吳柳波， 李新榮， 杜金麗

(1. 天津工業(yè)大學(xué) 機(jī)械工程學(xué)院， 天津 300387； 2. 天津市現(xiàn)代機(jī)電裝備技術(shù)重點實驗室， 天津 300387； 3. 天紡標(biāo)檢測認(rèn)證股份有限公司， 天津 300193)

當(dāng)前的服裝生產(chǎn)過程中流水線基本依賴于工人手工操作[1]。服裝行業(yè)實現(xiàn)全自動化、無人化生產(chǎn)，提升服裝生產(chǎn)效率是今后發(fā)展的必然趨勢，傳統(tǒng)的工業(yè)機(jī)器人可通過示教與編寫指令來完成點對點的指定工作，但面對服裝柔性面料加工的生產(chǎn)系統(tǒng)，傳統(tǒng)的工業(yè)機(jī)器人生產(chǎn)適應(yīng)性很差，無法滿足服裝行業(yè)未來全自動化、無人化生產(chǎn)的需要,因此，利用計算機(jī)視覺技術(shù)對面料輪廓信息提取，將面料輪廓信息作為反饋來規(guī)劃機(jī)器人的運動軌跡[2]，使用工業(yè)機(jī)器人代替人工操作，可提高服裝行業(yè)的生產(chǎn)效率與產(chǎn)品質(zhì)量。

目前,機(jī)器視覺的工業(yè)機(jī)器人技術(shù)大多運用于焊接與搬運碼垛中[3-5]，基于此，將機(jī)器視覺中的輪廓提取技術(shù)與工業(yè)機(jī)器人進(jìn)行集成，可得到基于輪廓提取的服裝工業(yè)協(xié)作型縫紉機(jī)器人。工業(yè)協(xié)作型縫紉機(jī)器人配備具有靜電吸附、負(fù)壓吸附等吸盤的末端執(zhí)行器來完成面料的抓取、轉(zhuǎn)移，靜電吸附、負(fù)壓吸附吸盤具體可參考面向服裝面料的靜電吸附力建模方法等相關(guān)專利[6-8]。該末端執(zhí)行器將轉(zhuǎn)移的面料輸送至全自動縫紉機(jī)處，使面料與縫紉機(jī)形成配合，完成成衣縫制作業(yè)。通過機(jī)器視覺對面料輪廓的提取，然后縫紉機(jī)器人轉(zhuǎn)移面料至全自動縫紉機(jī)處進(jìn)行縫紉，該協(xié)作型縫紉機(jī)器人通過縫紉機(jī)器人與全自動縫紉機(jī)的協(xié)同配合完成面料的縫紉，實現(xiàn)服裝生產(chǎn)流水線的無人化、全自動化，提升服裝生產(chǎn)的效率以及提高傳統(tǒng)縫紉機(jī)器人的生產(chǎn)靈活性。本文介紹了近幾年來機(jī)器視覺輪廓提取的幾種算法，以及工業(yè)機(jī)器人運動軌跡設(shè)計的方法與優(yōu)化，這2項技術(shù)為工業(yè)協(xié)作型縫紉機(jī)器人研究中的2大核心技術(shù)，并對基于輪廓提取的工業(yè)協(xié)作型機(jī)器人在服裝生產(chǎn)行業(yè)中未來的實際應(yīng)用進(jìn)行了展望。

1 機(jī)器視覺輪廓提取算法

傳統(tǒng)的服裝生產(chǎn)中通過人工CAD圖形采集來提取面料的輪廓信息，相比于機(jī)器視覺輪廓信息采集，其效率較低且精確度不高。當(dāng)前基于機(jī)器視覺的輪廓視覺提取方法主要有基于邊緣算子、基于數(shù)學(xué)形態(tài)學(xué)、基于水平集算法的主動輪廓模型方法。

