摘要：机器视觉作为实现工业自动化和智能化的关键核心技术，正成为人工智能发展最快的一个分支。随着人工智能技术的发展，机器视觉技术的应用领域不断扩大，其在工业机器人中的视觉定位、引导和图像特征提取等方式，有效提升了机器人运作的精确度，直接影响到工业机器人的智能化水平。文章在简要介绍机器视觉技术和工业机器人视觉系统的概念后，阐述了机器视觉系统的组成和机器视觉相机的标定，然后举例说明机器视觉技术在工业机器人中的实际应用案例，为进一步了解机器视觉技术提供参考。

关键词：机器视觉；工业机器人；标定；成像

智能制造是我国迈向制造强国的重要途径，机器视觉作为人工智能发展的一个分支，其在工业机器人中的应用，有效推动了智能制造技术的发展进程。机器视觉主要是通过图像摄取装置获取目标对象的图像信号，经过图像处理系统后得到目标对象的形态信息，经过对形态信息的各种运算后抽取目标对象的特征，然后根据判别的结果控制现场设备执行相应的操作。机器视觉技术在工业机器人中的应用，有效提升了机器人运作的灵活性和自动化程度，生产的柔性化程度更高。尤其是在不合适人工作业的危险环境中或者大批量重复性的工业生产中，利用机器视觉技术代替人工视觉，既能够提升生产效率，又能够提高生产质量和机器运作的精确度。机器视觉技术在工业机器人中应用的关键技术是对目标物体的标定，只有确定了工业机器人和目标对象的相对位置后，才能够合理规划工业机器人的运行轨迹，对机器人的操作做出正确的引导，确保工业机器人与目标对象的相对运动达到预期的设计标准。

1.机器视觉及其在工业机器人中的应用概述

机器视觉技术主要是摄像头捕获目标对象的图像，然后经过对图像信息的处理，得到目标对象的位置、大小、几何形状、加工精度等信息，其功能相当于人类的眼睛，且比人眼有更加高效精准的应用。工业机器人是我国工业自动化生产的重要产物，有效提升了生产的效率和质量。机器视觉技术在工业机器人中的应用，推动了工业机器人的智能化发展进程，功能更加强大，性能更加优越。工业机器人视觉系统在工业生产中能够利用识别功能，通过对图像的分析处理，可快速准确的判断出物体的位置、几何形状、形态等信息，从而实现定位、引导、追踪等功能，对物体进行品质检验、分类处理等。

2.工业机器人视觉系统

根据机器人和摄像头之间的位置关系，可以将机器人视觉系统分为两种不同的类型。一是Eye-in-hand，此类系统的相机固定安装在机器人末端的执行器上，相机随着机器人的移动而移动，二者之间的位置关系不变。根据摄像头的感应可以确定机器人手臂的位置，从而有效控制机器人手臂的运行。二是Eye-to-hand，这类系统的摄像头不在机器人本体上，而是安装在较为稳定的机构上，不与机器人一起移动。经过对这两种系统的对比，发现Eye-to-hand的视觉系统在机器人运动过程中，摄像头的可视范围会受到一定的阻挡，从而影响到对目标对象的识别和测量精度，不利于机器人生产作业质量，所以Eye-in-hand的视觉系统会更适用于工业机器人视觉系统[1]。Eye-in-hand的视觉系统运行过程可分为两个阶段，第一阶段主要是对机器人视觉系统进行标定设计，对机器人坐标系、相机坐标系和目标对象对标系进行关联。第二阶段主要是做好目标对象的边缘检测和信息识别，更加精确的获取机器人的坐标信息，对工业机器人进行精准引导以完成作业。

3.机器视觉系统组成

3.1光源

由于机器视觉技术应用环境不同，所以利用摄像头拍摄物体照片时会受到周围环境的影响而降低图像质量，从而对后续的信息分析和决策等产生影响。在摄像头前安装光源，可以增加被探测区域与未探测区域的亮度反差，更有利于突出被拍摄物体的特点，并且能够对不相关特征进行一定的抑制，提升图像成像质量[2]。光源的种类较多，为了保证光源有足够的亮度和稳定性以达到最佳的应用效果，要根据工业机器人的实际作业环境和功能需求选择适当的光源。选择恰当的光源，不仅能够达到反射的目的，还能够吸收不必要的光，降低对成像质量产生的干扰。

