楊 平，王 博，駱凱鑫

(廈門大學(xué)航空航天學(xué)院，廈門 361102)

0 引言

碼垛是按照集成單元化的思想，將多件物料按照一定模式堆碼成垛，以便實(shí)現(xiàn)物料的存儲(chǔ)、搬運(yùn)、裝卸與運(yùn)輸?shù)奈锪骰顒?dòng)[1]。而拆垛則是將堆放好的物料按順序抓取并放到指定位置，配合后續(xù)工序的進(jìn)行。由于工業(yè)界對(duì)拆垛的精度、效率要求越來越高，人工拆垛的方式已逐漸無法滿足業(yè)內(nèi)需求，相對(duì)人工而言設(shè)備化的生產(chǎn)模式擁有著高效率、高精度以及低成本等優(yōu)點(diǎn)，所以取代了人工被更廣泛的應(yīng)用于各產(chǎn)線。

機(jī)器視覺技術(shù)與不同工業(yè)自動(dòng)化設(shè)備的融合開發(fā)應(yīng)用，促進(jìn)了生產(chǎn)制造過程智能化、數(shù)字化程度的提升。加入了視覺模塊的自動(dòng)化拆垛系統(tǒng)就像擁有了“眼睛”，通過視覺模塊的識(shí)別、定位，機(jī)器人等抓取裝置可以準(zhǔn)確、快速完成物料的拆垛，極大地提升自動(dòng)化產(chǎn)線的效率與效益。

近年來，國內(nèi)外工業(yè)界與學(xué)術(shù)界在自動(dòng)化碼垛方面開展了諸多研究，在傳統(tǒng)的無視覺模塊融合的自動(dòng)化碼垛方面，XU等[2]闡述了重載碼垛機(jī)器人的工作原理和主要結(jié)構(gòu)設(shè)計(jì)，利用有限元分析軟件以及Solidworks仿真驗(yàn)證了其結(jié)構(gòu)的合理性。XU、ZHANG等[3-4]設(shè)計(jì)了相應(yīng)的規(guī)劃與匹配算法，分別完成了對(duì)具有規(guī)則形狀有序堆疊的紙箱和不規(guī)則形狀的香煙的抓取規(guī)劃。

融合視覺模塊的自動(dòng)化碼垛系統(tǒng)可以顯著地提高抓取過程的魯棒性和智能化程度，國內(nèi)外學(xué)者對(duì)此也展開了諸多研究。在碼垛或拆垛作業(yè)在固定平面時(shí)，LEE、劉振宇等[5-6]分別利用Harris角點(diǎn)特征和HU特征矩融合等算法，完成了對(duì)微小零件的碼垛和工件的分類碼垛。STAS等[7]利用神經(jīng)網(wǎng)絡(luò)作為模式識(shí)別系統(tǒng)，在較為復(fù)雜的環(huán)境下利用視覺系統(tǒng)和機(jī)器人完成了產(chǎn)線產(chǎn)品的實(shí)時(shí)碼垛。在需要獲取場(chǎng)景三維信息時(shí)，無論是PMD相機(jī)還是雙目視覺都可以完成圖像的三維重建并搭配機(jī)器人完成拆碼垛[8-9]。

手眼標(biāo)定技術(shù)作為關(guān)聯(lián)視覺系與抓取機(jī)構(gòu)間的坐標(biāo)轉(zhuǎn)換方法，其效果直接影響了最終抓取結(jié)果。ZHANG等[10]分析了機(jī)器人末端法蘭坐標(biāo)與相機(jī)坐標(biāo)之間的相對(duì)空間位置關(guān)系，提出了一種簡(jiǎn)化的機(jī)器人視覺系統(tǒng)手眼標(biāo)定方法。梁冬泰等[11]在面對(duì)相機(jī)標(biāo)定效果較差的情況時(shí)，將每張圖像都分成了若干個(gè)子塊，并在每一個(gè)子塊中進(jìn)行了相應(yīng)的標(biāo)定，較大的提高了標(biāo)定的精度。

