郭 慧， 沈 霞， 王 勇

（華東理工大學(xué)機械與動力工程學(xué)院，上海 200237）

智能獲取裝箱管狀工件抓取位置的研究

郭 慧， 沈 霞， 王 勇

（華東理工大學(xué)機械與動力工程學(xué)院，上海 200237）

機械手智能抓取工件時，工件抓取位置的獲取是基于機器視覺精確裝配的重點。針對環(huán)境較復(fù)雜的裝箱管狀工件的裝配抓取環(huán)節(jié)，建立合理的機器視覺系統(tǒng)，利用正向照明系統(tǒng)對工件表面產(chǎn)生的反光直光條特征，提出了一種Gaussian擬合與Hough變換相結(jié)合的擬合算法。首先利用Gaussian擬合提取各光條法向上的中心坐標(biāo)，然后將獲取的坐標(biāo)點集運用Hough變換進行擬合，最后根據(jù)獲取的各光條中心線計算各工件的抓取位置。實驗結(jié)果表明該方法能同時實現(xiàn)多條光條直線的擬合，又能抑制干擾點或噪聲的影響，有效實現(xiàn)裝箱工件抓取位置的智能獲取。

機器視覺；Gaussian擬合；Hough變換；光條中心線；抓取位置

機器人智能抓取工件的首要步驟是判斷目標(biāo)物體的抓取位置。工件的抓取位置一般情況下，就是工件的中心位置。近年來，有眾多國內(nèi)外學(xué)者對工件中心位置的獲取進行了研究，如 Heinz和 Chang[1]提出了一種最小二乘橢圓擬合微零件中心位置的方法；熊春山等[2]利用圖像的一階矩及零階矩獲取單一工件的形心坐標(biāo)；劉振宇等[3]則提出了多目標(biāo)物體質(zhì)心計算的快速方法；Barinova等[4]也針對多個目標(biāo)物體的檢測，提出了一種基于Hough變換的中心檢測算法；李彩花等[5]分別利用極值均值法、最小二乘曲線擬合交點均值法和點Hough變換圓中心檢測法獲取工件坐標(biāo)。這些智能算法應(yīng)用于工業(yè)生產(chǎn)不僅提高了生產(chǎn)效率還節(jié)省了人力[6]，但是上述方法僅適用于單一目標(biāo)或所處環(huán)境相對簡單的多個目標(biāo)物中心位置的提取，難以應(yīng)用于所處環(huán)境較復(fù)雜的裝箱工件。由于裝箱工件中各工件輪廓互相重疊，以至于各工件輪廓難以分割，從整箱工件中按次序抓取單個工件一直是研究的難點。

本文利用機器視覺中正向照明系統(tǒng)對工件表面產(chǎn)生的光條紋特征，提出了一種 Gaussian擬合與Hough變換相結(jié)合的擬合算法，通過擬合各光條中心線，獲取欲抓取單個工件的中心位置，實現(xiàn)了對所處環(huán)境較復(fù)雜的裝箱管狀工件抓取位置的智能獲取。

1 裝箱管狀工件機器視覺系統(tǒng)設(shè)計

針對裝箱管狀工件在傳送帶上的工作狀況，本文設(shè)計的機器視覺系統(tǒng)如圖1所示。在電荷耦合器件(charge coupled device, CCD)相機兩側(cè)對稱地設(shè)置兩個發(fā)光二極管(light-emitting diode, LED)光源，采用正向照明系統(tǒng)，通過CCD工業(yè)相機獲取裝箱管狀工件圖像，工業(yè)圖像傳感器將采集的圖像信號轉(zhuǎn)化為數(shù)字信號并通過以太網(wǎng)通訊傳輸?shù)接嬎銠C上，經(jīng)過圖像處理，獲取箱中各工件抓取位置數(shù)據(jù)，傳輸給機器手臂，并指示機器手臂進行抓取。調(diào)試發(fā)現(xiàn)，CCD工業(yè)相機處于裝箱管狀工件正上方700 mm處，可使整箱目標(biāo)工件充盈整個圖像范圍，并可獲得合適的工件表面光帶條紋。CCD工業(yè)相機所獲的灰度圖像如圖2所示，單根管狀工件的圖像如圖3所示。通過圖2與圖3的對比，反映了裝箱管狀工件所處環(huán)境的復(fù)雜性。