3.2相机及镜头

相机是机器视觉的核心组件，其主要作用是将接收到的光线转换成有秩序的电子信号。其中图像传感器是相机的核心感光元件，主要包括CCD和CMOS两类，两者的区别主要是芯片技术结构不同。CMOS相机将采集到的光线信号转换成电信号，再将电子器件整合到芯片中，然后相机再读取图像信息。CCD摄像机拍摄时，物体反射的光线通过镜头透射到CCD上，CCD曝光后，光电二极管受到光线激发释放出电荷，感光元件的电信号由此产生。CCD相机对光线非常敏感，所以在弱光环境下应用也有很好的成像效果[3]。镜头是由透镜组成的光学装置，透镜类型的选择直接关系到图像的质量，高分辨率、高光谱传输的镜头效果较好。

3.3图像采集处理

相机在拍摄物体时会对图像进行采集，一般是利用采集卡来采集、压缩、存储、控制图像解析度，同时负责图像信息的传输。由于机器视觉技术应用环境不同，所以拍摄的原始图像在质量上会存在一定的瑕疵，为了提高图像的质量，需要对图像进行多种处理。比如图像降噪、增强、分割、特征提取等，通过图像处理，筛选掉不需要的信息，同时突出图像中的特征，以提升图像质量。

3.4机器视觉软件

相机在拍摄完图像后，需要在计算机上利用相关软件对图像进行分析和处理，根据功能不同，可将视觉软件为两大类，一类为应用于金属铸件检测、液晶显示器检测等方面的特殊功能软件，另一类为应用于测量、定位、分类检测等方面的一般功能的软件。根据视觉软件的着重点，可将其划分为三个类别，可视觉图形处理软件，算法方面的视觉软件和由摄像机SDK开发的视觉软件。在实际应用中，可根据使用需求选择视觉软件种类。

4.机器视觉相机标定

相机标定是机器视觉系统中的关键环节，通过相机标定，能够获取相机成像几何模型的参数，为后续的参数设计以及系统搭建提供参考依据。在相机成像的过程中会涉及四个坐标系：世界坐标系，即由用户定义的三维世界坐标系，主要是呈现相机和物体在真实世界中的位置，可以任意选择原点；相机坐标系，通常以相机的光心作为坐标原点，然后x轴和y轴与图像坐标系中的x轴和y轴平行，相机的光轴为z轴；图像坐标系，以成像平面的中心为坐标原点，x轴与y轴分别与成像平面的两条边平行；像素坐标系，以成像平面的左上角顶点为原点，x轴和y轴分别与图像坐标系的x轴和y轴平行。常用的相机标定方法主要有传统相机标定法，主动视觉相机标定法，相机自标定法，零失真相机标定法，其中每种方法都有各自的优缺点，可根据实际情况选择适宜的方法。张正友标定法是较为常用的方法，其操作简单，且精度较高，在很多场合都比较适用。主要是利用棋盘格标定板进行标定，然后将世界坐标系固定在棋盘格上，因为预先已经知道棋盘格上每个格子的大小，所以通过计算可以得出任何一个角点在世界坐标系中的位置。使用相机对标定板进行图像拍摄，再利用图像检测算法，能够获得每个角点在像素坐标系中的坐标，最终获得相机的内外参矩阵和畸变参数，此时要注意这种标定法并没有考虑切向畸变[4]。

5.基于机器视觉的工业机器人在物流分拣中的应用

随着我国物流业的快速发展，物流包裹的数量和种类不断增加，传统的人工分拣已经无法满足物流企业的运作需求，基于机器视觉技术的工业机器人分拣系统在物流包裹中的应用，能够有效提升分拣效率和精准度。

5.1总体设计思路

基于机器视觉的工业机器人在物流分拣中的应用，以传送带输送为主要作业方式，首先需要对智能分拣系统的功能与性能需求进行分析，了解传送带的运行参数和运载包裹的重量体积范围。在对各种参数分析汇总后，可为传送带搭配六轴串联机械臂系统，能够完全覆盖传送带对应的区域，同时在适当的位置布置视野范围能够完全覆盖传送带对应区域的工业摄像头。智能分拣对象为物流包裹，通过预先的参数设定，可了解物流包裹的各种信息数据。为了提高分拣效率，在末端执行器安装红外传感器来识别包裹上的条形码。物流包裹进入传送带后，在起始段进行图像采集，工业相机拍照后将图像信息传送至工业计算机进行图像处理，经过图像识别后区分出目标物体与非目标物体，然后对目标物体进行二次比对。对于有条形码的包裹，可通过红外传感器扫描条形码，将条形码信息与数据库内信息进行对比，工业机器人根据视觉反馈的坐标补偿信息进行智能分拣[5]。