綜上所述，視覺成像技術(shù)與機(jī)器人硬件的結(jié)合已成為智能拆垛系統(tǒng)發(fā)展的熱點(diǎn)領(lǐng)域，但是被搬運(yùn)對(duì)象的差異化，使得識(shí)別定位算法存在較大的差異。因此，本研究針對(duì)特殊黑色吸光物體，開展物料在無序擺放及多層堆疊場(chǎng)景下的智能拆垛系統(tǒng)開發(fā)，主要包括智能拆垛硬件設(shè)計(jì)與選型，研究不規(guī)則黑色吸光物體的識(shí)別定位算法，最終進(jìn)行了拆垛實(shí)驗(yàn)評(píng)估。

1 智能拆垛系統(tǒng)整體設(shè)計(jì)

本論文搬運(yùn)對(duì)象為黑色塑料蝸殼，蝸殼的底面直徑為190 mm，高度為210 mm，形狀為不對(duì)稱的螺旋形，底面直徑略大于頂面，蝸殼質(zhì)量約為200 g，如圖1所示。

實(shí)際拆垛場(chǎng)景為蝸殼以每層4×4無序擺放，共堆疊6層，層與層之間由硬紙皮隔開，物料堆長寬高約為1300 mm×1300 mm×1500 mm，如圖2所示。基于該需求本研究提出了融合機(jī)器視覺與6軸工業(yè)機(jī)器人的智能拆垛系統(tǒng)設(shè)計(jì)方案。

系統(tǒng)主要由上位機(jī)、工業(yè)機(jī)器人、末端抓取裝置以及RGB-D相機(jī)4大模塊構(gòu)成。上位機(jī)選擇常見的臺(tái)式機(jī)并搭配Windows 64位系統(tǒng)，為保證能盡可能的抓到更多不同位置的物料，工業(yè)機(jī)器人的選型定為6自由度且負(fù)載為6 kg，臂展為1400 mm。進(jìn)行圖像與三維點(diǎn)云采集的RGB-D相機(jī)深度圖像像素為1280×960，采樣幀率為1 fps。末端抓取裝置采用海綿吸盤，利用真空發(fā)生器產(chǎn)生的吸力將物料抓起，工作氣壓為0.5 MPa時(shí)，真空到達(dá)口的真空壓力為92 kPa。其整體系統(tǒng)硬件搭建的示意圖與實(shí)物圖如圖3和圖4所示，所用到的硬件如表1所示。

圖3 整體系統(tǒng)示意圖圖4 整體系統(tǒng)實(shí)物圖

表1 所需硬件列表

系統(tǒng)的軟件部分主要包含了圖像處理、機(jī)器人控制兩大模塊。圖像處理模塊包含了圖像獲取、圖像預(yù)處理以及深度圖像處理三部分，而機(jī)器人控制模塊包含了機(jī)器人通訊、手眼標(biāo)定坐標(biāo)轉(zhuǎn)化、運(yùn)動(dòng)控制以及反饋信息處理四部分，其總體流程簡(jiǎn)圖如圖5所示。

圖5 軟件模塊工作流程圖

其中深度圖像處理部分完成了對(duì)蝸殼的識(shí)別與定位，而坐標(biāo)轉(zhuǎn)化部分則是要通過手眼標(biāo)定來確定參數(shù)，將相機(jī)坐標(biāo)系與機(jī)器人坐標(biāo)系進(jìn)行轉(zhuǎn)化。

2 多目標(biāo)空間位置識(shí)別

為了實(shí)現(xiàn)對(duì)于每層蝸殼物料的快速判別，本論文選用了利用結(jié)構(gòu)光空間編碼搭配雙目視覺的方式來進(jìn)行深度計(jì)算的3D相機(jī)。其具體原理是通過結(jié)構(gòu)光投射器將結(jié)構(gòu)光投射到待測(cè)物體表面，再通過紅外攝像頭接收物體表面反射回的結(jié)構(gòu)光圖案進(jìn)行深度測(cè)量，最終得到的圖像單通道十六位，每一個(gè)像素點(diǎn)的值都如圖6所示，代表著圖像中該點(diǎn)到相機(jī)光學(xué)中心所在平面的直線距離。

圖6 深度圖像像素值示意圖

由于待識(shí)別物體材質(zhì)為ABS/PP，最終物體表面所呈現(xiàn)出的顏色為黑色，在實(shí)際生產(chǎn)中可以看到識(shí)別效果如圖7所示，對(duì)應(yīng)的實(shí)物圖像如圖8所示。

