计算机科学课程96(2016)428 - 435 利用机器视觉实现柔性自动化装配系统
摘要
柔性自动化装配系统成为制造工艺高混合生产线的有效自动化系统。这研究的目的是设计柔性自动拾取装置和装配系统的主要原型。我们综合了机器视觉系 统与机器人系统进行选择和放置过程。产品模型由主要部件和装配部件组成。主要部件通过传送带传送到机械系统。当主要部件在特定位置时，主要部分的图像被捕获。使用LabVIEW NI vision软件和NI vision builder和image的图像处理。通过标定方法，我们可以得到在主要部分装配空间的形状和方向，用来控制有选择性的柔性机器人臂(SCARA)。SCARA被用来从存储站挑选装配部件，并将它们放入主要部件的装配空间。作为原型的结果，我们从图像校准中对坐标转换因子进行了评估并用它们来控制SCARA的移动。我们最终获得了可靠的柔性自动化装配系统，能够正确地检测和识别装配空间的形状和定位。SCARA也可以选择正确的装配部件并将他们完美的放置到装配空间。
关键词:柔性制造系统；机器视觉系统；选择和地点的过程；虚拟仪器
如今，客户的愿望推动了各种产品特性的需求，并且缩短了制造行业的交货时间。由于制造过程的高度复杂性，自动化系统已被应用于生产和最终组装系统。在高混合生产中，产品模型可能有不同的尺寸、形状和方向，这要求自动化装配过程具有更高的灵活性。当产品模型在常规装配过程中发生改变时，生产线需要停止，然后需要建立自动装配系统的新配置和命令。传统的装配工艺可以提高生产提前期，降低系统效率。因此，生产成本是通过对人工成本、机器和设备成本的投资来提高的。为了改进传统的自动装配系统，在高混合装配过程中采用了柔性自动化系统。这个灵活的自动系统可以修改它的工作模式，并自动响应新的模型。在这种情况下，生产线不需要停止，显著改善装配过程的性能。
实现柔性自动化系统的一种方法是将机器视觉系统与自动化系统集成。计算机视觉技术已经被用来提供产品数据，帮助生产系统的决策。在使用数控机床的刀具加工过程中，视觉传感器被用来监控刀具的磨损情况，包括刀具磨损和表面纹理。在此情况下，利用视觉传感器获取的刀具磨损状态信息，对数控控制器的磨损参数进行估计。一个自动化的视觉系统也被用来检查印刷电路板上的缺陷，使用参考比较法。这种自动化的视觉检测系统被认为是有效的缺陷检测和缺陷分类。在自动装配过程中，机器视觉系统对产品模型的特性、大小、形状、定位和缺陷进行了检验。这种检查有助于自动装配系统识别模型并正确地响应这些模型。
视觉系统主要基于图像分类。首先，用摄像机捕获对象图像。接下来，指定图像的搜索区域，为图像处理设置环境。在图像处理步骤中，通过将捕获图像的显著特征与标准图像的特征进行比较，识别出分类。两个主要的分类器通常用于图像处理:对象分类器和颜色分类器。对象分类器根据对象的形状识别对象，颜色分类器根据颜色来区分对象，同时在自动装配过程中也采用了工业机器人，以减少人为误差、引线时间和人工成本。机器人可以通过新颖的控制方法实现更好的性能。陈和刘已经非常成功地实现了强劲的阻抗控制算法与选择性遵从铰接式机器人手臂(SCARA)来执行一个印刷电路板(PCB)组装。研究论文的重点是选择和放置的过程，装配过程的子过程需要一个精确的配置和组装的部分产品。机器视觉系统和SCARA机器人集成系统的设计是为了在单个生产线上装配各种形状配置和方向的部件。在本实验中，模型组件由主要部件和装配部件组成。我们有三种装配模型，分别是正方形、三角形和圆形，它们被放置在各个位置的相应的主要部件中。图1(a)和图1(b)分别给出了主要零件和装配件。主要部件在传送带上移动，而装配部件则储存在存储站。装配过程必须将正确的装配部件放在主要部件上的正确位置来完成。为了完成任务，集成了视觉系统来识别装配空间的几何形状和方向。
本章分为硬件设计和软件设计两部分。该硬件系统由摄像机、机器人和机器人末端执行器组成。我们还使用SCARA模型IX-NNC6020-5L-T1-SP来接收处理信息。该机器人的最终效果是直径10毫米的真空吸力头，用于在装配步骤中保持装配部件。然后，SCARA被设定为在挑选和放置过程中移动到理想的位置。
对于视觉模块，我们使用USB CCD相机，分辨率为640×840像素，以捕捉传送带上主要部件的图像。700勒克斯的背光亮度使得创建LabVIEW的图像处理软件变得更加容易。该系统利用LabVIEW NI vision软件和NI vision builder开发计算机程序进行图像处理。该程序设计用于识别零件的位置和方向。LabVIEW还通过将组装部件的位置和装配空间的位置发送给SCARA来与机器人控制器通信。我们引入了NI Vision Builder程序来定义部件的特性，例如需要搜索的主要部件的配置、颜色、亮度、搜索区域等等。这个视觉构建器帮助程序很容易地工作。