5.2视觉分拣系统

分拣系统是物流企业的重要组成部分，智能化的分拣系统主要是识别不同信息的物件，然后按照预设的逻辑对不同的物件进行分配与组合。在设计分拣执行系统时，可根据分拣需求，将需要分拣的物件信息录入到计算机中，然后对物件的拾取位置和摆放位置进行综合控制和管理。基于机器视觉的分拣系统，利用工业摄像机实时采集图像的方式，实现对物件的识别和定位，然后进行分拣处理和控制。在对物件识别的过程中，对于分割后的前景图像进行特征描述，然后可根据需求采用经典方法、模糊识别、人工神经网络分类等方式进行识别与分析。在视觉分拣系统中使用工业相机来获取物件图像，受到相机技术水平的限制，对于采集的图像需要针对噪点、畸变和色差进行图像预处理算法，以此来降低干扰，提高图像的识别度[6]。

5.3目标识别

目标识别是机器视觉分拣系统的重要环节，利用工业相机实时拍摄传送带上的包裹，然后利用光学图像进行显示。在分拣系统中会预设目标物流包裹的特点，在目标识别单元中利用形态学模块对分拣对象的每帧图像进行综合处理，经过形态提取、剔除、颜色聚类等处理后，可以获得目标物的二维坐标、角度和时间等相关信息，然后将这些图像信息汇总后传输到综合处理单元，同时发送到人工辅助处理模块，通过对待识别物体的最大长度、最小长度、宽度等信息设定，从而完成目标包裹的识别。

5.4视觉追踪

因为物流分拣过程中，传送带上的包裹是不断运动的，所以要设计视觉追踪功能。在视觉追踪功能设计时要考虑到摄像机和目标二者各自的运动状态，基于物流包裹的生产需求，设计为摄像机静止、目标运动，同时设计为多目标追踪。为了完善工业机器人分拣系统的视觉追踪功能，采用基于特征点的方式，通过对当前帧的图像进行计算来实现被识别物体的计算与分析。

5.5智能分拣

从智能分拣功能的设计需求出发，需要以目标分拣效率和能力为核心，实现被识别物体的抓取与分拣，同时需要对末端执行器进行设计。在智能分拣系统中，主要依靠机械臂执行控制和操作，可将机械臂设计为6个旋转关节，通过建立坐标系完成智能分拣系统的搭建，以机械臂末端的坐标系为核心实现操作杆的控制功能。在物流包裹中都会有条形码，在智能分拣系统中可充分利用条形码的特点提高操作与控制效率，可在末端执行器增加红外传感器，传感器扫描条形码后识别物体信息，同时利用摄像机获取包裹的图像信息，在信号整形与分析后利用云端数据库的比对和识别，从而实现物流包裹的智能分拣与控制。

6.结语

机器视觉技术作为人工智能的“慧眼”，在现代自动化生产中得到了广泛的应用，比如工况检测、成品检验、质量控制等领域。机器视觉技术的精确性能更高，可以观测到微米级的目标，能够精确的获取快速运动的目标信息，并且获取的数据信息更为客观为精准，可适用于各种恶劣和特殊的环境中，信息集成能力较强。机器视觉技术的诸多优势与工业机器人的结合运用，可有效推动工业机器人的智能化发展。机器视觉的在工业领域应用的功能主要有识别、检测、测量、定位和引导，其中在工业机器人中的定位和引导是关键技术，直接关系到工业机器人运作的精确度，所以对机器视觉技术在工业机器人中的应用进行研究有很强的必要性。

参考文献：

[1]翟伟良.双目摄像机器视觉工业机器人引导系统研究[J].信息记录材料，2022，23（09）：171-174.

[2]魏星，翟钦，杨敏.机器视觉技术在智能制造工程实践平台的应用研究[J].装备制造技术，2023（07）：191-194.

[3]周宇权.基于机器视觉的工业机器人智能分拣系统设计与实现[J].电子制作，2023，31（16）：107-110.

[4]黄铮，吴尧，赖一波，周杰，赵明朗，喻擎苍.基于机器视觉的嫁接夹抓取点定位与朝向角度检测[J].计算机测量与控制，2023，31（08）：51-57.

[5]陈瑾龙，徐哲壮，黄平，江灏，吴读桑，周泓宇.基于机器视觉的四足机器人目标识别与跟随系统设计[J].实验技术与管理，2022，39（10）：135-139+167.

[6]朱名强，韦娟，老盛林，黄志彬.基于机器视觉的机器人物料分拣系统的设计[J].电子制作，2022，30（12）：38-40+53.

2022年度甘肃省高等学校创新基金项目

项目名称：基于工业机器人应用编程平台的视觉引导系统的构建与应用研究

项目编号：2022B-508