圖7 蝸殼料堆深度圖像 圖8 蝸殼料堆實(shí)物圖像

圖7中將噪聲點(diǎn)置為黑色，非噪聲點(diǎn)置為白色，可以看出蝸殼所在區(qū)域噪聲較多，整個(gè)蝸殼區(qū)域近乎空洞，因此無法通過直接識(shí)別蝸殼的方式來判斷蝸殼所在位置。針對(duì)此種情況，本文使用通過紙皮區(qū)域間接推斷蝸殼位置的方法來判斷蝸殼在圖像中的位置，其識(shí)別流程如圖9所示。

圖9 識(shí)別流程簡(jiǎn)圖

在相機(jī)安裝時(shí)由于條件有限，因此無法很準(zhǔn)確的使相機(jī)的光學(xué)中心所在的平面與水平平面平行，因此可以通過式(1)進(jìn)行每個(gè)像素深度值的校正：

ZCij=Zij[1+(Xi-X0)sinθ+(Yj-Y0)sinφ]

(1)

式中，θ和φ分別表示偏置平面與水平平面X軸方向與Y軸方向的夾角，可以通過計(jì)算的方式獲得；(X0,Y0)代表像素原點(diǎn)坐標(biāo)；Zij代表圖像中(Xi,Yi)坐標(biāo)所對(duì)應(yīng)的像素值，即圖像當(dāng)前坐標(biāo)對(duì)應(yīng)的深度值，最終得出的ZCij則為偏置校正之后的深度值。各變量如圖10所示。

圖10 圖像偏置校正示意圖 圖11 蝸殼堆疊方式

在實(shí)際生產(chǎn)中蝸殼的堆疊方式為紙皮-蝸殼-紙皮，即每層蝸殼中間會(huì)有紙皮隔開，其堆放方式如圖11所示。

由于RGB-D相機(jī)對(duì)黑色反光材質(zhì)物體的識(shí)別效果較差，所以通過識(shí)別紙皮層高度來確定紙皮所在位置。具體做法為先將獲取的深度圖像進(jìn)行偏置校正，再對(duì)紙皮所在的區(qū)域進(jìn)行識(shí)別。在深度圖像中可將像素點(diǎn)的類型分為紙皮所在皮面、噪聲區(qū)域和其他平面3類，如圖12所示蝸殼全都擺放在紙皮的上方且未超出紙皮所在的區(qū)域，因此在深度圖像中蝸殼所在區(qū)域如圖13所示為紙皮所在平面、噪聲區(qū)域與其他平面的交集。

圖12 相機(jī)與蝸殼相對(duì)位置示意圖

圖13 蝸殼所在區(qū)域判斷圖

在深度圖像中為將紙皮所在平面與其他兩區(qū)域分割開，如式(2)所示將紙皮區(qū)域記錄下并將其圖像中的像素值置為0，相應(yīng)的將非紙皮區(qū)域?qū)?yīng)的像素值置為255，再取紙皮區(qū)域與紙皮邊緣所圍成的矩形區(qū)域內(nèi)像素值為255的區(qū)域取交集，即可得到蝸殼所在區(qū)域。

h=(zz0-Δh)?0:255

(2)

式中，z0如圖9所示為相機(jī)光心到下層紙皮的距離；z為當(dāng)前像素點(diǎn)的深度值；Δh為判定是否為紙皮深度值的容許偏差，最終得出h為255時(shí)，則代表蝸殼區(qū)域，反之為0時(shí)則代表當(dāng)前為紙皮區(qū)域。

獲取的圖像會(huì)有小的孔洞影響后續(xù)圖像處理，并且紙皮邊緣會(huì)有一定的傾斜度，為了不影響后續(xù)的腐蝕膨脹操作，應(yīng)將紙皮以外的區(qū)域像素值均設(shè)為0，并去除區(qū)域面積小于500的孔洞，并利用式(3)所示回歸直線的算法計(jì)算計(jì)算出紙皮區(qū)域四條邊對(duì)應(yīng)的逼近線，并將逼近線組成的封閉區(qū)域外部的所有點(diǎn)的像素值都置為0。

(3)

