基于机器视觉的数控加工单元系统研究

张久超，徐晓光，郝旭耀，叶 炯

(1.安徽工程大学 高端装备先进感知与智能控制教育部重点实验室，安徽 芜湖 241000；2.安徽工程大学 电气工程学院，安徽 芜湖 241000；3.安徽佐标智能科技有限公司，安徽 芜湖 241000)

数控加工技术经过了几十年发展[1-2]，从最初的简单零件加工，且质量与效率低下，逐渐向着加工质量更高、加工效率更快发展，同时面对人们日益增长的多元化需求，加工产品类别也更丰富，传统的数控机床已不能满足需求，逐渐被淘汰。在自动化机床生产线中，市场一直对于加工产品的质量与效率有较高要求，而机床加工产品的质量很容易受到影响，比如，加工零件自身的不规则，或者进入机床后固定位置有偏差，导致加工过程仍按照设定程序执行会出现加工偏差，进而造成质量和效率问题。数控机床发展亟待解决该问题。

伴随着计算机、图像处理和识别技术的高速发展，机器视觉技术越来越普遍，应用也越来越广泛。机器视觉技术当前应用主要涵盖工业、农业与造船业上[3-5]。比如，产品的尺寸测量、外观缺陷质量检测[6]、成品合格检测、自动焊接等领域。另外在水果筛选系统、苹果采摘系统及采用单目视觉的定位技术[7-12]方面也有涉及。因此机器视觉在工业领域上和当前亟待解决问题的数控机床相结合成为了热点。在以往的视觉与数控机床联合运用中，较多体现在机床加工刀具、轴定位、加工工艺参数优化方面，效果一般。

由此提出一套将机器视觉与机器人相结合运用到数控机床加工的系统，该系统能有效地提升零件识别与定位的准确度，加快了机器人识别抓取零件到数控机床的时间[13-17]，极大提升了生产效率，且开发成本低，不易受环境状况的约束，对于一些中小企业来说是一种很好的方法。

1 数控加工单元

相较于传统机床，该数控机床是基于机器视觉以及运动控制系统等集成的。主要解决机床生产质量和效率问题。本次设计一套基于机器视觉处理的数控加工单元主要包括四大系统，即机器视觉系统、机器人系统、运动控制系统以及数控系统。其中机器视觉系统用来识别定位加工零件位姿，机器人系统根据视觉系统反馈坐标信息前往抓取零件，然后数控系统进行零件加工，在这三的个系统工作过程中，均需要运动控制系统进行调控，完成各系统的信息交互。整体运行系统架构简图如图1所示。

图1 系统整体架构图

综上所述，数控加工单元在自动化产线下的运行说明如下：机床加工从人工运输送料转换到皮带线自动送料，将加工零件直接送到机床上料位置，然后通过机器人抓取零件送进机床进行加工，在整套自动化产线流程下，减少了人力浪费，同时为了加工质量和高效率，在机床上料位置处加入机器视觉来对机器人抓取的零件进行准确定位，促使机器人抓取位置合适。机器视觉是用来对零件位姿进行识别定位的，当零件到达指定位置并停下后，视觉相机运行，并通过软件显示出零件坐标，机器人通过运动控制系统获得零件位姿信息后，前往抓取零件并放入机床指定位置，同时由于皮带线体运输速度等问题，可能导致零件到达机床上料位置时有所倾斜，机器人抓取后直接送入机床，零件必定也是倾斜的，由于机床加工的G代码是已经编写好的，一旦零件倾斜，加工后必然是不合格品，所以该过程还需要对偏转的零件进行位姿校正，确保进入机床指定位置时，零件是正向的。那么机器视觉还需要识别出零件的倾斜角度，并将角度值发送给机器人，机器人在抓取倾斜的零件后，会将它进行角度修正，保证零件是正向完成加工的，确保加工质量。基于此流程，还需要进行整体运动控制设计，保证自动化产线运转正常，各个部分信息通讯流畅。

综上，数控加工单元简要运行流程图如图2所示。

图2 数控加工单元运行流程图

2 机器视觉系统

此次设计的机器视觉系统主要包括三个方面：图像采集、图像处理和结果输出。

在选好适合本系统的工业相机后，可以对零件进行图像采集，并对采集到的图像进行各种预处理，消除掉干扰信息之后输出识别结果，并通过控制系统中通讯模块将结果传输给机器人系统，以便后续工艺流程。机器视觉系统组成简图如图3所示。

图3 机器视觉系统组成框图

2.1 图形采集

采用机器视觉系统来进行图像采集处理时，一般需要考虑几个方面。因为我们对图像处理结果的好坏会直接影响后续试验，对该研究产生巨大影响，所以需要对视觉系统各部分进行严格筛选。选择的硬件组成包括相机、辅助光源和视觉处理器等。获取高质量图像是视觉系统处理的重要开端，所以对市场上各采集模块进行比较后该视觉系统选择了辅助光源LED灯，海康威视工业CCD相机。相机采集到图像后，送入到计算机中经由视觉系统中的视觉处理器进行相关图像处理。

