視覺傳感器能直觀反映物體的外部信息，但單個攝像頭只能獲得物體的二維圖像，立體視覺雖能提供三維信息，但對于外形相同，僅深度有差別的物體難以識別（如有孔物體、階梯狀物等），且對環(huán)境光線有一定的要求。由于超聲傳感器具有對光線、物體材料等不敏感，結(jié)構(gòu)簡單，能直接獲取待測點至傳感器的距離等特點，因此本文采用視覺與超聲測量相結(jié)合的方法，將二維圖像信息與超聲波傳感器獲取的深度信息進(jìn)行融合推斷，對待裝配工件進(jìn)行自動識別與空間定位，并確定機械手末端執(zhí)行器的空間位置與姿態(tài)，使其能在合適的部位準(zhǔn)確抓取工件。

　　1系統(tǒng)原理與結(jié)構(gòu)

　　系統(tǒng)由機械手、CCD視覺傳感器和超聲波傳感器及相應(yīng)的信號處理單元等構(gòu)成。CCD安裝在機械手末端執(zhí)行器上，構(gòu)成手眼視覺，超聲波傳感器的接收和發(fā)送探頭也固定在機器人末端執(zhí)行器上，由CCD獲取待識別和抓取物體的二維圖像，并引導(dǎo)超聲波傳感器獲取深度信息。系統(tǒng)結(jié)構(gòu)如圖1所示。

　　系統(tǒng)結(jié)構(gòu)

　　圖像處理主要完成對物體外形的準(zhǔn)確描述，包括以下幾個步驟：a.圖像邊緣提取;b.周線跟蹤;c.特征點提取;d.曲線分割及分段匹配;e.圖形描述與識別。在提取物體圖像邊緣后，采用周線跟蹤進(jìn)行邊緣細(xì)化，去除偽邊緣點及噪聲點，并對組成封閉曲線的邊緣點進(jìn)Freeman編碼，記錄每一條鏈碼方向和曲線上各點的X-Y坐標(biāo)值，便于進(jìn)一步對物體的幾何特性進(jìn)行分析。本研究對傳統(tǒng)的周線跟蹤算法中邊緣點的搜索方向與順序進(jìn)行了改進(jìn)，并在搜索過程中采取了及時消除冗余點的方法，減小了數(shù)據(jù)量與運算時間，而且具有較好的降噪及平滑效果。在提取圖像特征點時，將多邊形近似法與計算曲率的方法相結(jié)合，可克服多邊形近似法易產(chǎn)生偽特征點和計算曲率法計算量過大的缺點.CCD獲取的物體圖像經(jīng)處理后，可提取對象的某些特征，如物體的形心坐標(biāo)、面積、曲率、邊緣、角點及短軸方向等。根據(jù)這些特征信息，可得到對物體形狀的基本描述，在圖像處理的基礎(chǔ)上，由視覺信息引導(dǎo)超聲波傳感器對待測點的深度進(jìn)行測量，獲取物體的深度（高度）信息，或沿工件的待測面移動，超聲波傳感器不斷采集距離信息，掃描得到距離曲線，根據(jù)距離曲線分析出工件的邊緣或外形［1］。計算機將視覺信息和深度信息融合推斷后，進(jìn)行圖像匹配、識別，并控制機械手以合適的位姿準(zhǔn)確地抓取物體。

　　2.1工件圖像邊緣的提取

　　復(fù)雜工件反映在圖像上常常不止一個灰度等級，僅利用一個灰度閾值無法提取有意義的邊緣。

　　若采用多閾值的方法，必然會增加計算時間和圖像處理的復(fù)雜程度。對于類別方差自動門限法，增加門限值不僅會提高數(shù)據(jù)處理復(fù)雜程度，而且當(dāng)閾值多于2個時，算法的可靠性就會受到影響。為此采用了直接從灰度圖像提取邊緣的方法。圖像邊緣一般發(fā)生在灰度函數(shù)值不連續(xù)處，可用灰度函數(shù)的一階或二階導(dǎo)數(shù)求得。經(jīng)典的利用一階導(dǎo)數(shù)提取邊緣的方法有Roberts算子、So2bel算子等，利用二階導(dǎo)數(shù)提取邊緣的方法有Laplacian算子和Marrs2Hilderth算子等。通過對幾種算法的分析比較，認(rèn)為Sobel算子不僅實現(xiàn)容易、運算速度快，而且可提供最精確的邊緣方向估計.Sobel算子由兩個3×3相差90°的算子構(gòu)成，由這兩個算子同圖像卷積，可得到圖像的邊緣及其方向。對于數(shù)字圖像｛f（i，j）｝，Sobel算子可表示為：