式中，a、b為計(jì)算所得回歸直線方程系數(shù)；xi、yi為圖像中黑白區(qū)域的交界點(diǎn)。

相較于圖9而言，采用式(2)算法得到的二值圖像如圖14a所示，圖中白色部分為蝸殼所在區(qū)域，黑色部分為紙皮所在區(qū)域。而經(jīng)過式(3)的回歸直線算法運(yùn)算后其邊緣逼近線的示意圖如圖14b所示，在經(jīng)過處理后如圖14c所示，此時(shí)圖像中白色區(qū)域的分布情況就代表著蝸殼在圖像中的分布情況。

觀察圖14c可以發(fā)現(xiàn)16個(gè)蝸殼并沒有被分成16個(gè)連通域，邊緣區(qū)域會(huì)有一定的重合，此時(shí)采用一定大小的核來進(jìn)行腐蝕操作，將粘連在一起的蝸殼分開，每個(gè)連通域的外接圓圓心的坐標(biāo)即為每個(gè)工件的中心像素坐標(biāo)。

(a) 式(2)所得 二值圖像(b) 式(3)所得 逼近線(c) 處理后的 二值圖像

3 分層—分塊的手眼標(biāo)定方法

為實(shí)現(xiàn)像素-機(jī)器人坐標(biāo)系的轉(zhuǎn)化，還需要完成手眼標(biāo)定模塊。手眼標(biāo)定大致可分為兩種模式—即“眼在手上”與“手眼分離”，本研究中相機(jī)和機(jī)器人分別固定于天花板與地面，相機(jī)安裝位置與機(jī)器人基座的相對(duì)位置不會(huì)發(fā)生變化，為“手眼分離”模式。相較傳統(tǒng)的手眼標(biāo)定而言，分塊—分層的手眼標(biāo)定方法可以將三維坐標(biāo)系降為至二維，且整張圖的標(biāo)定區(qū)域更加細(xì)化，可以降低隨機(jī)誤差對(duì)標(biāo)定結(jié)果的影響。

3.1 像素坐標(biāo)系—機(jī)器人坐標(biāo)系轉(zhuǎn)化

在傳統(tǒng)的相機(jī)標(biāo)定中，像素坐標(biāo)到世界坐標(biāo)的轉(zhuǎn)換可以分為3步4個(gè)坐標(biāo)系，即像素—圖像坐標(biāo)系轉(zhuǎn)換、圖像坐標(biāo)系—相機(jī)坐標(biāo)系轉(zhuǎn)換、相機(jī)坐標(biāo)系—世界坐標(biāo)系轉(zhuǎn)換。其中圖像坐標(biāo)系—相機(jī)坐標(biāo)系轉(zhuǎn)換在使用CCD相機(jī)時(shí)可以將其等效為小孔成像模型來處理，其原理如圖15a所示，將其簡(jiǎn)化為二維平面形式如圖15b所示，坐標(biāo)系XWO1YW-ZW為相機(jī)坐標(biāo)系，坐標(biāo)系X-O2-Y為圖像坐標(biāo)系，F(xiàn)為鏡頭焦點(diǎn)，f為焦距。

(a) CCD相機(jī)成像模型 (b) 相機(jī)成像簡(jiǎn)化二維模型

根據(jù)相似三角形原理可以得出式(4)。

(4)

式中，f代表鏡頭的焦距；SX、SY代表縮放系數(shù)，它的單位為fps/ms，通過上式可以將三維空間中的物體投射到二維成像平面中，而像素坐標(biāo)系與圖像坐標(biāo)系其實(shí)位于同一平面且沒有旋轉(zhuǎn)關(guān)系，因此在X與Y方向分別加上兩個(gè)偏移量CX與CY即可。

由于相機(jī)坐標(biāo)系與機(jī)器人坐標(biāo)系都是映射真實(shí)世界三維坐標(biāo)的坐標(biāo)系，因此兩坐標(biāo)系各坐標(biāo)軸單位一致，且兩坐標(biāo)系之間的相對(duì)位置關(guān)系可以通過剛性變換來完成轉(zhuǎn)換—即只通過平移-旋轉(zhuǎn)的方式進(jìn)行坐標(biāo)變換。即式(4)所示相機(jī)坐標(biāo)可以由機(jī)器人坐標(biāo)左乘旋轉(zhuǎn)矩陣并再加上一個(gè)平移向量所獲得，寫成齊次坐標(biāo)的形式如式(5)所示。

