[J].Machinery,2010(4):7-10.)[7]李庆武，蔡艳梅，徐立中.基于分块分类的智能视频监控背景更新算法[J].智能系统学报，2010,5(3):272-276.(LiQing-wu,CaiYan-mei,XuLi-zhong.Backgroundupdatealgorithmbasedonblocksclassificationforintelligentvideosurveillance[J].CAAITransactionsonIntelligentSystems,2010,5(3):272-276.)[8]W.Shen,J.Gu,E.E.Milios.Self-configurationfuzzysystemforinversekinematicsofrobotmanipulators[J].2006AnnualMeetingoftheNorthAmericanFuzzyInformationProcessingSociety,2016(8):41-45.[9]A.R.Seisler,F.T.Sheehan.Normativethree-dimensionalpatellofemoralandtibiofemoralkinematics:adynamic,invivostudy[J].IEEETransactionsonBiomedicalEngineering,2007,54(7):1333-1341.[10]赵小川，罗庆生，陈少波.改进型图像中的直线快速检测[J].光学精密工程，2010,18(7):1654-1659.(ZhaoXiao-chuan,LuoQing-sheng,ChenShao-bo.Improvedfastlinedetectionmethodinimages[J].Optics