　　Gx（i，j）=f（i-1，j-1）+2f（i-1，j）+f（i-1，j+1）-f（i+1，j-1）-2f（i+1，j）-f（i+1，j+1）;

　　Gy（i，j）=f（i-1，j-1）+2f（i，j-1）+f（i+1，j-1）-f（i-1，j+1）-2f（i，j+1）-f（i+1，j+1）。

　　采用G1=|Gx|+|Gy|得到梯度幅值后，為減少所抽取的邊緣數(shù)目，可設(shè)置一個幅度門限，即只考慮對應(yīng)灰度變化較大的那些邊緣。再利用邊緣點具有局部幅度最大的特點，將邊緣細(xì)化。利用Sobel算子提取邊緣后，為了得到工件表面的尺寸信息，還必須提取圖像的角點［2］，以便計算工件的邊長等特征信息。

　　2.2形心坐標(biāo)的確定

　　圖像中形心點的計算通?？赏ㄟ^兩種方法得出，一是通過區(qū)域處理求矩的方法計算形心坐標(biāo);二是通過邊緣鏈碼積分計算。該算法較為簡單，且對任意圖形都適用，但需要結(jié)合像素點隸屬區(qū)域劃分算法進(jìn)行。

　　2.3軸向的確定

　　為使機械手能以正確的姿態(tài)準(zhǔn)確地抓取物體，必須精確確定物體的軸向。在幾何學(xué)中，物體的長軸定義為通過物體形心點的一條直線，物體關(guān)于該直線的二階矩為最小值。設(shè)圖像中物體長軸與圖像平面X軸正方向夾角為θ，規(guī)定|θ|≤π/2，則物體關(guān)于該軸線的二階矩為

　　物體關(guān)于該軸線的二階矩

　　很明顯，基于二階慣性矩的軸向確定方法是對整個物體區(qū)域進(jìn)行運算，且必須先確定像素點的隸屬區(qū)域，故運算量較大。圖2（a）是用該算法確定的工件軸向。對于一些簡單形狀的物體，可采用如下簡單軸向估計算法：

　　軸向估計算法：

　　a.確定物體的形心坐標(biāo);

　　b.確定物體邊緣輪廓閉合曲線前半段中離物體形心最近的點，用最小二乘法估算該點的切線方向，設(shè)其與圖像平面X軸正方向夾角為α1;

　　c.用同樣方法確定下半段曲線中對應(yīng)的切線方向α2;

　　d.物體軸向可粗略估計為θ=（α1+α2）/2.

　　工件軸向圖

　　圖2（b）是采用簡化算法得到的工件軸向圖。該算法僅對物體邊緣輪廓點進(jìn)行處理，使運算時間大為減少。

　　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(jīng)圖像處理得到工件的邊緣、形心等特征量后，引導(dǎo)機械手到達(dá)待測點，對工件深度進(jìn)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(zhí)行器上的超聲波傳感器由發(fā)射和接收探頭構(gòu)成，根據(jù)聲波反射的原理，檢測由待測點反射回的聲波信號，經(jīng)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?shù)燃夹g(shù)［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0.1mm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(zhǔn)確識別與抓取。

　　4實驗結(jié)果及結(jié)論

　　在上述方法研究的基礎(chǔ)上，完成了在MOVEMASTER2EX機器人裝配作業(yè)平臺上進(jìn)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(yè)平臺上視場范圍內(nèi)任意放置的3～5個不同形狀、大小的典型工件進(jìn)行自動識別和抓取，結(jié)果表明，識別時間小于5s（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±2mm，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。

　　待抓取工件識別過程的圖像

　　實驗結(jié)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(jié)合的檢測裝置，以及融合二維圖像信息與深度信息進(jìn)行工件識別與抓取的方法，可準(zhǔn)確對物體進(jìn)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(huán)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(yè)能適應(yīng)各種復(fù)雜的環(huán)境與工藝過程，對實現(xiàn)工業(yè)生產(chǎn)過程的自動化、柔性化、智能化有良好的應(yīng)用前景。