基于视觉与超声技术机器人自动识别抓取系统

3超声深度检测

　　由于CCD 摄像头获取的图像不能反映工件的深度信息,因此对于二维图形相同,仅高度略有差异的工件,只用视觉信息不能正确识别,本文采用超声波测距传感器则可弥补这一不足. 经图像处理得到工件的边缘、形心等特征量后,引导机械手到达待测点,对工件深度进行测量,并融合视觉信号与超声信号,可得到较完整的工件信息.安装在机器人末端执行器上的超声波传感器由发射和接收探头构成,根据声波反射的原理,检测由待测点反射回的声波信号,经处理后得到工件的深度信息. 为了提高检测精度,在接收单元电路中,采用了可变阈值检测、峰值检测、温度补偿和相位补偿等技术[1 ] ,可获得较高的检测精度.对视场中两个外形完全相同、高度相差0. 1 mm的柱形工件,采用本文提出的融合图像和深度信息的方法,可准确识别与抓取.

4 实验结果及结论

　　在上述方法研究的基础上, 完成了在MOVEMASTER2EX机器人装配作业平台上进行的物体识别与抓取实验. 在自然光及一般照明条件下,对机器人装配作业平台上视场范围内任意放置的3～5 个不同形状、大小的典型工件进行自动识别和抓取,结果表明,识别时间小于5 s（包括识别、定位与抓取过程机械手的移动时间） ,定位误差小于±2 mm ,并具有较好的通用性和可移植性. 图3 （a） ～ （d） 分别是待抓取工件识别过程的图像.

　　实验结果表明, 采用本文提出的将机器人手- 眼视觉与超声波测距相结合的检测装置, 以及融合二维图像信息与深度信息进行工件识别与抓取的方法,可准确对物体进行识别与定位,具有算法简单、计算量小、实时性好、可靠性高等特点,可为机器人与环境交互提供物体形状、类别及大小等信息,使机器人装配作业能适应各种复杂的环境与工艺过程,对实现工业生产过程的自动化、柔性化、智能化有良好的应用前景.

　　实验结果表明, 采用本文提出的将机器人手- 眼视觉与超声波测距相结合的检测装置, 以及融合二维图像信息与深度信息进行工件识别与抓取的方法,可准确对物体进行识别与定位,具有算法简单、计算量小、实时性好、可靠性高等特点,可为机器人与环境交互提供物体形状、类别及大小等信息,使机器人装配作业能适应各种复杂的环境与工艺过程,对实现工业生产过程的自动化、柔性化、智能化有良好的应用前景.