勃肯特升級了3D視覺技術(shù) 完善了并聯(lián)機器人的應(yīng)用

隨著傳統(tǒng)制造業(yè)的轉(zhuǎn)型升級以及“中國制造2025”戰(zhàn)略的推進，工業(yè)機器人的應(yīng)用越來越廣泛。近幾年，大量的工業(yè)機器人被應(yīng)用于裝配制造、分揀包裝、拆垛碼垛等環(huán)節(jié)，使企業(yè)生產(chǎn)過程自動化水平不斷提高，同時企業(yè)的生產(chǎn)模式由傳統(tǒng)的以人力為主導轉(zhuǎn)變?yōu)闄C器人為主導，這種模式的改變大大提高了產(chǎn)品的生產(chǎn)效率，降低了生產(chǎn)成本，同時減小了某些惡劣的生產(chǎn)環(huán)境對工人身體上造成的危害。在機器人作業(yè)過程中，如何對隨意堆放的零部件或者貨物進行準確的抓取，成為目前行業(yè)的應(yīng)用和研究熱點問題，勃肯特機器人技術(shù)團隊在前期已有的技術(shù)基礎(chǔ)上，完善升級了3D視覺技術(shù)，配合勃肯特串并混聯(lián)六軸機器人，開發(fā)了基于3D視覺的無序分揀技術(shù)。

不同于傳統(tǒng)2D視覺，3D表面成像/重構(gòu)/測量技術(shù)，可用于測量物體表面上點的（x，y，z）坐標，測量結(jié)果可表示為深度圖{}。除了測量三維坐標，3D表面成像系統(tǒng)也可輸出物體表面空間點的其他光學特征值，如反射率、顏色等。這時的點云測量結(jié)果可一般表示為{} ，其中，為一向量，代表第i個點的光學特征值。如常見的RGB-D（紅綠藍-深度）測量數(shù)據(jù)可表示為{}。

目前，常見的3D表面成像技術(shù)有：雙目立體視覺（binocular stereo vision），多目立體視覺（multi-view stereo vision），線結(jié)構(gòu)光三角測量（laser triangulaTIon with sheet of light），編碼結(jié)構(gòu)光三角測量（encoded structured light），飛行時間深度測量（TIme of flight），聚焦深度測量（depth from focus），光度立體視（photometric stereo vision）。本方案采用編碼結(jié)構(gòu)光三角測量原理的3D結(jié)構(gòu)光相機。其工作原理為：編碼結(jié)構(gòu)光激光器向目標物體投射經(jīng)過特殊設(shè)計的編碼圖案，基于不同的圖案編碼方法，相機可能需要拍攝一幅或多幅被激光器照射的目標物體表面圖像，通過對比圖像上經(jīng)過物體表面調(diào)制的編碼光圖案與未調(diào)制的編碼光圖案可以測量獲得目標表面的3D形貌。

圖1 結(jié)構(gòu)光成像原理示意圖

在視野范圍滿足相機的檢測要求時，調(diào)節(jié)相機相關(guān)參數(shù)可獲得相機拍攝的灰度圖和對應(yīng)的深度圖。

圖2相機獲取的灰度圖

圖3相機獲取的深度圖

在獲取到點云數(shù)據(jù)后，經(jīng)過點云濾波、點云分割等點云預(yù)處理步驟后，采用FPFH特征描述子對點云的特征進行提取?？焖冱c特征直方圖描述子（FPFH），它是從PFH特征演變而來的具有計算復(fù)雜度較低，運算速度較快等特點。

圖4點P的FPFH特征領(lǐng)域

在對目標點云進行特征提取后，選用點云數(shù)據(jù)全局特征描述子中的 OUR-CVFH特征對分割后的點云塊進行分類，再用模板匹配的方法將模板與分割出來的子目標的點云進行匹配，完成對不同種類物體點云的位姿估計，最終通過與機器人的標定，完成機器人在3D視覺下的無序分揀任務(wù)。

圖5不同種類點云分割效果圖