基于机器视觉的六自由度机器人自动示教系统研究

务ｌ生　訇　化　表１六自由度机械臂的Ｄ－Ｈ参数　。　４　４　０　连杆序号ｉ　ａＩ＿１　Ｏｃ　ｌ　０ｆ　Ｏ　１　０　０　ｄ　关节变量范围　，　，　（。）　（。）　，ｎｍ　（。）　ｌ　２　３　ａｏ：０　ａ　＝８５　ａ，＝３８０　０＝０　０【ｌ＝一９０　０ｃ　＝０　０。（０）　０２（－９０）　０　（０）　ｄｌ＝０　ｄ　＝０　ｄ　＝０　—１７０—１７０　．９２———１３５　—１２９一ｌｌ６　４　５　ａ１＝１００　ａ４＝０　０ｃ３＝一９０　仅　＝９０　ｅ４（０）　０５（０）　ｄ４＝４２５　ｄ　＝０　一ｌ６０—１６Ｏ　一ｌ２０—１２０　６　ｆ　ａ　＝０　ａ６＝８５　０【　＝－９０　０　Ｏ　（Ｏ）　Ｏ　ｄ６：０　Ｏ　．３６０———３６０　Ｏ　ｃ３—．ｓ３　０　ｎ２　…　１－２个示教点按照式（８）进行修改，从而实现针对某　个物料架的示教路径自动生成。通过编制自动示　教程序，让机械臂沿着滑轨移动一遍，在每个物　料架前重复上述自动示教过程，则可快速生成全　；Ｔ＝Ｔｒａｎｓ（ｘ，ａ２）Ｒｏｔ（ｚ，０３）＝　０　０　ｓ３　ｃ３　０　０　０　０　１　０　０　１　部的示教路径，实现高效的全自动示教。　：Ｔ＝Ｔｒａｎｓ（ｙ，ｄ４）　Ｔｒａｎｓ（ｘ，ａ３）’Ｒｏｔ（ｙ，０４）’Ｒｏｔ（ｘ，０ｃ３）　ｃ４　口３　０　——ｄ４　０　１　（４）　ｓ４　０　ｃ５——ｓ５　０　０　物料架　；Ｔ：Ｒｏｔ（ｙ，＿０５）・Ｒｏｔ（ｘ，　４）＝　ｓ５　０　０　Ｏ　ｃ５　０　—１　０　（５）　０　０　０　１　ｃ６０　：——ｓ６　０　０　０　１　０　图７机械臂与物料架的位置关系示意图　Ｒｏｔ（ｙ，０６）・Ｒｏｔ（ｘ，０ｃ５）　ｓ６Ｏ　——ｃ６　０　０　Ｏ　Ｏ　１　（６）　ｗ一一　一。　＋Ｐ　（８）　Ｙ—ｎｅｗ＝Ｙ—ｏｌｄ－ｅｒｒｙ×ｓｉｎａ　Ｒｏｔ（ｘ，ＰＩ、）。Ｒｏｔ（ｙ，ＰＩ｜２　１　０　０　０　０　ｌ　０　０　０　０　１　ａ６　０　Ｏ　０　１　２．３实验结果　根据所提出的基于视觉自动示教系统对具有　（７）　６０个物料架的物料平台进行自动示教路径生成，　在实际运行过程中，六自由度机械臂直接利用　生成的示教路径对物料架上的物体进行抓取等操　２．２末端路径的自动修改和示教路径的自动生成　如图７所示为机械臂与物料架之间的位置关　作时，机械臂的末端执行器具有非常高的位置精　度，操作的可靠性得到较大提高。使用传统方式　实现６０个物料架的机械臂示教，大概需要ｌ０个小　时，而采用本文的自动示教系统只需要１０分钟，　示教的可靠性也能得到很好的保证。实际运行结　果表明本文所提出的基于机器视觉的自动示教系　系，机械臂底盘可以在滑轨上移动，该滑轨与物　料架的排列方向一致，所以根据视觉系统得到的　指示灯Ｘ方向的位置偏差，修正机械臂底盘的位置　即可实现机械臂在Ｘ方向上与物料架的对准。物料　架与Ｚ轴的夹角为，根据得到的指示灯Ｙ方向的位　置偏差ｅｒｒｙ，可以对机械臂通用运动轨迹的最后　统具备高效率和高可靠性，适合应用到工业上的　六自由度机械臂的自动示教中。　【下转第６页】　第３４卷第５期２０１２－０５（上）　［３１　边缘参数更准确。此外，还可以看出Ｐｒａｔａ法在执　行时间上是最快的，因此改进的方法在速度上的　改善是非常有意义的。同时可以清楚的看到改进　的Ｐｒａｔａ法的阶次由Ｏ（Ｎ　ｐ一３）降低为Ｏ（Ｎ　ｐ一２）。　