圖1 裝箱管狀工件機器視覺系統(tǒng)

圖2 整箱管狀工件圖像

圖3 單根管狀工件圖像

2 管狀工件抓取位置的獲取

通過機器視覺系統(tǒng)獲取的裝箱工件的灰度值分布如圖4所示。每個工件上的光條紋中心灰度值呈局部峰值直線狀態(tài)，因此通過擬合單個工件上的光條中心線，計算出光條中心位置即可獲取單個工件的抓取位置。

圖4 整箱工件的灰度分布圖

現(xiàn)有的光條中心線提取方法有極值法、閾值法、重心法等[7]。這些方法只能粗略確定光強中心，受噪聲影響較大，其精度不高。而Gaussian擬合法根據(jù)結(jié)構(gòu)光條紋的法向灰度值近似服從于高斯分布，利用條紋的法向灰度數(shù)據(jù)擬合出高斯曲線并將其極值對應(yīng)的坐標(biāo)作為條紋在該法向上的中心，可以達到較高的精度[8]。然而，由于裝箱管狀工件中有多個光條，若將Gaussian擬合獲取的數(shù)據(jù)點集直接進行最小二乘法的擬合，需事先對數(shù)據(jù)點集進行分離預(yù)處理，這是一項既繁瑣又費時的工作。為此，本文提出了一種Gaussian擬合與Hough變換相結(jié)合的擬合方法。

2.1 Gaussian擬合和Hough變換基本原理

2.1.1 Gaussian擬合原理

機器視覺系統(tǒng)中的正向照明系統(tǒng)在工件表面形成了具有一定寬度的光條，該光條紋法向上的光強分布近似服從于高斯分布，如圖5所示。裝箱管狀工件的法向光強分布則是多個近似高斯曲線的分布。

設(shè)需擬合坐標(biāo)點（xi,yi），i=1,2,3,…,n。高斯函數(shù)的數(shù)學(xué)表達式如下：

其中，x0,y0是兩個待估計參數(shù)，即峰高位置點值；A是待估參數(shù)，對式(1)取對數(shù)化為線性方程：

則式(2)化為的二次多項式函數(shù)的矩陣形式為：

即為：

圖5 光條紋法向光強分布圖

根據(jù)式(4)求出 b0,b1,b2的值，即可求出光條法向中心坐標(biāo)點（x0,y0）。

2.1.2 Hough變換原理

Hough變換是圖像處理中對直線檢測的有效方法，它能檢測出已知數(shù)據(jù)點的共線性，是一種全局的檢測方法[9]。其原理如下：

設(shè)圖像上存在一條直線l，其表達式為ykxb=+。在標(biāo)準(zhǔn)參數(shù)化方式下，直線l表達為

其中，ρ為原點o到直線l的距離，ρ≥0；θ為ρ與x軸的夾角，0≤θ≤π。該變換可解決當(dāng)直線垂直于x軸的數(shù)值病態(tài)問題[10]。如圖6所示，在直角坐標(biāo)系中，直線l上不同的點經(jīng)Hough變換后在參數(shù)空間中形成為一簇相較于點k的正弦曲線。直角坐標(biāo)系中的一條直線對應(yīng)于參數(shù)空間中的一點k，多條直線則對應(yīng)參數(shù)空間中的多個點k，確定參數(shù)空間中的多個點k，即可實現(xiàn)多條直線的擬合。

圖6 Hough變換原理圖

2.2 Gaussian擬合與 Hough變換相結(jié)合獲取工件

抓取位置

本文將Gaussian擬合與Hough變換相結(jié)合，根據(jù)光條法向上的灰度特征，利用Gaussian擬合法獲取各光條法向上的中心坐標(biāo)，將獲得的坐標(biāo)數(shù)據(jù)點集運用Hough變換進行擬合，獲取各光條中心線，由此獲取各工件抓取位置。具體算法步驟如下：

