“中國制造2025”概念是在“互聯(lián)網(wǎng)+”的大背景下提出的，其核心環(huán)節(jié)之一就是機器人智能化。視覺技術(shù)代表了機器的眼睛和大腦，機器視覺將使得機器人智能化變成現(xiàn)實。基于此，視覺龍在國內(nèi)機器視覺領(lǐng)域率先提出“機械手+”概念，利用“機械手+3D視覺”方法，實現(xiàn)了機械手3D視覺引導(dǎo)技術(shù)，能幫助機器人/機械手產(chǎn)業(yè)實現(xiàn)智能化功能，從而達(dá)到“中國制造2025”的要求。

機器人3D視覺引導(dǎo)解決方案的組成

機器人3D視覺引導(dǎo)解決方案主要由3D圖像采集方案、3D圖像處理方案、手眼標(biāo)定方案以及機器人控制方案組成。

由于機器人控制技術(shù)與機器人品牌不同而不同，因此，本文暫不對機器人控制技術(shù)做討論，主要介紹3D圖像采集方案、3D圖像處理處理方案和手眼標(biāo)定方案。

3D圖像采集方案

3D圖像采集方案分為Eye-in-Hand方式和Eye-to-Hand方式兩種。

Eye-in-Hand方式：3D相機安裝在機械手上，操作機械手按照預(yù)先設(shè)定的軌跡帶動3D相機對被測物進(jìn)行掃描。被測物需要在3D相機的視野范圍(FOV)和測量范圍(MR)內(nèi)。

Eye-to-Hand方式：3D相機安裝在機械手附近的龍門架上，龍門架帶動3D相機對被測物進(jìn)行掃描。被測物需要在3D相機的視野范圍(FOV)和測量范圍(MR)內(nèi)。

除了以上安裝方式的不同，3D采集方案根據(jù)3D成像原理的不同，又分為被動光雙目、主動光雙目、激光三角測量法、結(jié)構(gòu)光原理、TOF原理等采集方式。

被動光雙目立體視覺

被動光雙目視覺由兩只面陣/線陣相機、光源組成，兩只相機拍攝相同位置，利用視差圖，可以計算出物體的高度?？梢杂?只面陣/線陣相機從不同角度同事拍攝物體，也可以是1只面陣/線陣相機不同時刻，從不同角度拍攝物體。

被動光雙目的優(yōu)點是無需相機與物體相對運動，可以拍攝大視野的范圍。缺點是當(dāng)被測物表面對比度較差時，無法識別到物體，就無法得到物體的3D信息。另外，被動光雙目要求每只相機的識別精度較高，否則單只相機的識別誤差，會在雙目中放大該誤差。由于這些限制，被動光雙目在工業(yè)應(yīng)用領(lǐng)域使用比較局限。

為了拓寬視野范圍，消除盲區(qū)，也可以把被動光雙目技術(shù)拓寬為被動光多目。

主動光雙目立體視覺

為了彌補被動光雙目的缺點，工程師對被測物打一些紋理光作為輔助。如打一些隨機點。

主動光雙目的原理與被動光雙目一樣，也是根據(jù)兩只相機的像差來完成。由于主動光源可以更好為被測物增加紋理，因此可以增強此種采集方案的通用性。

激光三角測量法原理

這種原理的視覺技術(shù)主要包括2D相機、鏡頭、激光器、標(biāo)定算法等內(nèi)容。主要利用2D相機中拍攝到的激光線形變，通過三角公式即可獲取被測物的高度信息。

激光三角測量法的安裝方法是一個重要影響因素，目前市場上流行的方法是激光線直射被測物，2D相機與激光器成一定角度(即測量角)拍攝。

2D相機的分辨率、安裝的測量角都會影響到Z向分辨率。2D相機分辨率越大，Z向分辨率就越大，但由于輸出了過多的無用數(shù)據(jù)，會影響到掃描速度的提高;測量角越大，Z向分辨率也越大，但盲區(qū)也會越大。因此，搭建3D視覺系統(tǒng)時，需要綜合考慮被測物實際情況，選擇合適的相機和安裝方法。

除2D相機和測量角外，激光器的光束質(zhì)量也是影響測量精度的主要因素。選擇一個非高斯光束和均勻度好的激光器，對于提高測量精度非常重要。

激光三角測量法原理視覺技術(shù)特點是：可同時獲得X和Z向信息，相機與被測物之間相對運動可得到Y(jié)向信息，適合測量近距離、小視野、高速、高精度的場合。

結(jié)構(gòu)光原理

結(jié)構(gòu)光原理的3D相機由相機和投影儀組成。投影儀投射出一系列條紋光，條紋光按照編碼進(jìn)行變換，相機拍攝到條紋后，最終解算出物體的3D信息。為了消除盲區(qū)，結(jié)構(gòu)光原理的3D相機一般會采用2只相機和1個投影儀的方式搭建。

其特點是：相機與被測物之間必須相對靜止，精度高，但采集時間較長。

TOF原理

TOF原理的相機是利用光飛行的時間差來獲取物體的高度?？捎糜诖笠曇?、遠(yuǎn)距離、低精度、低成本的3D圖像采集。

其特點是：檢測速度快，視野范圍較大，工作距離遠(yuǎn)，價格便宜，但精度低，易受環(huán)境光的干擾。因此一般在戶內(nèi)使用。

3D圖像處理方案

當(dāng)前，機器人3D視覺在自動化焊接、自動化切割、自動化裝配、自動化抓取、自動化碼垛等應(yīng)用較多，一般要求圖像處理能識別物體的位姿或者物體邊緣的3D坐標(biāo)。因此，對于3D圖像處理技術(shù)要解決的問題有2個，物體識別和邊緣輪廓提取。可采用以下方式來解決此問題。

手眼標(biāo)定方案

手眼標(biāo)定的技術(shù)要解決圖像坐標(biāo)與機器人坐標(biāo)轉(zhuǎn)換的問題。根據(jù)Eye-in-Hand方式和Eye-to-Hand方式的不同，標(biāo)定方法稍有不同，但最終是把被測物相對于相機的坐標(biāo)轉(zhuǎn)換成被測物相對于工具坐標(biāo)系的坐標(biāo)。

從圖像中得到物體坐標(biāo)系和相機坐標(biāo)系之間的仿射關(guān)系，再根據(jù)手眼標(biāo)定關(guān)系——也就是相機坐標(biāo)系和工具坐標(biāo)系之間的仿射關(guān)系，可以獲取到物體坐標(biāo)系和工具坐標(biāo)系之間的仿射關(guān)系，進(jìn)一步提取機械手可識別的位姿信息來進(jìn)行引導(dǎo)。

從圖像中得到物體坐標(biāo)系和相機坐標(biāo)系之間的仿射關(guān)系，再根據(jù)手眼標(biāo)定關(guān)系——也就是相機坐標(biāo)系和基坐標(biāo)系之間的仿射關(guān)系，以及基坐標(biāo)系和工具坐標(biāo)系之間的關(guān)系(后一種可由機器人內(nèi)部轉(zhuǎn)換)，可以獲取到物體坐標(biāo)系和工具坐標(biāo)系之間的仿射關(guān)系，進(jìn)一步提取機械手可識別的位姿信息來進(jìn)行引導(dǎo)。