表１不同算法的时间对比　算法　【４】Ｔｉｎｋｕ　Ａｃｈａｒｙａ，Ａｊｏｙ　Ｋ．Ｒａｙ．数字图像处理基础原理与应　用【Ｍ】．北京清华大学出版社，２００７．　【５】Ｊ．Ｙｅ，Ｇ．Ｋ．Ｆｕ，Ｕ．Ｐ．Ｐｏｕｄｅ１．Ｈｉｇｈ—ａｃｃｕｒａｃｙ　ｅｄｇｅ　ｄｅｔｅｃｔｉｏｎ　ｗｉｔｈ　ｂｌｕｒｒｅｄ　ｅｄｇｅ　ｍｏｄｅｌ，Ｉｍａｇｅ　ａｎｄ　Ｖｉｓｉｏｎ　Ｃｏｍｐｕｔｉｎｇ　２００５，　２３（５）：４５３—４６７．　【６】Ｆ．Ｂｏｕｃｈａｒａ，Ｓ．Ｒａｍｄａｎｉ．Ｓｕｂｐｉｘｅｌ　ｅｄｇｅ　ｒｅｆｉｎｅｍｅｎｔ　ｕｓｉｎｇ　ｄｅｆｏｒｍａｂｌｅ　ｍｏｄｅｌｓ，Ｏｐｔｉｃａｌ　Ｓｏｃｉｅｔｙ　ｏｆ　Ａｍｅｒｉｃａ　最大阶次　ｐｍ“　２０　４０　２００９，２　６（４）：８２０—８３２．　Ｐｒａｔａ　方法　０　２０１ｓ　Ｏ．８ｌＯｓ　改进的方法　０．０５４ｓ　０．１４０ｓ　ｑ－ｒｅｃｕｒｓｉｖｅ方法　０．０９０ｓ　Ｏ．２Ｏ１　Ｓ　［７】Ｌ．Ｚｈａｎｇ，Ｘ．Ｌ．Ｗｕ．Ａｎ　ｅｄｇｅ—ｇｕｉｄｅｄ　ｉｍａｇｅ　ｉｎｔｅｒｐｏｌａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｖｉａ　ｄｉｒｅｃｔｉｏｎａｌ　ｆｉｌｔｅｒｉｎｇ　ａｎｄ　ｄａｔａ　ｆｕｓｉｏｎ＿ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｉｍａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ　２００６，１５（８）２２２６—２２３８．　【８】Ｔ．Ｈｅｒｍｏｓｉｌｌａ，Ｅ．Ｂｅｒｍｅｊｏ，Ａ．Ｂａｌａｇｕｅｒ，Ｌ．Ａ．Ｒｕｉｚ．Ｎｏｎ—ｌｉｎｅａｒ　ｆｏｕｒｔｈ—ｏｒｄｅｒ　ｉｍａｇｅ　ｉｎｔｅｒｐｏｌａｔｉｏｎ　ｆｏｒ　ｓｕｂｐｉｘｅｌ　ｅｄｇｅ　ｄｅｔｅｃｔｉｏｎ　６０　８０　１０Ｏ　２．Ｏ１ＯＳ　５．０６０ｓ　７．９２５ｓ　０．３０１　Ｓ　０，４９９Ｓ　０．７０４ｓ　０．３０９ｓ　０．５９９ｓ　１．１ＯＯｓ　ａｎｄ　ｌｏｃａｌｉｚａｔｉｏｎ，Ｉｍａｇｅ　ａｎｄ　Ｖｉｓｉｏｎ　Ｃｏｍｐｕｔｉｎｇ　２００８，２６（９）：　１２４０—１２４８．　【９】Ｓ．Ｏ．Ｂｅｌｋａｓｉｍ，Ｍ．Ｓｈｒｉｄｈａｒ，Ｍ．Ａｈｍａｄｉ．Ｓｈａｐｅ　ｒｅｃｏｇｎｉｔｉｏｎ　４结论　本文提出了一种基于Ｚｅｒｎｉｋｅ正交矩的亚像素　ｕｓｉｎｇ　ｚｅｒｎｉｋｅ　ｍｏｍｅｎｔｓ　ｉｎｖａｒｉａｎｔｓ，ｉｎ：Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　２３ｒｄ　Ａｎｎｕａｌ　Ａｓｉｌｏｍａｒ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｓｉｇｎａｌｓ　Ｓｙｓｔｅｍｓ　ａｎｄ　边缘检测法，该方法采用了对ＺＭｓ计算的快速递　归法，并修改了Ｐｒａｔａ递归法，降低了时间复杂　Ｃｏｍｐｕｔｅｒｓ，１９８９：１６７—１７１．　［１０】Ｓ．Ｇｈｏｓａｌ，Ｒ．Ｍｅｈｒｏｔｒａ．Ｚｅｒｎｉｋｅ　ｍｏｍｅｎｔ　ｂａｓｅｄ　ｆｅａｔｕｒｅ　ｄｅｔｅｃｔｏｒ，ｉｎ：Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　ＩＥＥＥ　Ｃｏｎｆｅｒｅｎｃｅ　度，由Ｏ（Ｎ　ｐ一３）到Ｏ（Ｎ　ｐ　２　）。