(1) 對所獲圖像進行濾波處理，應(yīng)用中值濾波對所獲取圖像進行降噪處理，采用3×3的濾波模板，提高圖像質(zhì)量，利于下一步圖像處理；

(2) 隔行搜索圖像，運用Gaussian擬合法獲取所搜索行的每個光條法向上的最大灰度值對應(yīng)的坐標(biāo)點m（x0,y0）。設(shè)通過高斯擬合獲取的坐標(biāo)數(shù)據(jù)集為M=(x0i,y0i)T，（i=1,2,…,s,其中s代表數(shù)據(jù)集中的數(shù)據(jù)點數(shù)），且M中的數(shù)據(jù)點分布在多條直線附近；

(3) 將參數(shù)空間量化成m×n個單元，給每個單元設(shè)置一個累加計數(shù)器E(i,j)，設(shè)其初始值為零；

(4) 將數(shù)據(jù)集M進行式(5)的Hough變換；

(5) 在參數(shù)空間中，找到θ和ρ所對應(yīng)的單元，并將該單元的累加計數(shù)器加1，即E(i,j)=E(i,j)+1；

(6) 待變換完畢后，對參數(shù)空間中的單元進行檢測，獲取累加計數(shù)器中前R(R為需擬合直線個數(shù))個值最大的單元所對應(yīng)的 θk和ρk(k=1,2,…,R)；

(7) 以 θk和ρk為直角坐標(biāo)系中所求直線的參數(shù)，實現(xiàn)R條光條中心線段的擬合，并根據(jù)工件與背景存在的很大灰度差設(shè)置閾值，將所擬合的中心線段延伸至工件管頭邊緣，則此時獲取的各中心線長對應(yīng)各管狀工件；

(8) 對獲取的各中心線段求中心點，獲得各光條中心，即對應(yīng)各工件抓取位置。

3 應(yīng)用實例

3.1 實驗結(jié)果對比分析

管狀工件裝箱圖像如圖2所示，每層裝有9個管狀工件，且有 9條工件上的光條中心線，通過Gaussian擬合與 Hough變換相結(jié)合的方法進行R=9條光條中心線的擬合，將擬合的線段求中心點即可獲得裝箱各管狀工件的抓取位置，并對各工件中心坐標(biāo)排序，以確定從右至左的抓取順序。同時，將Gaussian擬合得到的數(shù)據(jù)點用最小二乘法擬合中心線，與本文算法做對比分析，擬合對比如圖7所示。

圖7 擬合結(jié)果對比圖

由圖7可知，最小二乘法雖能擬合出工件的中心線，但易受干擾點和干擾短光條的影響，擬合出不屬于工件表面的中心線；而 Gaussian擬合與Hough變換相結(jié)合的擬合算法不僅實現(xiàn)了工件表面所有光條中心線的擬合，同時很好地抑制了各光條周圍干擾點、干擾短光條或噪聲的影響。

隨機抽取120幅工件圖像，分別用本文算法和最小二乘法進行擬合試驗，并且按照全部擬合出工件表面的光條中心線且不受干擾點、干擾短光條及噪聲的影響作為成功擬合的基準(zhǔn)，進行對比后結(jié)果如表1所示。

表1 本文算法與最小二乘法擬合對比

表1數(shù)據(jù)表明，Gaussian擬合與Hough變換相結(jié)合的擬合算法與最小二乘法對比，具有較高的成功擬合率，擬合失敗的主要原因是由于最小二乘法易受干擾點和干擾光條的影響。與此同時，最小二乘法擬合的時間與本文算法相比較長，這主要由于最小二乘法需事先對數(shù)據(jù)點進行分離工作，該過程比較繁瑣。

3.2 實驗誤差分析

通過本文算法擬合后，獲取各工件抓取位置坐標(biāo)值及擬合的各線段長度，以獲得的各工件擬合長度為基準(zhǔn)，分析擬合誤差，如表2所示。

表2 各工件抓取位置坐標(biāo)及擬合誤差

由表2數(shù)據(jù)可知，該方法的擬合結(jié)果存在一定的誤差。其誤差主要原因是由于工件管頭在箱體內(nèi)壁會形成一定的微小陰影，該微小陰影的灰度值在該擬合算法 2.2節(jié)步驟(7)中所設(shè)置的閾值范圍之內(nèi)，成為工件偽管頭邊緣如圖8所示。然而，經(jīng)過多次調(diào)試，發(fā)現(xiàn)擬合的相對誤差控制在裝配所允許的誤差0.7%之內(nèi)，達到裝配精度需求。