1.1 基于圖像邊緣提取的邊緣檢測

邊緣檢測算子對目標(biāo)輪廓的提取是基于圖像的亮度及顏色特征，對變化明顯的點進(jìn)行標(biāo)記，然后完成邊緣點的提取。但由于圖像模糊、存在大量噪聲，為獲取完整和連續(xù)的目標(biāo)輪廓帶來了很大困難。通常選擇一階和二階導(dǎo)數(shù)來檢測邊界不連續(xù)的效果。邊緣提取可借助微分算子利用卷積來實現(xiàn)，常用的算子有Sobel 算子[9]、Prewitt 算子[10]、Roberts算子[11]、Log算子[12]和Canny檢測算子[13]等。目前,在紡織產(chǎn)業(yè)中輪廓提取主要運用于織物的印花工藝，經(jīng)過對比研究，Canny算法更符合面料輪廓信息的提取。傳統(tǒng)Canny算法的流程如圖1所示。孫波等[14]利用基于總差遍模型的算法對織物印染圖像進(jìn)行平滑處理，再利用Canny算法進(jìn)行輪廓提取，最終得到輪廓邊緣清晰、完整的圖像。向軍等[15]通過控制平滑程度參數(shù)和空間尺度參數(shù)，然后運用Canny算子檢測圖案邊緣，最終成功提取到織物上的圖案輪廓。

圖1 傳統(tǒng)Canny算法流程圖

基于邊緣算子的輪廓提取方法能夠依據(jù)物體的輪廓特征，去除多余的邊緣，并對邊緣進(jìn)行修補，定位較準(zhǔn)確，但存在斷點；其中Canny算子能夠最大限度地標(biāo)識出圖像中的實際邊緣；標(biāo)識出的邊緣最大程度地接近實際圖像中的實際邊緣，被較多研究者使用。

1.2 基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測

數(shù)學(xué)形態(tài)學(xué)是使用數(shù)學(xué)的方法，將圖像看作是許多點的集合，用集合論的觀點來研究圖像中物體的形態(tài)和結(jié)構(gòu)的圖像處理方法。一般先對圖像進(jìn)行增強處理，再對圖像進(jìn)行形態(tài)學(xué)計算，從而將前景目標(biāo)與背景分離，提取出輪廓。數(shù)學(xué)形態(tài)學(xué)的基本運算包含膨脹、腐蝕、開運算和閉運算4種，開運算就是先腐蝕再膨脹，閉運算就是先膨脹再腐蝕，通過組合這4種基本運算可得到其他復(fù)雜的形態(tài)學(xué)運算。宋滸等[16]使用形態(tài)學(xué)算子時先利用小波分解圖像，然后采用小波變化模極大值算法提取輪廓信息，有效地克服了圖像的雙邊緣現(xiàn)象。數(shù)學(xué)形態(tài)學(xué)方法相比較于邊緣檢測算子，能夠有效地去除噪聲，但其性能還不足以達(dá)到理想的效果。很多學(xué)者提出基于多尺度多方向結(jié)構(gòu)元素的數(shù)學(xué)形態(tài)學(xué)輪廓檢測算法：吳朔媚等[17]利用遞歸的多尺度多方向結(jié)構(gòu)元素形態(tài)學(xué)濾波得到圖像的初始輪廓，能夠有效抑制噪聲并保留邊緣細(xì)節(jié)；劉曉剛等[18]提出多尺度多結(jié)構(gòu)的數(shù)學(xué)形態(tài)學(xué)算子處理圖像，實現(xiàn)了邊緣精準(zhǔn)定位與提高去噪能力。

此算法能有效地去噪，將主體目標(biāo)從背景中分割出來，但不能精確定位輪廓，對于面料的縫紉來說，需要高精度的輪廓與縫紉頭進(jìn)行配合，所以難以在實際中使用。

1.3 基于水平集的主動輪廓模型方法

主動輪廓模型于20世紀(jì)80年代被提出，主要應(yīng)用于圖像分割問題[19]。水平集方法將曲線構(gòu)造成一個更高維曲面的水平集，可較好地適應(yīng)曲線的拓?fù)渥兓?，如圖2所示。主動輪廓模型利用變分的思想求解，是當(dāng)前圖像分割應(yīng)用最多的方法。主動輪廓模型對初始輪廓較為敏感，在輪廓提取的結(jié)果中含有較多的噪聲點輪廓。翁桂榮等[20]提出水平集函數(shù)的自適應(yīng)符號距離函數(shù)，使主動輪廓在演化的過程中，可根據(jù)自適應(yīng)符號函數(shù)的方向?qū)Τ跏驾喞M(jìn)行擴(kuò)大或縮小，從而降低了水平集對初始輪廓的敏感性；將基于Otsu算法的邊緣檢測和主動輪廓模型相結(jié)合，通過自適應(yīng)閾值得到物體的初始輪廓，以此減小主動輪廓模型對初始輪廓的敏感性[21]。韓哲等[22]將改進(jìn)的遺傳模糊聚類算法與水平集算法相結(jié)合，提高了圖像分割的速度。此外，水平集方法在曲線演化過程中存在距離不規(guī)則問題。為此，趙方珍等[23]提出改進(jìn)的距離規(guī)則化水平集方法，使水平集函數(shù)的梯度模向勢函數(shù)的2個極小值點快速趨近，一定程度上保證了水平集函數(shù)的穩(wěn)定性。