从实验结果看，所　提出的方法更快更准确，我们用所提出的方法进　行亚像素边缘定位可以得到比较满意的结果。此　外，对计算目标的几何参数和使用边缘点的　ｏｎ　Ｉｍａｇｅ　ｒｏｃｅｓＰｓｉｎｇ（ＩＣＩＰ一９４），ｖｏ１．１，１９９４：９３４—９３８．　【１　１］Ｌ．Ｗａｎｇ，Ｇ．Ｈａｅａｌｅｙ．Ｕｓｉｎｇ　Ｚｅｒｎｉｋｅ　ｍｏｍｅｎｔｓ　ｏｆ　ｔｈｅ　ｉｌｌｕｍｉｎａｔｉｏｎ　ａｎｄ　ｇｅｏｍｅｔｒｙ　ｉｎｖａｒｉａｎｔ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｏｆ　ｍｕｌｔｉｓｐｅｃｔｒａｌ　ｔｅｘｔｕｒｅ，ＩＥＥＥ　Ｔｒａｎｓ．Ｉｍａｇｅ　Ｐｒｏｃｅｓｓ．　情况，如校准、匹配等，该新方法都是非常　有效的。　１９９８，７（２）：１９６—２０３．　【１２】　Ｃ．一Ｗ　Ｃｈｏｎｇ，Ｒ．Ｐａｒａｍｅｓｒｎ．ａＲ．Ｍｕｋｕｎｄａｎ．Ａ　ｃｏｍｐａｒａｔｉｖｅ　ａｎａｌｙｓｉｓ　ｏｆ　ａｌｇｏｒｉｔｈｍｓ　ｆｏｒ　ｆａｓｔ　ｃｏｍｐｕｔａｔｉｏｎ　ｏｆ　Ｚｅｒｎｉｋｅ　参考文献：　【１】陈天华．数字图像处理【Ｍ】．北京：清华大学出版社，２ＯＯ７．　【２】ＡＮＩＬＫ．数字图像处理基础　Ｅ京：清华大学出版社’２００６．　【３】朱虹，等．数字图像处理基础【Ｍ】．北京科学出版社，２００５．　ｍｏｍｅｎｔｓ，Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ　２００３，３６．７３１—７４２．　【１３】Ａ．Ｐｒａｔａ，Ｗ．Ｖ．Ｔ．Ｒｕｓｃｈ．Ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ｃｏｍｐｕｔａｔｉｏｎ　ｏｆ　Ｚｅｒｎｉｋｅ　ｐｏｌｙｎｏｍｉａｌｓ　ｅｘｐａｎｓｉｏｎ　ｃｏｅｆｉｃｉｆｅｎｔｓ，Ａｐｐ１．Ｏｐｔ．２８　１　９８９：７４９—７５４．　盘‘｛＆Ｉ｛＆‘｛重‘｛岛‘　重‘｛＆‘｛矗‘｛＆●｛矗‘｛矗●｛矗‘　矗‘　童‘　矗‘　矗‘　蠢‘　童‘　矗‘　矗‘　矗‘　矗‘　＾‘｛矗‘　【上接第３页】　３结论　本文通过图像处理技术得到物料架上定位标　［２２］马强．六自由度机械臂轨迹规划研究【Ｄ】．哈尔滨工程大学，　２００７．　【３】彭雪峰．基于遗传算法的六自由度机器人焊接路径规划　志物的精确位置偏差信息，利用该偏差信息修改　通用运动路径的示教点，实现六自由度机械臂物　体抓取的示教路径自动生成。实际运行情况表明　该自动示教系统在保证可靠性的前提下，能较大　【Ｊ】．自动化技术与应用，２０１１，１２：１－３．　【４１鹿毅，吴洪涛．基于Ｍａｔｈｅｍａｔｉｃａ的六自由度焊接机器人运　动学分析仿真［ＪＪ．煤矿机械，２０１１，６：１２４—１２６．　【５】李二超，李战明，李炜．基于视觉的机器人模糊自适应阻抗　控制【Ｊ】．中南大学学报，２０１１，２：４０９－４１３．　提高示教速度，比传统的手工示教方法具有明显　的优越性。　【６】魏明明，汪焰恩．基于计算机视觉反馈的ＡＧＶ定位停车研　究【Ｊ】．机床与液压，２０１　１，１５：３５－３７．　【７］雷永刚．基于图像的移动机器人视觉伺服系统研究【Ｄ】．河　南科技大学，２０１　１．　参考文献：　【１】马江．六自由度机械臂控制系统设计与运动学仿真［Ｄ】．北　京工业大学，２００９　［６１　第３４卷第５期２０１２－０５（上）