吳文冀，李福東

（揚(yáng)州大學(xué)，江蘇 揚(yáng)州 225000）

1 引言

隨著工業(yè)自動(dòng)化設(shè)備需求量的增大及機(jī)器視覺(jué)技術(shù)的發(fā)展，自動(dòng)化生產(chǎn)中對(duì)于三維裝配技術(shù)的智能化和柔性化水平要求越來(lái)越高，同時(shí)，基于視覺(jué)的三維裝配技術(shù)也越來(lái)越重要，尤其是在分揀機(jī)器人應(yīng)用方面，對(duì)不同工件位姿的測(cè)量是關(guān)鍵。與傳統(tǒng)的位姿測(cè)量技術(shù)，諸如使用陀螺儀，或者多激光傳感器配合等的位姿測(cè)量技術(shù)相比，視覺(jué)系統(tǒng)具有結(jié)構(gòu)簡(jiǎn)單、測(cè)量范圍廣、靈活性高等優(yōu)點(diǎn)，有良好的發(fā)展前景。

2 目標(biāo)工件圖像識(shí)別

2.1 位姿的測(cè)量

在Windows中，利用QT軟件和OpenGL庫(kù)直接繪制出仿真圖像，為仿真零件加入不同光照，以一定的視角生成二維場(chǎng)景圖像，然后將生成的二維場(chǎng)景圖像導(dǎo)入MATLAB，同時(shí)生成2D邊緣圖像作為目標(biāo)物的模板，并記錄此二維場(chǎng)景圖像的視角信息，即虛擬相機(jī)相對(duì)于目標(biāo)物坐標(biāo)的位姿數(shù)據(jù)，最后使用MATLAB所生成的模板與加入噪聲后的圖像進(jìn)行匹配，以獲取位姿。

2.2 位姿的優(yōu)化

由于所獲得的三維位姿受限于視圖采樣間隔和匹配過(guò)程中的二維位姿采樣間隔，所以，在實(shí)際應(yīng)用中，其所能達(dá)到的精度并不夠，需要對(duì)位姿進(jìn)行調(diào)整優(yōu)化。

本文采用最小二乘法對(duì)三維位姿進(jìn)行優(yōu)化調(diào)整，即：①將三維物體通過(guò)位姿投影到搜索圖像中，并將在此投影中不可見(jiàn)的邊緣通過(guò)OpenGL剔除，同時(shí)，對(duì)于可見(jiàn)的CAD模型邊緣點(diǎn)，按照一個(gè)像素的距離采樣。由于對(duì)每個(gè)采樣的邊緣點(diǎn)局部搜索會(huì)首先確定與之對(duì)應(yīng)的亞像素邊緣點(diǎn)，所以，搜索被限制在垂直于CAD模型邊緣的方向上。此外，垂直于模型投影邊緣與圖像梯度之間的角度差也會(huì)被考慮進(jìn)去，因此，不會(huì)錯(cuò)過(guò)潛在真正有效的對(duì)應(yīng)點(diǎn)。②通過(guò)Levenberg-Marquardt算法（LM算法）進(jìn)行魯棒的非線性優(yōu)化迭代，以得到優(yōu)化的3D位姿。作為適用范圍廣泛的最小二乘算法，LM算法可以表示為高斯-牛頓算法與梯度下降法的結(jié)合，所以，其兼具Gauss-Newton算法的局部收斂性和梯度下降法的全局性。

對(duì)于LM算法，設(shè)xk為由第k次迭代的權(quán)值和閾值所組成的向量，則.對(duì)于牛頓法則，其中為誤差指標(biāo)函數(shù)E（x）的Hessian矩陣，?E（x）為梯度。設(shè)誤差指標(biāo)函數(shù)為為誤差，則.所以，由LM算法得.其中，I為單位矩陣，μ為大于0的常數(shù)。如果μ＝0，則為高斯牛頓算法；如果μ較大，則LM算法更接近于梯度下降法，并且每迭代一次，μ隨之減小。實(shí)踐證明，采用LM算法能夠使迭代效率提高許多。

圖1 當(dāng)前場(chǎng)景下的三維模型

圖2 MATLAB生成的二維圖像

圖3 噪聲圖像匹配結(jié)果

3 工件位姿檢測(cè)試驗(yàn)

本文利用QT軟件和OpenGL庫(kù)實(shí)現(xiàn)位姿的測(cè)量，為驗(yàn)證算法的正確性，本文在仿真圖像上進(jìn)行了實(shí)驗(yàn)，從而進(jìn)行驗(yàn)證。圖1、圖2、圖3是不同實(shí)驗(yàn)位姿下的部分實(shí)驗(yàn)結(jié)果。

從OpenGL導(dǎo)出二維圖像時(shí)會(huì)保存視角位姿，下面給出3組實(shí)驗(yàn)結(jié)果，如表1所示。表1中，X，Y，Z，α，β，γ分別為物體在空間上沿X，Y，Z 3個(gè)直角坐標(biāo)軸方向的移動(dòng)自由度和繞這3個(gè)直角坐標(biāo)軸的轉(zhuǎn)動(dòng)自由度。

4 結(jié)論

本文簡(jiǎn)要闡述了工件位姿的測(cè)量以及優(yōu)化方法。實(shí)驗(yàn)得出，使用本文提出的方法和算法能正確測(cè)量出物體的位姿，且誤差能夠控制在合理的范圍內(nèi)，結(jié)果令人較為滿意。

表1 3組實(shí)驗(yàn)結(jié)果

［1］劉俊.基于單目視覺(jué)的物體位姿估計(jì)方法研究［D］.哈爾濱：哈爾濱工業(yè)大學(xué)，2016.

［2］宋薇，周揚(yáng).基于CAD模型的單目六自由度位姿測(cè)量［J］.光學(xué)精密工程，2016，24（4）：882-891.