2.2 图像处理

此次设计的一套机器视觉系统，主要是针对加工零件的不同位姿进行识别定位的。通过相机对零件进行采集，然后在该系统中创建一个标准模板(该标准模板对应的加工产品是合格的)，将采集的图像与标准模板进行匹配，再输出零件位姿信息并传输给机器人。匹配一致，角度偏移量为0，机器人直接抓取送入机床加工；匹配不一致，角度偏移量不为0，机器人通过接收到的角度偏移量进行修正后再放入机床加工。该设计系统具体功能实现流程图如图4所示。

图4 视觉系统识别定位流程图

要实现视觉识别定位过程，需要先进行各种预处理，保证识别定位的准确度。

图像预处理是机器视觉系统的核心部分，它的任务主要是实现摄像机采集图片，然后经由软件实现RGB图像的滤波、转灰度二值化、开运算与闭运算、分割与填充、仿射变换、特征提取以及计算位姿坐标状态识别等。本次研究主要从以下几步进行：第一步，滤波处理，消除干扰图像的噪声信号(主要为椒盐噪声)，并搭配腐蚀与膨胀运算来较大程度消除干扰，使其具有较高的质量；第二步，进行灰度化，提高后期图像处理的速度。通过灰度直方图，选择合适的灰度值区域可以更快完成；第三步，实现图像的阈值分割，分离出目标物体感兴趣区域；第四步，边缘信息提取，通过边缘提取可以获得边缘化易忽略的重要信息，然后进行计算得到图像的角度和坐标信息。最后应用标定算法转换到世界坐标系中进行输出显示。该视觉系统从以下几个方面进行预处理说明：

2.2.1 图像滤波

机床加工现场环境一般较为嘈杂，采集模块采集的图像质量往往会存在很大噪声干扰，因此需要先滤波去除噪声干扰，为后续图像处理提供巨大帮助。滤波作为一种去除噪声的方法，其有很多种方式。简单比较了几种滤波方法后，选用改进的中值滤波。它不但能够抑制孤立的噪声点，而且边缘信息保留较为完整，滤波效果好。

2.2.2 图像分割

面对一张采集到的图像，有时候我们只需要其中一部分信息就可以完成我们的目的，而剩余的部分大多无用且易形成干扰项，因此需要尽可能多的去除这些无用的干扰信息，所以可以选择图像分割方法，将目标图像和背景区域整体分开，方便后续处理研究。图像的阈值分割算法是一种经典的算法，可以最大化的实现该目的。阈值分割法适用于目标区域与背景区域灰度值相差较大的情况，该系统需要识别的零件与背景区域正好满足该条件。那么针对此分割方法就需要寻求合适的阈值，将两部分内容分割出来。

2.2.3 图像边缘特征提取

边缘检测，顾名思义就是处理图像边缘信息的一种方法。经过前面几种预处理过程后，虽然主要目标区域已经得到，但边缘轮廓信息对目标区域主要信息是否有影响仍需判断。根据设计的视觉系统，采用一种Z-Vision视觉处理算法，其能够很好检测出物体的边缘状况，可检测到弱边缘信息。

此视觉系统采用一种Z-Vision视觉算法，经过多种改进方式修正参数，可以有效抑制假边缘信息。在该系统所需的图像边缘检测中，Z-Vision视觉算法既抑制了噪声，也实现了边缘定位。

下面以修正倾斜充电器角度为例，简要说明该视觉系统应用效果，具体过程如图5-图9所示。采集到图像后先将彩色图像转成灰度图像，然后进行滤波处理和边缘特征提取，配合开运算腐蚀掉干扰信息，并对其进行填充，再获取偏转角度及中心坐标，最后将其倾斜角度进行修正。

图5 原始灰度

图6 边缘特征提取

图7 滤波与开运算

图8 填充

图9 修正角度

3 机器人系统

加工零件由机器视觉系统定位识别后，会将坐标X、Y以及偏转角度R信息传输给机器人系统，机器人接收到信息后，首先进行坐标转换，将拍摄零件下的图像坐标转换成机器人运动下的世界坐标，随后机器人通过转化后的X、Y坐标前去抓取零件，并在送往机床的过程中完成偏转角度R的修正；之后数控系统进行加工，并在加工完成后，给机器人发送信号，机器人接收信号后从机床中取出加工完成的零件送到成品传输线，进而机器人完成一次动作。机器人系统组成如图10所示。

图10 机器人系统

该系统使用的机器人主要就是接收视觉系统传输的数据并做出抓取动作以及和数控系统信息交互，共同完成机床加工零件任务。

4 运动控制系统

该系统使用的运动控制系统，主要控制流程简单说明如下：加工零件由皮带线运输到传感器位置后停下，相机开始拍照并进行视觉处理，机器人获得视觉处理坐标信息后前去抓取零件，并根据偏转角度在机器人送往机床位置过程中进行角度矫正，确保零件保持正向到达机床指定加工位置，然后机床开始加工，加工完成后，机器人再次启动抓取加工完成的零件送到另一条皮带线上运输走，至此一个自动化数控加工单元加工流程结束。运动控制系统可实现各个模块之间的信息通信，确保自动化产线运转正常，实现视觉系统下机床加工高效与高质量的目的。具体控制流程如图11所示。