(5)

綜合上述可得出像素坐標(biāo)系到機(jī)器人坐標(biāo)系的轉(zhuǎn)化為：

(6)

3.2 分塊-分層標(biāo)定法

在式(6)中，相機(jī)坐標(biāo)系下的ZW由于蝸殼表面吸收結(jié)構(gòu)光的特性，無法準(zhǔn)確測(cè)出，所以傳統(tǒng)的相機(jī)標(biāo)定方法在此處效果較差?？紤]到蝸殼擺放方式為紙皮—蝸殼—紙皮，最后一層則為高度固定的木托，蝸殼高度同樣為定值，因此可以分層標(biāo)定—即針對(duì)每一層蝸殼進(jìn)行手眼標(biāo)定，相應(yīng)的坐標(biāo)系轉(zhuǎn)換的方式也有三維降至二維，不僅可以降低計(jì)算復(fù)雜度，也能盡量減少ZW對(duì)計(jì)算結(jié)果的影響。

在蝸殼一共有6層的情況下，可以將式(10)中的ZW分為ZW1～ZW66層6段，同時(shí)標(biāo)定數(shù)據(jù)也分為6組，在對(duì)應(yīng)的區(qū)間使用相應(yīng)的標(biāo)定數(shù)據(jù)如式(7)所示。

(7)

當(dāng)蝸殼高度為h時(shí)，在區(qū)間(ZWi-0.5h,ZWi+0.5h]上使用第i組標(biāo)定數(shù)據(jù)即Ri與Ti，其中Ri為旋轉(zhuǎn)矩陣右乘縮放系數(shù)矩陣。針對(duì)每層的手眼標(biāo)定本文提出了一種8區(qū)域分割的分塊標(biāo)定方法，即如圖16a將待標(biāo)定平面根據(jù)9個(gè)不同的頂點(diǎn)分為如圖16b所示的8個(gè)區(qū)域，實(shí)際情況如圖16c所示。

(a) 8個(gè)區(qū)域?qū)?應(yīng)的頂點(diǎn) (b) 8個(gè)區(qū)域?qū)?yīng) 區(qū)域示意圖 (c) 8個(gè)區(qū)域?qū)?yīng) 區(qū)域?qū)嶋H分布

根據(jù)不同的頂點(diǎn)將圖像分為8個(gè)區(qū)域，每個(gè)區(qū)域都為三角形，這樣可以用最少的約束點(diǎn)得到最多的區(qū)域。判斷點(diǎn)是否在三角形區(qū)域內(nèi)的方法如圖17所示，設(shè)點(diǎn)P為目標(biāo)點(diǎn)，對(duì)三角形ABC來講，如圖17a所示只要∠APB+∠APC+∠BPC=180°，即可認(rèn)為點(diǎn)P在三角形ABC內(nèi)部，反之則如圖17b所示點(diǎn)P在三角形ABC外部。

(a) 目標(biāo)點(diǎn)在三角形內(nèi)部 (b) 目標(biāo)點(diǎn)在三角形外部

而在實(shí)際標(biāo)定時(shí)，考慮到目標(biāo)檢測(cè)過程是在深度圖像中完成，因此本文利用深度圖像完成了與工業(yè)機(jī)器人之間的手眼標(biāo)定。

在實(shí)際操作時(shí)可以在每個(gè)區(qū)域選擇3個(gè)特征點(diǎn)，對(duì)于深度圖像來講特征點(diǎn)可以使一些尖銳的角點(diǎn)。在記錄下3個(gè)特征點(diǎn)在圖像中的坐標(biāo)(U1,V1)、(U2,V2)、(U3,V3)，同時(shí)記錄下機(jī)器人末端到達(dá)特征點(diǎn)所在位置時(shí)對(duì)應(yīng)的機(jī)器人坐標(biāo)(XC1,YC1)、(XC2,YC2)、(XC3,YC3)，此時(shí)坐標(biāo)之間的對(duì)應(yīng)關(guān)系如式(8)所示，用3組對(duì)應(yīng)的數(shù)據(jù)即可解出相應(yīng)的R2×2與T2×1。

(8)

