在许多自动化应用场合中，如自动化分拣、装配、拆垛、码垛、上料等过程中，工业机器人经常被用来进行抓取作业。要完成抓取操作，机器人系统可能需要完成目标感知、运动规划、抓取规划等一系列任务。视觉系统在机器人抓取作业中的作用就是识别、定位目标物体，为机器人提供目标物体的类型与位姿信息。其中，位姿估计的精度关系到抓取的成功率与精度，是非常重要的技术参数。

实际案例研究

白色抽屉纸盒机器人3D视觉分拣

任务描述：料框内杂乱堆放着不同型号的白色抽屉纸盒，并且这些纸盒的各个表面的长宽尺寸各不相同。3D视觉系统通过识别纸盒表面的尺寸将不同型号的纸盒区分开来，再由机器人将它们分别分拣到不同的料框中。

 

视觉系统设计

长方形铁质料框的尺寸为500 X 385 X 180 mm，壁厚为1.5 mm，为避免反光并增加视觉对比度，在料框表面喷涂哑光黑漆。3D相机采用固定安装，在长方形料框的正上方进行拍摄。考虑到ABB 2600机器人的工作范围，3D相机距离料框底部的高度需大于1000 mm并尽可能取小值。

综合考虑各种因素，这里选用Ensenso N20-1202-16-BL相机，该相机的工作原理是投射散斑纹理的双目立体视觉技术，其分辨率为1280 X 1024像素，*小、*大和*佳工作距离分别为1100 mm、2200 mm、1400 mm。料框底部距离相机的距离设计为1400 mm，在该距离下3D相机的Z向分辨率为1.037 mm，能够满足四个真空吸盘的抓取精度要求；纸盒的*大堆叠高度不超过230 mm，Ensenso N20-1202-16-BL在1150mm工作距离下的视野范围为572.90 X 497.96 mm，能够满足视野要求。为避免环境光的影响，在相机顶部上方安装遮光板，在相机旁边加设白色光源。

视觉方法描述

 

为了识别纸盒表面的长宽尺寸、估计纸盒表面的位姿，就需要对纸盒表面的3D点云进行正确分割。这里将2D图像处理技术与3D点云处理技术相结合：首先，相机接收到触发信号，打开散斑投影仪拍摄一幅3D点云图像；然后，关闭散斑投影仪，拍摄一幅左相机矫正灰度图像。Ensenso通过计算左相机矫正图像上各像素点的空间3D坐标，生成一幅3D点云图像。因而，Ensenso所拍摄的3D点云图像（有三个通道，其像素值分别代表X，Y，Z坐标）上各点的像素值与左相机矫正图像上同一位置的像素值是一一对应的，可通过分割左相机矫正图像来实现纸盒表面3D点云的分割。

 

视觉程序设计思路：

首先，利用边缘提取、边缘连接、腐蚀、膨胀等算法在左相机矫正图像上分割出不同的纸盒表面区域；

然后，取每个区域所对应的3D点云，估计这片点云的厚度，若厚度小于阈值t，则认为这片点云代表了一个纸盒表面的几何形貌，计算这片点云的3D*小外接盒区域，即可估算得到纸盒表面的长宽尺寸、中心位置与姿态；若厚度大于阈值t，则认为2D图像分割失败，这片点云至少代表两个纸盒表面的几何形貌，这时先根据点云的法向量、曲率等特征对其进行3D分割，然后再进入上述的厚度判断与尺寸、位姿的计算程序。为了缩短程序执行时间，对点云做3D分割之前，预先对其进行采样以减少数据量。检查纸盒表面上方是否有遮挡，过滤掉上方有遮挡的结果，防止抓取过程中发生碰撞或损坏。

*后，将处理结果按照表面中心高度、姿态方向和表面尺寸进行综合排序，输出到机器人抓取路径规划程序当中。路径规划程序根据视觉输出的结果引导机器人运动并控制夹具动作。

 

来源：网络

安川机器人更多资讯点击：http://yaskawa-jqrpeijian.gongboshi.com/