圖2 水平集構(gòu)造曲線法

水平集算法和主動輪廓模型方法主要應(yīng)用于圖像分割中，而對圖像進(jìn)行分割之后，所分割的邊界就是物體的輪廓，提取出的輪廓邊緣清晰，但輪廓提取時會受到背景的影響，易檢測到錯誤邊緣，加大了實際操作中的難度。

在傳統(tǒng)的服裝生產(chǎn)中，通常是對面料的外輪廓進(jìn)行縫紉，故使用輪廓提取算法提取面料的輪廓，因為面料的縫紉對于縫紉過程中針、線的配合精度要求高，如果輪廓提取的圖像精度不高或者有缺失，將對成衣的質(zhì)量有著至關(guān)重要的影響。工業(yè)協(xié)作型縫紉機(jī)器人可通過人工CAD圖形采集或者采用機(jī)器視覺技術(shù)完成面料輪廓信息的提取?；谶吘壦阕拥腃anny算子相對于其他輪廓提取算法，具有定位準(zhǔn)確等優(yōu)點，能夠檢測到細(xì)小的邊緣，通過高斯濾波平滑圖像，降低噪聲的影響，通過控制平滑程度參數(shù)和空間尺度參數(shù)，增強圖像輪廓信息，該方法適用于服裝行業(yè)中對面料的輪廓提取。在輪廓提取時，采用靜電吸附固定柔性衣片，使衣片平整，不會因為柔性變形而使輪廓信息提取不完整。

2 輪廓提取及機(jī)械手路徑點組

在圖像經(jīng)過輪廓提取算法計算后由原來的陣列形式轉(zhuǎn)化為對邊界輪廓點的描述，邊界的輪廓點僅描述了提取圖形區(qū)域的邊界，沒有明確地表述圖形區(qū)域與邊界的關(guān)系，因此，需要采用輪廓跟蹤的辦法，對所提取出的圖形輪廓進(jìn)行跟蹤，將提取出的輪廓信息以坐標(biāo)的形式存儲起來。

2.1 輪廓跟蹤

輪廓跟蹤是通過找到邊緣點，按照順時針或者逆時針方向來進(jìn)行輪廓跟蹤。首先選擇1個初始邊緣點作為起始點，假設(shè)圖像起始點的坐標(biāo)為(X0,Y0)，其矩陣表示坐標(biāo)為(m,n),則下一邊界點必定在起始點(X0,Y0)和矩陣坐標(biāo)(m,n)的八鄰域內(nèi)[24]。八鄰域內(nèi)像素的位置坐標(biāo)、編碼表示及矩陣坐標(biāo)表示如圖3所示。

圖3 八鄰域內(nèi)像素的位置坐標(biāo)編碼及圖像所對應(yīng)矩陣的坐標(biāo)

目前，應(yīng)用最多的Freeman鏈碼[25]跟蹤就是通過這種方法進(jìn)行計算。Freeman鏈碼表示法是用中心像素指向其八領(lǐng)域中各方向點來定義的，輪廓的跟蹤可依據(jù)鏈碼的方向進(jìn)行，避免了對像素點的重復(fù)掃描，增加了輪廓跟蹤效率[26]。輪廓跟蹤時，由于跟蹤的方向是單向的，降低了輪廓跟蹤的效率。鄭麗萍等[27]提出了基于雙向輪廓跟蹤的面部輪廓線生成算法，對檢測后的圖像進(jìn)行雙向輪廓跟蹤，減少了提取面部的輪廓線的時間。任民宏等[28]針對圖像中字符識別技術(shù)的應(yīng)用需求，提出了輪廓跟蹤算法的改進(jìn)算法，通過壓縮輪廓線上輪廓點信息，可使運算過程中提取特征少，識別速度快，準(zhǔn)確率高。桑紅石等[29]提出了利用標(biāo)記信息加速輪廓跟蹤執(zhí)行過程的快速輪廓跟蹤算法，利用標(biāo)記過程尋找連通區(qū)域中第1個像素出現(xiàn)的位置，省略了在圖像中逐像素搜索輪廓起點的過程。