圖8 偽管頭邊緣

4 結(jié) 論

針對所處環(huán)境較復(fù)雜的裝箱管狀工件中單個工件智能獲取抓取位置的問題，采用正向照明系統(tǒng)對工件表面產(chǎn)生的反光直光條特征，提出Gaussian擬合與 Hough變換相結(jié)合的方法擬合管狀工件表面上的反光光條，從而確定裝箱各管狀工件的抓取位置。該方法不僅可以同時擬合多條直線，而且能有效地抑制干擾點或噪聲的影響。雖然工件偽管頭邊緣產(chǎn)生了一定的擬合誤差，但能控制在裝配所允許的誤差范圍之內(nèi)。與此同時，該方法也為所處環(huán)境較復(fù)雜的裝箱工件抓取研究奠定了基礎(chǔ)。

[1] Heinz D C，Chang C I. Fully constrained least squares linear spectral mixture analysis method for material quantification in hyperspectral imagery [J]. IEEE Transactrions on Geoscience and Remote Sensing, 2001, 39(3): 529-545.

[2] 熊春山, 黃心漢, 王 敏, 等. 融合圖像處理與超聲測距的工件精確抓取[J]. 機器人, 2000, 22(3): 183-187.

[3] 劉振宇, 李中生, 趙 雪, 等. 基于機器視覺的工業(yè)機器人分揀技術(shù)研究[J]. 制造業(yè)自動化, 2013, 35(9): 27-32.

[4] Barinova O, Lempitsky V, Kholi P. On detection of multiple object instances using hough transforms [J]. IEEE Transactions on Pattern Analysis and Machine Intelligenc, 2012, 34(9): 1773-1784.

[5] 李彩花, 王 昕, 王學(xué)影. 邊緣檢測技術(shù)在工件中心位置識別中的應(yīng)用[J]. 傳感器技術(shù), 2005, 24(4): 73-75.

[6] 王 勇, 郭 慧. 基于支持向量機的輪胎標(biāo)識點形狀識別[J]. 圖學(xué)學(xué)報, 2014, 35(2): 120-125.

[7] 李中偉, 王從軍, 史玉升. 一種結(jié)合梯度銳化和重心法的光條中心提取算法[J]. 中國圖象圖形學(xué)報, 2008, 13(1): 64-67.

[8] 高世一, 楊凱珍. 變邊限高斯擬合提取激光條紋中心線方法的研究[J]. 儀器儀表學(xué)報, 2011, 32(5): 1132-1137.

[9] 肖志濤, 國澄明, 孟翔宇. 基于Hough變換的傾斜文本圖像的檢測[J]. 紅外與激光工程, 2002, 31(4): 315-318.

[10] 張德豐. MATLAB數(shù)字圖像處理(2)[M]. 北京: 機械工業(yè)出版社, 2012: 178-179.

Research on Intelligent Acquisition of the Grasping Position of Packing Tubular Workpiece

Guo Hui, Shen Xia, Wang Yong

(School of Mechanical and Power Engineering, East China University of Science and Technology, Shanghai 200237, China)

When manipulator grasps intelligently the workpiece, the acquisition of grasping position about workpiece is the key of accurate assembly based on machine vision. For the grabbing link on assembly of packing tubular workpiece in the more complex environment as the object of study, a reasonable machine vision system is established, and the method combined with Gaussian fitting and Hough transform is proposed by using the feature of the forward lighting system reflecting straight light on the surface of workpiece. Firstly, Gaussian fitting method is used to extract the center coordinates of each light stripe in normal direction, then the coordinates of point set is fitted by using Hough transform, finally the workpiece grasping position is calculated according to the obtained each light center line. The experimental results show that this method not only can achieve the fitting of multiple light line, and can suppress interference and noise commendably, and effectively realize the intelligent acquisition of grasping position of packing workpiece.

machine vision; Gaussian fitting; Hough transform; the centerline of light stripe; the grasping position

TP 391

A

2095-302X(2015)03-0452-05

2014-09-11；定稿日期：2014-10-29

郭 慧(1964-)，女，江西贛州人，副教授，博士。主要研究方向為計算機圖形學(xué)、逆向工程。E-mail：ghcad@163.com