SCARA被安置在基础部分的中心。在机器人的尖端安装了一台摄像机。主要部件沿着轨道传送带移动。当主部件移动到指定位置时，系统保持主体部分并拍摄一个图像，如图2所示。图像被发送到LabVIEW NI vision软件，以识别放置位置的坐标。从相机拍摄的主要部件的图像被发送到LabVIEW程序，以定位在装配部件需要正确放置的主要部件上的位置和装配空间的方位。所拍摄的图像通过过程分析，如图3所示。
如图4所示，图像的分辨率为640x480像素，在图5所示的区域内，通过使用NI vision builder来指定搜索区域，可以找到主部件的边缘。接下来，利用NI vision builder和LabVIEW探测到组装空间的边缘，从而得到程序的形状识别。在此之后，中心点和空间方向以像素位置为定位，如图6所示。该程序将捕获的图像的X轴和Y轴上的像素位置通知。
当我们从上一步得到像素坐标时，我们需要将像素坐标转换成毫米的坐标，在x方向上的转换系数是0.138425毫米/像素，y方向是0.1351095 mm/像素。 然后我们必须把毫米的坐标转换成以十六进制数形式的IAI协议B的一系列命令。IAI协议B的命令用于控制机器人在选择和放置过程中的运动。
从捕获的图像规范的装配空间取向，我们发现指定的坐标诱导使定位不当运动，使定向变异目的地的SCARA偏离正确位置对象。当相机用于捕获图像的主要部分，这可能不是主要的中心对象，并可能不是垂直于主要对象，导致图像失真和错误定位指定的坐标。因此，在确定机器人的装配空间方向之前，有必要对捕获的图像进行校正。
标准对象的大小等于真实对象的大小。在标准对象上创建了48个直径为10 mm的圆（6x8行）。圆的每个中心之间的距离是10 mm。如图7所示，圆圈的数字和真实物理坐标被指定。例如，数字1号圆、2号圆和10号圆的中心坐标分别为（5，10）mm、（15，10）mm，以及（15，20）mm。
作为校准的结果，x方向上的最大误差为41号圆的10.59%，y方向上的最大误差是数字2号圆的7.41%，而从Eq中计算的总误差（3）是41圈的10.621%。与此同时，表1中列出了10个总错误的降序。从表1中，错误在图像的边界区域增加了，因为图像失真导致了透视图像而不是正交图像。
该标定数据为捕获图像的坐标转换提供了参数。转换因子在x方向上为0.138425 mm/像素，y方向为0.1351095 mm/像素，机器坐标（ ， ）可以调整和接近真实的物理坐标（ ， ），在我们用这些参数标定了程序后，我们得到了调整后的坐标(x， y)，用于识别主要部件上的装配位置，并控制机器人的运动。图8显示了不同方向模型各类型的坐标调整。图9中还显示了在图像校准之前和图像校准后的装配空间中心坐标的百分比差异。y方向坐标的百分比差异(0.26 - 1.40%)与x方向坐标(0.008 - 0.141%)的百分比差异显著高。与此同时，中心的y方向和主要部分左侧的坐标的百分比差异均高于右侧。结果表明，在主要部件的中心位置和主要部件的左侧，特别是y方向的坐标，需要对所有类型的装配空间进行明显的大调整。这些结果与表1校准的结果相对应，在标准对象的左侧区域发现了最大误差。
使用LabVIEW，我们获得了友好的用户界面程序，帮助用户跟踪装配过程的
状态。该程序显示捕获的图像、装配空间、调整后的坐标(x、y)、装配空间的方向，以及IAI协议B的命令，如图10和图11所示。
通过图像处理器，系统可以正确识别和识别装配空间的形状和方向。机器人可以拾取对应于装配空间的正确装配部件。在我们使用转换因子校准程序后，我们发现机器人可以移动到正确的装配位置。如图12所示，机器人可以将组装部分正确地放置到主体部分(100%)，从而提高了装配过程的效率。这种自动装配系统需要提高系统的灵活性。该系统可以很好地应用于图像处理器的黑色部分，以检测装配空间、形状和装配空间的方向。然而，这个系统可能与发光的部分不兼容，这些发光的部分可能会给照相机反射出生动的光。在这种情况下，它可能会导致图像处理器的一些误差，从而检测出装配空间的形状和正确方向。这进一步的改进被认为是团队未来的工作。
本文提出了柔性自动化装配系统与机器视觉系统相结合的主要原型。在机器视觉系统的图像处理中，所捕获的图像是指定装配部件的正确目标位置的主要关注点。我们需要进行图像校准，以获得用于机器人拾取和放置过程的装配空间的正确坐标。在主要部件的中心位置和主要部件的左侧，特别是y方向上的坐标，需要对所有类型的装配空间进行大的调整。最后，我们得到了可靠的柔性自动化装配系统，能够正确地检测和识别装配空间的形状和定位，从而实现了SCARA的完美选择和放置过程。该样机预计将被开发用于复杂的产品模型和复杂的生产线，这将是我们未来的挑战工作。
外文文献