輪廓跟蹤算法首先按從上到下，從左到右的順序找到第1個點作為起始點，然后搜索每個邊界點，最后回到起始點，完成輪廓的跟蹤，因此，在輪廓跟蹤中為提高算法的效率，如何尋找第1個起始點與如何搜索下一個邊界點成為算法的關(guān)鍵。在實際的服裝生產(chǎn)線中，需要運算時間少并且精度高的算法來提高生產(chǎn)效率。

面對服裝行業(yè)的未來發(fā)展，不同款式、不同尺寸的服裝生產(chǎn)都需要使用輪廓跟蹤算法完成面料輪廓信息的提取，因此，需要提升輪廓跟蹤算法的效率，滿足多樣化、專人定制化生產(chǎn)的未來發(fā)展的趨勢。采用雙向輪廓跟蹤算法與標(biāo)記信息法能有效地減少輪廓提取的時間，符合服裝行業(yè)未來靈活生產(chǎn)的要求。

2.2 機(jī)器人坐標(biāo)系的建立

通過邊緣提取、輪廓跟蹤完成的輪廓提取，可得到對應(yīng)的機(jī)械手路徑點組，因此，只要知道提取后的輪廓在圖像中的像素位置坐標(biāo)，就可通過坐標(biāo)系的變換得到目標(biāo)輪廓在機(jī)械手坐標(biāo)系下的位置坐標(biāo)，從而使下位機(jī)輸入路徑點組控制機(jī)器手完成相應(yīng)的動作。輪廓提取相當(dāng)于縫紉機(jī)器人的眼睛，可識別、獲取目標(biāo)物的像素坐標(biāo)，然后將得到的像素坐標(biāo)通過坐標(biāo)系的轉(zhuǎn)換，將機(jī)器人坐標(biāo)系下的機(jī)械手運動點組傳輸給機(jī)器人處理系統(tǒng)，從而實現(xiàn)機(jī)械手的最終運動。將機(jī)器視覺技術(shù)使用在服裝設(shè)備中，擺脫了傳統(tǒng)中依靠縫紉機(jī)器人末端嚴(yán)格按照預(yù)定軌跡運動完成作業(yè)的局限性，提高了服裝生產(chǎn)線的靈活性，滿足柔性生產(chǎn)系統(tǒng)對大規(guī)模、多樣式的生產(chǎn)要求。

機(jī)器人坐標(biāo)系分為關(guān)節(jié)空間坐標(biāo)系和直角坐標(biāo)空間坐標(biāo)系2種。關(guān)節(jié)空間坐標(biāo)系是對各關(guān)節(jié)的運動進(jìn)行規(guī)劃,在關(guān)節(jié)空間中進(jìn)行軌跡規(guī)劃實時性更好，且不用考慮奇異問題，實際中也多在關(guān)節(jié)空間進(jìn)行軌跡規(guī)劃[30-32]。

經(jīng)過工業(yè)相機(jī)采集視野范圍下的織物圖片，并通過以太網(wǎng)通信，將所獲取的圖片傳輸給工控機(jī)，運用輪廓提取算法提取面料的外輪廓曲線后，使用Freeman鏈碼法對所提取出的圖形輪廓進(jìn)行跟蹤，可根據(jù)面料的尺寸與款式的不同，采用雙向輪廓跟蹤算法與標(biāo)記信息法等方法，減少輪廓提取的時間，然后通過坐標(biāo)系的轉(zhuǎn)換，生成機(jī)械手坐標(biāo)系下的路徑軌跡點組。通過機(jī)械手帶動面料的移動與縫紉頭的協(xié)同作業(yè)，完成對織物的縫紉。在機(jī)器人的運動過程中，可能會在關(guān)節(jié)處產(chǎn)生抖動，從而使面料發(fā)生變形，因此,需要對機(jī)器人運動軌跡進(jìn)行規(guī)劃。