图11 运动控制系统

5 虚拟仿真分析

该系统通过设计的视觉系统搭建一个简单的视觉处理平台，并设计了一个UI显示界面用以仿真分析，如图12所示，其能够清晰显示获取的数据信息，如加工零件的位姿坐标以及偏移角度。使用方便，且扩展能力强。

图12 视觉识别UI界面

以一个简单识别例子进行说明该系统实现的功能，先创建一个标准模板如图13所示，以该状态为标准，进行后续零件识别定位。此时零件坐标和角度分别为X=397.00，Y=401，R=0.00。

图13 创建标准模板

图14 零件定位

当随机位置零件运输过来后，识别物品位置X、Y以及角度偏差值结果如图14所示，X=408.00，Y=381.00，R=26.98。然后经过系统处理后通过运动控制输送该X，Y位置信息到机械手以及偏差角度到旋转伺服模组中，机械手前往X、Y位置抓取，并通过旋转伺服模组进行旋转矫正偏转角度R，来使物品保持正向，即与标准模板角度保持一致。图14所示定位零件为向左偏转角度26.98度，经过矫正向右旋转27度，误差仅为0.02度，矫正角度结果如图15所示。

图15 零件角度修正

该系统先是通过虚拟仿真软件搭建一个数控加工场景，在虚拟环境下进行测试。通过机器视觉以及运动控制系统模拟运行机床加工产线的过程，如图16所示。首先经由仿真软件里摄像机拍摄采集图像，把采集的图像放到处理系统中并对图像进行灰度处理，接着进行图像中值滤波操作消除干扰噪声，滤波后的图像效果改善很大。然后将图像进行阈值分割，去除无用区域，得到目标对象，便于处理。再进行边缘提取，识别出目标的位姿状态，最后计算矩特征得到偏转角度和坐标，经标定算法转换得到机器人所在的坐标系，通过运动控制提供给机器人相应的控制指令进行抓取矫正动作。

(a)虚拟仿真场景主视图

(b)虚拟仿真场景左视图

(c)虚拟仿真运行相机识别零件图图16 数控加工单元虚拟仿真识别效果图

图16(a)、图16(b)展现了虚拟加工场景的组成，图16(c)展现了运行时虚拟相机对零件的识别效果。

根据虚拟加工产线测试效果，完成实体工厂加工产线的布局规划接线。最终可实现实体产线与虚拟产线下机器视觉及运动控制系统都能精准识别定位、正常运转。

6 实体仿真分析

在采用视觉系统之前，优先进行了机器人和机床结合加工的测试，得到了无视觉引导下的加工参数，并对比了同种零件在视觉系统下的加工参数，如下表1所示。

表1 不同类型下机床加工数据对比

目前该系统已在实体的小型桌面工厂上应用。如图17所示。采用图17(a)海康威视相机完成视觉系统采集图像与处理图像部分；采用图17(a)开塔机器人接收视觉系统发送的位置信息并完成零件定位抓取与角度矫正；采用图17(b)三轴联合组成的雕刻机对开塔机器人送去的零件进行加工；该桌面工厂目前能实现各种加工控制要求。在实际运用中，零件识别定位抓取效果如图18所示。在视觉系统引导下加工产品成品图如图19所示，从图19中可以看出，雕刻图案居中，产品合格。结合图18、图19验证了在视觉识别结果下引导机器人矫正偏转零件后，可以加工出合格产品。证实了该视觉系统的可靠性。

(a)视觉相机与开塔机器人

(b)三轴拼接雕刻机图17 桌面工厂实体加工产线图

图18 实体零件视觉定位识别抓取效果图

图19 视觉系统加工成品图

结语

结合国内数控加工业发展至今的生产情况，最早的人工放零件给机床加工，根据操作员熟练度，加工质量会有波动，且耗时较长，也存在一定安全隐患；到示教机器人抓取零件放入机床，在整体用时上有所缩短，但是零件一旦位姿有所偏差，机器人抓取位置没法及时更改，继续放入机床加工就会不合格，加工质量提升不大；再到现在研究将机器视觉与机器人结合应用到数控加工中，设计一套可以在实际生产中运用的具有视觉系统的自动化数控加工产线，以加工零件为研究对象，通过视觉系统得到它在现实环境下的位姿信息，包括世界坐标及旋转角度，采用改进算法实现图像处理，在前人的研究基础上加快了处理速度，且零件的识别率高，有益于后续机器人抓取和准确放入机床加工，极大提升了加工质量，且整体耗时大大减少。

本次所开发的整个系统具有良好的可靠性和稳定性，适用于一些中小企业，开发成本小，而且可以大幅度降低操作人员工作强度和危险性。仿真实验及实体实验结果均表明，该设计系统效果好，视觉系统能对零件的姿态进行有效识别及定位，机器人系统能通过运动控制快速响应进行抓取并进行位姿矫正，该方法大大缩短了识别定位和抓取的时间，极大提升了数控系统加工的质量和效率。无论从理论上还是从推动数控机床智能化应用上均具有极大前景。