數控機床裝夾機械手自動識別與信息獲取

0軸類零件的質心提取目前，數控機床的無人化操作已成為研究領域的新興領域。在上下料操作過程,為實現機械手智能抓取零件,須對零件圖像進行視覺處理并獲取其抓取信息,是必不可少的一步,已成為目前國內外研究的熱點課題[1~6]。當前研究主要針對單個零件的質心提取,不涉及提取多個零件的抓取信息。本文以不同長度、不同直徑、非固定位置的軸類零件為研究對象,獲取零件抓取信息。它主要包括抓取順序、抓取位置、抓取角度及手指間距離,從而為手腕回轉運動、手腕直線運動及手指開合運動提供運動參考值。1機械手的運動在上下料操作過程,機械手須完成以下動作,才能夠準確有效地抓取零件。1零件位置的定義針對多個擺放無序的零件,機械手須進行有序地抓取。質心位置是零件的重要位置特征之一即以質心位置確定零件位置。首先提取零件的質心坐標,然后按質心位置按從左到右、從上到下的方向確定抓取零件的順序,即可實現有序抓取零件。2直徑方向相支撐由于零件與水平軸的夾角各異,手指開合方向須與零件的直徑方向相吻合,才能有效夾取。首先獲取零件的中軸線,然后提取中軸線的斜率特征,即可確定零件與水平軸的夾角值,為手腕回轉運動提供旋轉角度。3直線運動的消除一般來說,抓取零件的合適部位定在質心處,可避免因兩端重力不同而產生失衡的現象。在獲取零件質心坐標后,手腕分別沿X、Y軸做不同量的直線運動,使手爪形心與零件質心在垂直方向重合。其中,Z軸的運動量由手指頂端的接觸覺傳感器決定。4零件距離的計算為使手爪能夠用合適的力抓取零件,須使手指閉合至兩手指間的距離為零件直徑值。零件外圓上的點到中軸線的距離即為零件半徑值。由于與零件接觸處,手指面上附有一層彈性材料,可保證零件抓緊的同時而不被損傷。2值圖像的獲取對獲取的彩色圖像如圖1所示進行二值化處理,實現零件與背景的分割,獲得二值圖像,如圖2所示,并利用面積法消除噪聲,獲取前景僅為零件的二值圖像,如圖3所示。根據后續信息提取的需要,分別獲取零件的中軸線圖像和邊緣圖像,前者利用骨骼化技術,后者利用邊緣檢測技術,如圖4、圖5所示。3提取零件信息和提取信息3.1以零件質心位置為參考在去噪后的二值圖像上,根據質心公式,可獲取零件質心在二維空間上的像素坐標值。以零件的質心位置為參考,從左到右、從上到下的順序抓取零件;同時根據質心坐標值,為手腕直線運動提供X軸和Y軸的運動參考量,可使手爪形心與零件質心在垂直方向重合。3.2確定零件與u軸的夾角在中軸線圖像上,分別獲取各個點的u軸、v軸的坐標值,利用最小二乘法進行直線擬合,從而確定中軸線的直線方程。由直線斜率求取中軸線與u軸的夾角,即可確定零件與u軸的夾角。手腕可按該角度進行回轉,使手指開合方向與零件直徑方向平行。3.3直徑值的計算在邊緣圖像上的長邊上任提取五點,分別計算點到中軸線的距離,然后取五組距離的均值,即可獲取零件的直徑值。當兩手指間的距離閉合至零件直徑值大小時,手爪可夾緊零件。3.4零件選取和獲取過程在已獲取零件的質心坐標、傾斜角及直徑值的基礎上,在原圖像將各個參數標示,其中坐標系原點定義在左上角,如圖6所示;其零件參數值如表1所示。零件抓取信息獲取過程如圖7所示。在圖6和表1所示中,第一列數據表示該零件抓取的順序,第二三列數據表示該零件質心在u、v方向上的像素坐標,第四列數據表示該零件與u軸的夾角,第五列數據表示該零件的直徑值。其中,在圖6中“*”表示質心位置,紅色直線是零件中軸線位置。4軸類零件的分揀和回轉當前,數控機床無人化操作已經成為一個新興的研究領域。而上下料操作是體現智能化操作的一個關鍵技術。本算法適用于多個不同長度、不同直徑、非固定位置的軸類零件的抓取。抓取信息的提取,為引導機械手執行抓取零件操作提供了必要的運動信息。1)利用面積法去噪、骨骼化原理和邊緣檢測技術獲取所需的二值圖像;2)利用質心公式,獲取零件質心坐標并確定抓取順序,零件抓取部位定在質心處,零件兩端達到平衡效果;3)利