3 機(jī)器人運動軌跡規(guī)劃

隨著機(jī)器人的關(guān)節(jié)運動，可能會在關(guān)節(jié)處產(chǎn)生抖動，從而影響機(jī)器人的穩(wěn)定性，這就需要對機(jī)器人運動學(xué)作研究。機(jī)器人運動學(xué)是機(jī)器人學(xué)的基礎(chǔ)，是描述機(jī)器人運動過程中，各關(guān)節(jié)及末端執(zhí)行器的變化情況。直角坐標(biāo)空間的軌跡規(guī)劃要依靠逆運動學(xué)不斷將直角坐標(biāo)轉(zhuǎn)換為關(guān)節(jié)角度，此關(guān)節(jié)角度即是該關(guān)節(jié)控制系統(tǒng)的期望值。軌跡規(guī)劃過程中不斷應(yīng)用逆運動學(xué)，將手部的直角坐標(biāo)轉(zhuǎn)化為關(guān)節(jié)坐標(biāo)。機(jī)器人逆運動學(xué)將已知其末端執(zhí)行器的位置和姿態(tài)，求解機(jī)器人的各關(guān)節(jié)變量[33]。常用的機(jī)器人逆運動學(xué)求解方法有解析法[34]、幾何法[35]、旋量理論法[36]、神經(jīng)網(wǎng)絡(luò)法[37]等。

3.1 機(jī)器人運動逆解運算

3.1.1 基于解析法的機(jī)器人運動逆解運算

解析法主要是通過消元法消去機(jī)構(gòu)約束方程中的未知數(shù)，從而使得機(jī)構(gòu)的輸入輸出方程為一元方程，這種方法可求得機(jī)構(gòu)的所有可能的解，但一般消元過程都十分繁瑣，且對一元方程求解的計算精度要求很高，若要獲得較高精度的解，需要大量的計算時間。董云等[38]提出采用解析法和遺傳算法相結(jié)合的方法，具有計算量小和適應(yīng)性強的特點。該算法可找到1組最優(yōu)的關(guān)節(jié)角，優(yōu)化機(jī)械手運動過程中的柔順性和避障點，快速收斂到全局最優(yōu)解。此方法是機(jī)器人逆解中最基本的方法，解析法計算時間太長，但可通過和遺傳算法等算法結(jié)合的方式縮短計算時間，提高生產(chǎn)效率。

3.1.2 基于幾何法的機(jī)器人運動逆解運算

幾何法求逆解具有直觀、計算量小的特點,為使幾何法求解運動逆解計算更簡便，桑董輝等[39]將幾何法與閉合幾何方程相結(jié)合構(gòu)建機(jī)器人運動方程，這種方法能使逆運動求解過程簡化，可運用在工業(yè)生產(chǎn)中對機(jī)械臂的實時控制中。幾何算法的計算量小，但其計算精度較低，對于服裝生產(chǎn)線來說難以實現(xiàn)縫紉精度高的要求。

3.1.3 基于旋量理論法的機(jī)器人運動逆解運算

分析空間機(jī)構(gòu)的眾多數(shù)學(xué)方法中，旋量是十分有效的工具,其具有幾何概念清楚、物理意義明確、表達(dá)形式簡單、代數(shù)運算方便等優(yōu)點，得到了廣泛的應(yīng)用。葉平等[40]基于旋量理論和矢量積法，提出了求解雅可比矩陣的改進(jìn)方法，該方法繼承了旋量理論用于機(jī)器人操作的優(yōu)越性，簡化了機(jī)器人運動學(xué)、動力學(xué)的分析方法，同時也豐富了旋量理論用于分析機(jī)器人系統(tǒng)的方法。旋量理論法在工業(yè)機(jī)器人的使用中相對較少，其運動學(xué)建模困難且耗時的問題對于實際生產(chǎn)線中面對不同形狀的加工面料，難以實現(xiàn)規(guī)?；a(chǎn)。

3.1.4 基于神經(jīng)網(wǎng)絡(luò)法的機(jī)器人運動逆解運算

人工神經(jīng)網(wǎng)絡(luò)具有信息分布存儲、并行處理以及自學(xué)能力等優(yōu)點,其可任意精度逼近任意連續(xù)函數(shù),所以廣泛應(yīng)用于非線性建模、函數(shù)逼近、模式識別和分類等方面。神經(jīng)網(wǎng)絡(luò)算法可減少逆運動求解傳統(tǒng)方法需要大量公式推導(dǎo)繁瑣復(fù)雜的缺點，但也存在一定的局限和不足[41],因此,也有不少國內(nèi)外的研究者開始基于人工神經(jīng)網(wǎng)絡(luò)算法進(jìn)行優(yōu)化。李進(jìn)等[42]在用神經(jīng)網(wǎng)絡(luò)法求機(jī)器人逆解時引入連桿三角形夾角概念，提高了求解精度。神經(jīng)網(wǎng)絡(luò)算法具有高速尋找優(yōu)化解的能力，在一個較為復(fù)雜的運算中可充分發(fā)揮計算機(jī)的計算能力，快速找到優(yōu)化解，但存在局部極小、收斂速度慢等問題。針對某些實際問題將算法優(yōu)化可解決此類問題。