4 反饋定位與鄰域抓取的設(shè)計(jì)

為解決系統(tǒng)在Z軸上定位不準(zhǔn)確和防止抓取位置有偏差導(dǎo)致未成功抓起兩種情況，本研究設(shè)計(jì)通過末端真空吸盤反饋定位Z軸坐標(biāo)和鄰域抓取的算法來解決上述問題。

如圖18所示，所測(cè)紙皮平面在相機(jī)坐標(biāo)系下對(duì)應(yīng)的Z軸坐標(biāo)值為Z1，在機(jī)器人坐標(biāo)系下對(duì)應(yīng)的Z軸坐標(biāo)值為Z2，那么可以通過機(jī)器人Z坐標(biāo)軸與相機(jī)Z軸的近似線性關(guān)系算出一個(gè)Z2的近似值，再人為加上一個(gè)合適的正值，得到一個(gè)稍大于Z2的值Z3。當(dāng)機(jī)器人工裝末端運(yùn)動(dòng)到對(duì)應(yīng)的Z3時(shí)，此時(shí)末端的吸盤仍位于紙皮上方。減緩機(jī)器人的運(yùn)動(dòng)速度，令機(jī)器人的Z值緩慢地減小，逼近Z2，即吸盤逼近紙皮。當(dāng)末端吸盤碰觸到紙皮時(shí)，真空發(fā)生器的反饋開關(guān)動(dòng)作，機(jī)器人側(cè)會(huì)收到反饋信號(hào)，即確認(rèn)工裝末端吸附到的目標(biāo)物。此時(shí)機(jī)器人的Z坐標(biāo)即為Z2，程序中設(shè)定將此時(shí)的Z值記錄下來并作為Z2傳遞給上位機(jī)，則在抓取本層物料時(shí)上位機(jī)都會(huì)以該Z2為基準(zhǔn)來進(jìn)行坐標(biāo)傳遞。其程序流程圖如圖19所示。

圖18 相機(jī)與末端吸盤示意圖 圖19 反饋?zhàn)ト〕绦蛄鞒虉D

在有了物料上層紙皮的基準(zhǔn)坐標(biāo)后，由于紙皮的厚度很小，基本都在10～15 mm，而海綿吸盤上方都有彈簧作為緩沖裝置，具有50 mm的緩沖余量，因此可以相對(duì)基準(zhǔn)Z2坐標(biāo)下壓25～30 mm，保證可以順利吸起蝸殼，同時(shí)在緩沖裝置的保護(hù)下不會(huì)對(duì)末端吸附裝置造成損壞。

由于識(shí)別后的坐標(biāo)仍有可能與實(shí)際坐標(biāo)有一定偏差，在機(jī)器人運(yùn)動(dòng)程序中加入了利用末端反饋機(jī)制實(shí)現(xiàn)的鄰域測(cè)試過程。該過程以識(shí)別結(jié)果的坐標(biāo)為起點(diǎn)，以25 mm為步長，在坐標(biāo)周圍的平面內(nèi)額外尋找8個(gè)位置，最多會(huì)對(duì)9個(gè)位置進(jìn)行吸取測(cè)試，如圖20所示。在每個(gè)目標(biāo)點(diǎn)機(jī)器人的具體動(dòng)作如下：到達(dá)目標(biāo)點(diǎn)上方，啟動(dòng)吸盤并以低速接近目標(biāo)點(diǎn)，下降一個(gè)固定的距離(25～30 mm)，此時(shí)判斷是否吸取到目標(biāo)物，若已吸到，則中斷整個(gè)鄰域測(cè)試過程，抬起目標(biāo)物離開來料區(qū)；若未吸到，則抬起相同的距離，前往下一個(gè)目標(biāo)點(diǎn)進(jìn)行下一次測(cè)試。若重復(fù)9次該過程仍無吸取到目標(biāo)物，則說明識(shí)別的結(jié)果有較大偏差。

圖20 鄰域測(cè)試順序(俯視圖)

