视觉工业机器人的应用和研究现状

视觉工业机器人的应用和研究现状《2l世纪日本创建机器人社会技术发展战略报告》指出，“机器人技术与

信息技术一样，在强化产业竞争力方面是极为重要的战略高技术领域。培育未来机器人产业是支撑2l世纪日本产业竞争力的产业战略之一，具有非常重要的意义。”伴随着科技的进步和生产技术的发展，基于机器视觉技术的工业机器人的研究越来越得到广泛的关注，并且已经出现一大批科技成果，并在实际生产中得到了很好的应用。

1、搬运装配机器人

基于机器视觉的工业机器人的研究上已经做了很多工作，并且已经有很多破性成果。日本学者S.Murakami等研究的弧焊机器人焊缝跟踪控制系统，采用了视传感器并用神经网络进行图像处理以获得焊缝的形状数据，能有效地进行焊缝跟踪。澳大利亚Western大学研制的Australia’s Telerobot，它是一个带有摄像机的具有六个自由度的工业机器人，用户可以控制拍摄静态图像并对图像进行处理，生成空间位置，通过不断拍摄和更新图像得到空间位置后，通过对位置信息的处理实现了基于空间坐标系的积木块的摆设。欧宝、保时捷等知名品牌汽车的生产线，使用了12台摄像机进行模式识别和3D定位，可以对车身进行高精度的密封生产。

2007年，日本机器人顶级荣誉获得者—Fanuc公司的超快双臂工业机器人系统。该系统装配有两个M-430iA机器人手臂和可视跟踪功能的食品、药品操作系统，它的每只手臂每分钟可以精确的捡起120件物品且可以每天24小时不间断的工作。

Fanuc公司的超快双臂工业机器人

瑞典ABB公司最新推出的“第二代”拾取机器人FlexPicker IRB360，拥有有效载荷更大、操作速度更快、占地面积更小等优势，在简单有效的2D视觉的帮助下，可以以高达2次/秒的速度快速捡取传送带上的物品。

芬兰RTS公司研制的机器人视觉系统则成功地用于舰船螺旋桨推进器的生产过程中，通过机器视觉的监控，可按照CAD模型对螺旋桨叶片进行精密的磨制。图 1.3所示的是工作在生产线上的码垛机器人和卸垛机器人，对环境的适应性很好，能够自主识别工作目标，进行任务操作。

目前生产线上应用的搬运工业机器人大多是通过示教再现或预编程来实现机器人的操作，这样物体的初始位姿和终止位姿都是严格限定的，机器人只是完成点到点的任务动作，外部参数变化的物体发热操作则是无能为力。这样一来，生产线的柔性就差，满足不了柔性生产系统对物料输送和搬运的要求。在这种情况下，为保证机器人顺利高效的完成工作任务和减少生产准备时间，引入机器视觉技术来实现对工作目标物体的识别和定位就显得很有必要。

2、工业检测中的应用

机器视觉不会有人眼的疲劳，有着比人眼更高的精度和速度，借助红外线，紫外线，x射线，超声波等高新探测技术，机器视觉在探测不可视物体和高危险场景时，更具有其突出的优点。机器视觉技术现已广泛应用于人们的生产、生活各个方面，尤其是在饮料、药品、食品、纺织、印刷、包装、半导体等行业的自动化生产线上的工业检测中得到了大量应用。，大型啤酒饮料生产线上的瓶口、瓶底、瓶身、瓶盖的检测，饮料质量、液位、封盖检测与识别，制药生产线上的葡萄糖溶液检测、口服液检测、药品封装检测；电子半导体生产线上的印刷电路

板在线检测、芯片检测、仪表键盘检测、木材厂木料检测、纸张、卷钢

质量检测等。

LED检测IC芯片检测胶囊检测

钱币质量检测钻石质量检测医学生物检测

装配检测印刷质量检测啤酒瓶检测

3、视觉跟踪中的应用

机器人视觉控制始于70年代初。Shirai与Inoue于1973年采用视觉反馈以提高机器人定位精度。但由于当时计算机性能和图像处理器件的限制，绝足多数系统均为“Static look then move“系统。该系统的一作卡要包括两个阶段：首先是look，通过摄像机获取工件图像，订算出其空间位姿；其次足move，即将机器人手爪移动到该目标位姿，进而实现抓取任务。

（1）视频监控

视频监视系统应用的范围非常广，最常见的是对于民宅、停车场、公共场合、

银行等的监视，以防止偷盗、破坏行为的发生，保障社会的安全.实时监控系统W4用于对人的行为的监视，用于民宅、停车场、银行等场合，能够对携带物品的可疑人员进行有效的监视.D E T E R系统，用于对停车场进行监控，以防止车辆被盗，该系统在提取出运动目标之后，能够对运动目标的行为进行跟踪，通过跟踪轨迹对运动目标行为模式进行判定，有效地提供异常行为报警，从而确保停车场的安全.1997年，美国国防部高级研究项目署设立了以卡内基梅隆大学为首，麻省理工学院等高校参与的视觉监控项目V S A M，该系统能够用于普通民用场景以及战场的实时监控，卡内基梅隆大学在该系统建成之后，建立了一个校园监控系统，系统是一个智能视频图像分析系统，用于实现视频监视以满足不同用户的安全要求。

（2）图像压缩

在新一代的视频图像压缩编码标准MPEG-4中，提出了一个不同于以前的视频编码的新概念视频对象平面(Video object planes，VOP)，以实现基于图像内容的压缩。在压缩编码过程中，视频中的场景被分割成若干个VOP，不同的VOP 根据其特点采用不同的编码策略，例如，场景中的背景在很多情况下基本上保持不变或只有很少部分的变化，则可以在连续的多帧图像中使用相同编码或只有很少改动的编码来表示背景，从而大大提高了压缩效率，这种方案具有很高的压缩比，同时还具有良好的视觉效果。但这一压缩编码的技术难点在于如何在任意场景下实现对运动目标的自动提取与分割，而这些问题也正是视频跟踪所要解决的关键问题。

(3)三维重构

三维重构在医学上有着重要的实用价值。在获得人体器官切片的医学图像之后，通过对人体器官的三维重构能够为医生的准确诊断提供极其重要和直观的帮助。三维重构还能在目标识别问题上提供一个很好的解决方案，如果能够通过一组图像序列将其中的2D运动目标重构成3D运动目标，则无论该运动目标的姿态如何，由于已知其三维信息，总能将该运动目标识别出来，从而实施有效的跟踪。这里要说明的是，由于运动目标姿态的变化而导致跟踪过程中目标丢失是目前跟踪问题中的一个难点，而三维重构技术能在克服这一难点方面提供一个潜在的解决办法。三维重构与视觉跟踪要解决的问题都是在一组图像序列中找出相同或相似的感兴趣目标，不同的是三维重构需要将该目标重构为三维形式，而视觉跟踪却要得到该目标的相关运动参数。