基于視覺與超聲技術機器人自動識別抓取系統

3 超聲深度檢測

　　由于CCD 攝像頭獲取的圖像不能反映工件的深度信息,因此對于二維圖形相同,僅高度略有差異的工件,只用視覺信息不能正確識別,本文采用超聲波測距傳感器則可彌補這一不足. 經圖像處理得到工件的邊緣、形心等特征量后,引導機械手到達待測點,對工件深度進行測量,并融合視覺信號與超聲信號,可得到較完整的工件信息.安裝在機器人末端執行器上的超聲波傳感器由發射和接收探頭構成,根據聲波反射的原理,檢測由待測點反射回的聲波信號,經處理后得到工件的深度信息. 為了提高檢測精度,在接收單元電路中,采用了可變閾值檢測、峰值檢測、溫度補償和相位補償等技術[1 ] ,可獲得較高的檢測精度.對視場中兩個外形完全相同、高度相差0. 1 mm的柱形工件,采用本文提出的融合圖像和深度信息的方法,可準確識別與抓取.

4 實驗結果及結論

　　在上述方法研究的基礎上, 完成了在MOVEMASTER2EX機器人裝配作業平臺上進行的物體識別與抓取實驗. 在自然光及一般照明條件下,對機器人裝配作業平臺上視場范圍內任意放置的3～5 個不同形狀、大小的典型工件進行自動識別和抓取,結果表明,識別時間小于5 s（包括識別、定位與抓取過程機械手的移動時間） ,定位誤差小于±2 mm ,并具有較好的通用性和可移植性. 圖3 （a） ～ （d） 分別是待抓取工件識別過程的圖像.

　　實驗結果表明, 采用本文提出的將機器人手- 眼視覺與超聲波測距相結合的檢測裝置, 以及融合二維圖像信息與深度信息進行工件識別與抓取的方法,可準確對物體進行識別與定位,具有算法簡單、計算量小、實時性好、可靠性高等特點,可為機器人與環境交互提供物體形狀、類別及大小等信息,使機器人裝配作業能適應各種復雜的環境與工藝過程,對實現工業生產過程的自動化、柔性化、智能化有良好的應用前景.

　　實驗結果表明, 采用本文提出的將機器人手- 眼視覺與超聲波測距相結合的檢測裝置, 以及融合二維圖像信息與深度信息進行工件識別與抓取的方法,可準確對物體進行識別與定位,具有算法簡單、計算量小、實時性好、可靠性高等特點,可為機器人與環境交互提供物體形狀、類別及大小等信息,使機器人裝配作業能適應各種復雜的環境與工藝過程,對實現工業生產過程的自動化、柔性化、智能化有良好的應用前景.