摘 要

随着机器人应用领域的拓展，工业机械臂在制造业中已经占据了一定的主导地位，未来将要求机器臂能适应在未知的环境下工作。将机器视觉技术与机器臂结合将是提高机器臂适应性的关键技术，是自动化生产系统的必然趋势。本文以装载机械臂的移动机器人为研究对象，以图像处理为技术基础，研究机械臂在未知环境下基于图像处理效果来定位工件的位置坐标信息，驱动机械臂抓取工件。在实现课题过程中，本文做了如下工作：

首先了解国内外机器视觉与分拣工件结合的案例，继而汇总确定本文研究方向。然后准备分拣系统所需的设备，以及对机械臂进行运动学分析和最优轨迹仿真；研究相机标定方法及原理，并利用张正友标定法得到相机的内外参数矩阵。标定后的相机采集到的图像首先进行图像预处理，包括均值滤波、中值滤波、多种梯度算子的锐化处理；预处理完成后再利用阈值分割和边缘检测算子进行目标提取实验；研究连通区域标记和形状识别方法完成目标识别实验，最后进行实物的抓取试验。

通过前期的模拟实验，本文最终设计的系统成功完成实物抓取试验，验证了本系统的可行性，为实际生产中的利用机器视觉的分拣系统提供了有力的参考。

关键词： 机器视觉、机械臂、分拣、图像处理

Abstract

With the rapid development of robot applications, industrial robotic arms have occupied a certain dominant position in the manufacturing industry,and the robotic arms must be able to adapt to work in an unknown environment in future. Combining machine vision technology with robot arms will be a key technology for improving the adaptability of robot arms and an inevitable trend for automated production systems.In the passage a mobile robot carrying a robotic arm is the research object, and we study the positioning of the manipulator under unknown environment based on image processing. In the process of achieving the subject，the work I did was as follows：

First，we should understand the cases of combining machine vision and sorting systems,which are domestic and foreign,and then summarize and decide final direction of the subject.Second, the equipment needed for the sorting system is prepared, and kinematics analysis and optimal trajectory simulation are performed on the robotic arm.Next we start to study The camera calibration principle and the internal and external parameters of the camera are determined using the Zhang Zhengyou calibration method. The image acquired by the calibrated camera is firstly image preprocessed, including the mean filtering, the median filtering, and the sharpening processing of multiple gradient operators; after the preprocessing is completed, the target extraction experiment is performed using threshold segmentation and edge detection operators. The connected region marker and shape recognition method was studied to complete the target recognition experiment, and finally the physical grab experiment was performed.

According to the previous simulation experiments, the final system designed in this passage successfully completed the physical grasping experiment, verified the feasibility of the system, and provided a powerful reference for the sorting system using machine vision in actual production.

Keywords: Machine vision, robotic arm, sorting, image processing

目录

摘要 I

Abstract II

第1章 绪论 1

1.1研究背景和意义 1

1.2国内外研究现状 2

1.2.1国外研究现状 2

1.2.2国内研究现状 3

1.3 论文的研究内容与结构安排 5

第2章 系统的硬件组成与运动学分析 7

2.1 硬件组成 7

2.11 Kinect双目摄像机 7

2.12 图像采集卡 8

2.13 机械臂 9

2.2 机械臂运动学分析 11

2.2.1 机械臂运动学解析 11

2.2.2 运动学正解 12

2.2.3 运动学反解 14

2.3 单关节机械臂最优轨迹控制及仿真 15

2.3.1 问题的提出 15

2.3.2 最优轨迹的优化 16

2.3.3 仿真结果 17

2.4 本章小结 19

第3章 基于机器视觉的分拣系统设计 20

3.1小孔成像模型 20

3.2相机标定方法介绍 22

3.2.1 直接线性变换DLT法 22

3.2.2 张正友法 24

3.3 实验与结果 28

3.3.1 张正友标定法实验 28

3.4 图像预处理 30

3.5 图像滤波算法的介绍 30

3.5.1均值滤波 30

3.5.2 中值滤波 32

3.5.3 滤波效果比较 32

3.6 图像锐化算法介绍 33

3.6.1 基于一阶导数的图像增强——梯度算子 33

3.6.2 基于二阶微分的图像增强——拉普拉斯算子 34

3.6.3 图像锐化处理效果对比图 35

3.7 目标提取 36

3.7.1 阈值分割 37

3.7.2 Canny边缘算子 37

3.7.3图像分割效果对比 39

3.8 图像识别 39

3.8.1连通区域标记 40

3.8.1.1 利用bwlabel函数标记 40

3.8.2 形状识别 41

3.9 本章小结 41

第4章 基于机器视觉的分拣系统实现 43

4.1 分拣系统构成 43

4.2 系统体系结构 44

4.3机械臂抓取试验结果 45

4.3.1 Arm link控制机械臂试验 45

4.3.2 基于机器视觉的分拣试验 46

4.4 本章小结 46

第5章 经济效益分析 48

第6章 总结与展望 49

6.1 总结 49

6.2 展望 49

参考文献 50

致谢 52

第1章 绪论

1.1研究背景和意义

目前，工业机械臂在制造业中已经占据了一定的主导地位，其中机械臂排在汽车制造行业的第一位，占比28.9%；在电器制造业位居第二位，占比16.4%；在化工领域位居第三位，占比11.7%。由此可见，机械臂在制造业的应用已经十分广泛，发达国家机械臂在汽车行业中的应用尤其之大，占总保有量的23.4%～53%。从工业4.0革命向全世界蔓延开始，中国制造业便开始面临巨大的压力，而压力迫使中国升级转变。在国家方针政策和市场切实需求的双重刺激下，众多的企业都有在机器人领域大显身手想法，另有许多企业已经付诸实施：早在前些年，国内有60家以上的机器人公司上市，与机器人有联系的企业达到140家。放眼看世界会发现，机械臂技术发达的国家有：美国、中国、俄罗斯、韩国、日本等。这些国家都在竞相开发能够应用于各个领域的专业型机械臂机器人，而且部分项目已经取得了一些卓有成效的结果。通过调查，目前全球范围内的机械臂主要研发的种类有医用机械臂、生产线机械臂和军用机械臂等。综合来看，机械臂目前的市场和研究前景十分之好^[1]。

机械臂在工业领域中多用于代替人类进行大批量、质量要求高且重复性较高的工作。譬如在制造领域中，机械臂代替人工完成汽车（包括配件）、船及某些家用电器(电视机、电冰箱、洗衣机)的生产线的制造；但传统的机械臂分拣系统多是针对工件抓取位置和放置位置固定的场合，如果工作环境条件发生了变化，机器人就需要重新进行示教编程，否则就会出现误抓或漏抓，降低生产线速度^[2]。