5 拆垛實(shí)驗(yàn)結(jié)果

對(duì)圖14c采用半徑為70的圓形核進(jìn)行腐蝕操作后得到的圖像如圖21a所示，可以看出此時(shí)圖像中有16個(gè)屬于蝸殼的連通域，將16個(gè)連通域的輪廓分別提取出來，再求出每個(gè)輪廓的最小外接圓，每個(gè)外接圓圓心的坐標(biāo)即代表每個(gè)蝸殼在圖像中的坐標(biāo)，其結(jié)果如圖21b所示。再對(duì)每個(gè)蝸殼的圖像坐標(biāo)進(jìn)行坐標(biāo)系的轉(zhuǎn)化，就可以得出每個(gè)蝸殼對(duì)應(yīng)在機(jī)器人坐標(biāo)系下的坐標(biāo)。

(a) 腐蝕后的圖像 (b) 每個(gè)連通域?qū)?yīng)外接圓示意圖

在預(yù)設(shè)末端反饋機(jī)制的情況下，本系統(tǒng)的定位誤差容許范圍為25 mm，將物料堆疊層數(shù)設(shè)置為6層，物料容許擺放區(qū)域范圍設(shè)為1.3 m×1.3 m，機(jī)器人運(yùn)行速度設(shè)為機(jī)器人最大速度的60%。

在使用了分塊—分層的手眼標(biāo)定方法并增加了機(jī)器人末端反饋機(jī)制的情況下，系統(tǒng)抓起成功率達(dá)到了100%，其中不包含因末端海綿吸盤磨損而掉落的情況。隨機(jī)選取某次計(jì)算出的蝸殼所在坐標(biāo)與實(shí)際蝸殼所在坐標(biāo)進(jìn)行對(duì)比，圖22為第1層到第6層每層計(jì)算點(diǎn)與實(shí)際點(diǎn)坐標(biāo)分布情況，其中第1到6層分別對(duì)應(yīng)機(jī)器人的6個(gè)不同Z值，分別為Z1=-384 mm，Z2=-164 mm，Z3=56 mm，Z4=276 mm，Z5=496 mm，Z6=716 mm，圖23為計(jì)算點(diǎn)與實(shí)際點(diǎn)在空間位置中的分布情況。

圖22 6層物料手眼標(biāo)定計(jì)算點(diǎn)與實(shí)際點(diǎn)對(duì)比

圖23 手眼標(biāo)定計(jì)算點(diǎn)與實(shí)際點(diǎn)對(duì)比 圖24 手眼標(biāo)定坐標(biāo)計(jì)算點(diǎn)與實(shí)際點(diǎn)誤差圖

圖中可以直觀地看出計(jì)算出的點(diǎn)的位置和實(shí)際點(diǎn)位相差很小，在進(jìn)行6層96次抓取后，手眼標(biāo)定計(jì)算點(diǎn)與實(shí)際點(diǎn)之間的平均偏差為7.6 mm，標(biāo)準(zhǔn)差為2.91 mm。在搭配末端反饋機(jī)制的情況下是完全滿足物料抓取要求的，同時(shí)也不會(huì)出現(xiàn)漏識(shí)別或者多識(shí)別的現(xiàn)象，完全可以滿足自動(dòng)化碼垛的需求。

6 結(jié)束語

本文基于RGB-D深度相機(jī)與6軸關(guān)節(jié)工業(yè)機(jī)器人開展智能拆垛系統(tǒng)研究，具體研究成果包含如下：

(1)通過對(duì)紙皮平面、噪聲區(qū)域和其他平面的判別，實(shí)現(xiàn)了對(duì)深度圖像中蝸殼所在位置的定位與識(shí)別，可以準(zhǔn)確的計(jì)算出蝸殼外接圓圓心像素坐標(biāo)；

(2)利用機(jī)器人反饋的Z方向高度，完成了料堆的分層，將難以獲取的三維信息以二維的形式分層獲取，在空間上的降維降低了標(biāo)定算法的復(fù)雜度，并采用每層分塊標(biāo)定的方式降低了隨機(jī)誤差對(duì)手眼標(biāo)定準(zhǔn)確度的干擾；

(3)開展6層料堆拆垛實(shí)驗(yàn)，可成功抓起全部蝸殼，對(duì)比分析手眼標(biāo)定計(jì)算坐標(biāo)點(diǎn)與實(shí)際抓取點(diǎn)位坐標(biāo)可實(shí)現(xiàn)抓取定位偏差平均值為7.6 mm，標(biāo)準(zhǔn)差值為2.91 mm。