通過運動學(xué)逆解，將機(jī)械手坐標(biāo)轉(zhuǎn)化為機(jī)器人關(guān)節(jié)坐標(biāo)，從而得到機(jī)器人的運動軌跡?；诮馕龇ǖ倪\動學(xué)逆解可求出機(jī)器人的正運動學(xué)的位置所有解，消除奇異性問題，但其數(shù)學(xué)推導(dǎo)復(fù)雜，可通過遺傳算法等優(yōu)化縮短計算時間。為保證縫紉機(jī)器人與縫紉頭的協(xié)同作業(yè)保持高度一致，避免出現(xiàn)縫紉機(jī)器人位置奇異性的問題，可采用解析法。

3.2 機(jī)器人軌跡規(guī)劃

通過機(jī)器人的運動逆解，將末端執(zhí)行器的位置姿態(tài)轉(zhuǎn)變?yōu)闄C(jī)器人關(guān)節(jié)的位置姿態(tài)，從而控制機(jī)器人的運動軌跡。在服裝生產(chǎn)中，面料一般具有良好的伸縮性，當(dāng)受到外力作用時，面料尺寸極易發(fā)生變化，但當(dāng)外力撤除時，面料的尺寸又會快速恢復(fù)，不會發(fā)生永久性的變形[43]。針對服裝面料的特性，為避免機(jī)器人運動中位移、速度、加速度突變產(chǎn)生力的作用，要求描述機(jī)器人運動軌跡的函數(shù)必須是連續(xù)的，其1階導(dǎo)數(shù)和2階導(dǎo)數(shù)也要連續(xù)。在工業(yè)機(jī)器人中，關(guān)節(jié)型機(jī)器人的運用最為廣泛，同時，大都使用6自由度關(guān)節(jié)型機(jī)械臂，可滿足生產(chǎn)中響應(yīng)迅速、精度高等需要。

機(jī)器人的關(guān)節(jié)空間軌跡規(guī)劃通過關(guān)節(jié)的位置姿態(tài)，采用不同的插補算法進(jìn)行插值擬合，屬于點到點的運動，存在特殊運動情況時，還需要通過指定的中間節(jié)點，一般是在無末端路徑要求前提下進(jìn)行的，因此，軌跡規(guī)劃轉(zhuǎn)化成插值擬合問題，將關(guān)節(jié)始末位置關(guān)節(jié)角度以及中間節(jié)點對應(yīng)的關(guān)節(jié)角度，插值得到連續(xù)軌跡。

基本插補算法主要分為3次多項式、5次多項式、高次多項式插值以及混合多項式插值等。當(dāng)有始末位置的關(guān)節(jié)角度和角速度時，一般采用3次多項式插值，也是關(guān)節(jié)空間中最為尋常的插補方法。當(dāng)需要有角加速度作為條件時，需要采用5次多項式插值，其增加了始末位置的角加速度約束，保證了加速度的連續(xù)性，使軌跡更加平滑，減少了因為關(guān)節(jié)加速度突變而產(chǎn)生的沖擊。不少國內(nèi)外學(xué)者對相關(guān)的插補方法在關(guān)節(jié)空間的軌跡規(guī)劃應(yīng)用進(jìn)行了研究。周云松等[44]采用3次多項式插值方法，通過模擬機(jī)器人行走軌跡，得到了1條軌跡平滑的插值函數(shù)。孫玥等[45]使用5次多項式對碼垛機(jī)器人運動進(jìn)行分析，結(jié)果表明5次多項式軌跡規(guī)劃方法能使擬合曲線更加光滑。以上研究都只采用單一的多項式進(jìn)行插值擬合，未考慮到連續(xù)軌跡之間連接的光滑性。劉曉麟等[46]采用用雙5次多項式融合算法，使機(jī)器人連續(xù)運動軌跡的速度連續(xù)平滑且加速度連續(xù)。高次多項式因能保證更好的運動特性，在關(guān)節(jié)空間軌跡規(guī)劃中也得到應(yīng)用。Boryga等[47]提出使用高次多項式規(guī)劃關(guān)節(jié)軌跡，其考慮了5次、7次、9次多項式，這3類高次多項式能使機(jī)器人始末位置的角加速度為0，從而使沖擊為0，提升了機(jī)器人的運動性能。在實際生產(chǎn)中，通常是面對多種多樣的作業(yè)任務(wù)，一般采用分段多項式進(jìn)行軌跡規(guī)劃，即不同的階段采用不同次數(shù)的多項式進(jìn)行插值：李海虹等[48]采用3-3-5-3-3次多項式插值法進(jìn)行軌跡規(guī)劃，使得機(jī)器人各關(guān)節(jié)角位移、角速度、角加速度曲線平滑連續(xù)；孫志毅等[49]采用4-3-3-3-4次多項式，使得運行軌跡的位置、速度、加速度均連續(xù)；陳晗等[50]采用5-7-5次多項式插值法進(jìn)行軌跡規(guī)劃，實現(xiàn)了整個運動過程的連續(xù)、無突變。在面對機(jī)器人運動路徑復(fù)雜的作業(yè)要求時，通常采用分段多項式進(jìn)行規(guī)劃，通過調(diào)整多項式次數(shù)即可得到滿足要求的軌跡。

3次多項式、5次多項式與高次多項式依次增加了角速度、角加速度的連續(xù)性，插補的次數(shù)越多，越能使軌跡更加平滑，減少因為關(guān)節(jié)加速度突變而產(chǎn)生的沖擊，相對于經(jīng)濟(jì)成本也更高。針對面料的彈性與接縫強度，考慮面料與縫跡的彈性力學(xué)影響以及經(jīng)濟(jì)成本，通過分析面料的織物特性，結(jié)合縫紉機(jī)器人的軌跡規(guī)劃，利于縫制服裝時選擇合適的縫紉機(jī)器人，提高縫制質(zhì)量。

服裝縫紉流程是成衣生產(chǎn)中一個最重要也是最復(fù)雜的環(huán)節(jié)，縫紉質(zhì)量的好壞直接影響整個服裝的品質(zhì)[51]，針對基于輪廓提取的工業(yè)機(jī)器人在服裝生產(chǎn)線中實現(xiàn)全自動化和無人化，在與縫紉機(jī)進(jìn)行協(xié)作生產(chǎn)時需要注意機(jī)器人的運行速度平穩(wěn)，與縫紉頭的協(xié)同作業(yè)問題。全自動縫紉機(jī)由1個機(jī)頭和其他輔助部分構(gòu)成，是具有一鍵式縫制、自動斷線、自動潤滑等自動控制功能的縫紉機(jī)[52]。如果機(jī)器人的運行不平穩(wěn)，將會出現(xiàn)與自動縫紉機(jī)工序混亂，造成縫跡起縐、浮松；機(jī)器人動作與縫紉機(jī)出現(xiàn)協(xié)同失誤，導(dǎo)致斷針、斷線、破洞、斷紗、抽紗等；機(jī)器人送布時未能與縫紉機(jī)配合，使面線與底線不適應(yīng)，造成底面線不匹配、針距不勻[53]。

基本規(guī)劃算法難以滿足工業(yè)機(jī)器人逐步提高的精度和平穩(wěn)性要求，需要尋找更優(yōu)良的軌跡規(guī)劃算法，提高軌跡的平滑性，改善軌跡性能。國內(nèi)外研究學(xué)者對軌跡的平滑性研究較多，主要采用的方法有B樣條曲線[54]、NURBS曲線[55]等。樣條曲線具有幾何不變性、局部支撐等諸多優(yōu)良特性，保證了多段軌跡過渡時連接的平滑性和整個曲線的平滑性，同時可減少機(jī)器人關(guān)節(jié)沖擊，使機(jī)器人軌跡適應(yīng)性更好。 B樣條曲線可局部修改軌跡，修改后的控制點只會改變相鄰曲線，其他部分不會受到影響，在實際應(yīng)用中可方便地修改軌跡，滿足實際軌跡要求。 根據(jù)節(jié)點矢量分布，B樣條曲線可分為均勻和非均勻B樣條曲線。均勻B樣條曲線保留了Bezier曲線的性質(zhì)，保證了第1個點和最后點通過控制頂點，可用于關(guān)節(jié)空間中的點到點軌跡規(guī)劃。非均勻B樣條曲線控制點之間不等距分布，可任意分布，這給軌跡自由變化帶來了便利[30]。NURBS樣條函數(shù)的節(jié)點向量沿參數(shù)軸非均勻分布，形成的基函數(shù)各不相同，且算法中增加了基函數(shù)權(quán)因子。增加的權(quán)因子反映的是節(jié)點對軌跡的影響程度，用于改變控制頂點對軌跡的貢獻(xiàn)，實際反映出來的是擬合曲線與控制點的距離[56]。通過上述研究，基于輪廓提取的機(jī)器人運動軌跡設(shè)計步驟如圖4所示。

圖4 基于輪廓提取的機(jī)器人運動軌跡設(shè)計步驟

對縫紉機(jī)器人運動軌跡規(guī)劃是為了使機(jī)器人末端執(zhí)行器在轉(zhuǎn)移面料的過程中更加平穩(wěn)，不會因為速度的突變產(chǎn)生力從而使面料產(chǎn)生皺褶，能有效提高縫紉機(jī)器人與全自動縫紉機(jī)配合時的精度?？p紉機(jī)器人的構(gòu)造與形態(tài)會對運動軌跡產(chǎn)生影響，例如機(jī)器人運作時常會出現(xiàn)的位置奇異性問題，可通過解析法對機(jī)器人運動逆解求解，避免機(jī)器人在運動過程中出現(xiàn)奇異性。

為使機(jī)器人運動軌跡平穩(wěn)，避免其振動和沖擊而產(chǎn)生加速度使面料受到外力作用，破壞服裝生產(chǎn)質(zhì)量，采用基本插補算法對機(jī)器人軌跡進(jìn)行擬合，隨著插補的次數(shù)增高，軌跡更加平滑，但使經(jīng)濟(jì)成本也更高，因此，可采用NURBS曲線進(jìn)行優(yōu)化軌跡曲線完成對高精度復(fù)雜軌跡控制，并結(jié)合面料的力學(xué)性能，減少成本，提高縫制質(zhì)量。

4 結(jié)束語

本文綜述了近年來機(jī)器視覺輪廓提取以及機(jī)器人軌跡規(guī)劃優(yōu)化的幾種方法的發(fā)展，然后討論了其各自的優(yōu)缺點，并介紹了基于輪廓提取的工業(yè)協(xié)作型縫紉機(jī)器人的工作流程。通過研究和發(fā)展基于輪廓提取的工業(yè)協(xié)作型縫紉機(jī)器人將實現(xiàn)服裝行業(yè)全自動化、無人化生產(chǎn)。通過總結(jié)和分析，認(rèn)為未來相關(guān)研究可從以下方面開展。

1)基于輪廓提取的工業(yè)協(xié)作型縫紉機(jī)器人，借助機(jī)器視覺輔助設(shè)備識別面料形狀，然后機(jī)器人通過末端執(zhí)行器完成抓布、上料等任務(wù)，通過與縫紉機(jī)的配合，實現(xiàn)不同種類的縫制，最終實現(xiàn)在一條線上完成衣服的生產(chǎn)。然而，在實際生產(chǎn)線中要考慮面料的纖維特性，在末端執(zhí)行器對于面料的抓取，多臺機(jī)器人協(xié)同作業(yè)，針對面料的纖維特性使面料在縫合時不產(chǎn)生皺褶等方面上還具有很大的挑戰(zhàn)。

2)未來可根據(jù)人工用手壓住面料完成與縫紉頭配合作業(yè)的方式，設(shè)計仿生機(jī)器人末端執(zhí)行器輔助裝置壓住面料，完成面料與縫紉頭的縫合，例如利用皮輥或傳送帶完成面料與縫紉頭進(jìn)出時的配合作業(yè)，對產(chǎn)生穿刺力作用下的面料起到保護(hù)作用。

3)采用機(jī)器視覺對面料信息的提取，采用靜電吸附吸盤對面料進(jìn)行轉(zhuǎn)移，運用輔助送料裝置的摩擦力使面料與全自動縫紉機(jī)進(jìn)行配合縫紉，該生產(chǎn)線通過縫紉機(jī)器人、輔助送料裝置、全自動縫紉機(jī)的協(xié)同配合完成面料的縫制。對于全新設(shè)計的集成服裝生產(chǎn)線目前僅有發(fā)明專利的設(shè)想與理論研究：一種協(xié)同自動縫紉設(shè)備、一種面向服裝面料的靜電吸附力建模方法。對于相關(guān)技術(shù)操作上的細(xì)節(jié)仍沒有完整系統(tǒng)的研究，因此，該生產(chǎn)線的適用性還需要進(jìn)一步去考證。