CN112172191A - 一种基于视觉识别的机器人刮胶方法 - Google Patents

Abstract

本发明公开了一种基于视觉识别的机器人刮胶方法，属于刮胶方法领域，包括以下步骤：视觉识别装置获取待加工管材的图像，通过视觉图像处理算法将图像进行处理获取待加工管材的直径、周长L和待加工管材圆周的曲率；根据曲率信息，刮胶***中调整机械臂上的刮胶机构位置，使刮胶棍刷定位到待加工管材的最顶端，从此处开始，沿着待加工管材的曲率路线进行下移至最低点，完成第一个半周长刮胶动作，第二驱动装置开始带动机械臂移动一个滚刷的宽度，重新返回至步骤一循环处理直至待加工管材的第一半表面完成刮胶；旋转待加工管材，重新返回至步骤一循环处理至待加工管材的第二半表面完成刮胶。本发明能够采用刮胶***自动完成刮胶动作，安全环保。

Description

一种基于视觉识别的机器人刮胶方法

技术领域

本发明涉及刮胶方法领域，具体涉及一种基于视觉识别的机器人刮胶方法。

背景技术

在树脂材料的管材制造过程中，在芯柱上缠绕玻璃钢纤维丝的过程中，需要不断加入化学粘胶，使其凝固成一体的管材。在这一制造过程中，每缠绕一层玻璃钢纤维丝，多余的粘胶就会顺着圆柱面流下来，化学粘胶会给环境造成污染，而且在管材上残留的胶不均匀；所散发的有毒气体会伤害现场作业的工人，同时也造成生产企业原材料的浪费。

现阶段制造管材的企业采用人工作业完成这一工序，存在几个问题：第一，恶劣环境给工人带来呼吸道疾病等职业病危害；第二，人工操作不够精确，造成粘胶外流，对于环境造成污染。第三，人工操作不标准，造成粘胶浪费，也造成管材表面胶水的厚度不均，影响管材的质量。

发明内容

本发明的目的在于至少解决现有技术中存在的技术问题之一，提供一种基于视觉识别的机器人刮胶方法。

本发明的技术解决方案如下：

一种基于视觉识别的机器人刮胶方法，包括以下步骤：

步骤一：视觉识别装置获取待加工管材的图像，通过视觉图像处理算法将所述图像进行处理获取待加工管材的直径D，计算出待加工管材的周长L和待加工管材圆周的曲率；

步骤二：根据步骤一中的曲率信息，刮胶***中调整机械臂上的刮胶机构位置，使刮胶棍刷定位到待加工管材的最顶端，从此处开始，沿着待加工管材的曲率路线进行下移至最低点，完成第一个半周长刮胶动作；

步骤三：机械臂移动一个滚刷的宽度，重新返回至步骤一循环处理直至待加工管材的第一半表面完成刮胶；

步骤四：旋转待加工管材，重新返回至步骤一循环处理至待加工管材的第二半表面完成刮胶。

优选地，所述视觉图像处理算法具体包括：

S1：视觉识别装置采集所述待加工管材的图像信息；

S2：对S1中所述的图像信息进行误差补偿处理获得校正图像；

S3：对S2中所述校正图像进行提取分析，获得待加工管材的圆周边缘信息；

S4：对S3中的圆周边缘信息进行拟合计算获得待加工管材的直径。

优选地，所述S2中，误差补偿具体方法如下：

在视觉识别装置的视场内，待加工管材上的一点(x，y)，位于像图信息上的某点(u，v)，根据成像畸变误差的成因，其存在下面关系式：

式中a_ij，b_ij为多项式的系数，n为多项式的次数；i，j是代表在像素域内迭代的次数。

优选地，所述S3中，提取分析的具体方法为：对校正图像进行灰度处理，获取灰度直方图，设置灰度阈值，对灰度直方图进行图像分割；对分割后的图像进行扫描，标记当前正被扫描的像素并检查该像素与之前扫描到的若干个近邻象素的连通性，如果连通，则标记为相同的区域符号，如果不连通，则加以区分；完成对各个区域的标记后，判断图像中心所属标记区域，获得标记号后得到该区域对应的边界图像点，提取出待加工管材的边缘初步轮廓；最后再对边缘初步轮廓进行精确搜索，确定边缘精确轮廓，从而获得待加工管材的圆周边缘信息。

优选地，所述精确搜索采用八领域精确搜索。

优选地，所述S4中，拟合计算具体为：根据待加工管材的圆周边缘信息，确定边缘点集合点坐标，将其经校正转换后获得校正坐标点为(x_i，y_i)，圆心坐标为(A，B)，设圆的半径为r，根据圆的方程计算出半径，方程具体为：

(x_i-A)²+(y_i-B)²＝r²。

优选地，还需要对校正后的圆周边缘信息进行最小二乘法拟合；得到以下公式，具体为：(x_i-A)²+(y_i-B)²＝r²；

当视觉采集装置采集到的至少3个特征点时，把数值带入上式得到如下矩阵算式：

求得系数阵中a、b和c的最优解后，则其圆心坐标为：

其直径D为

本发明具有以下有益效果：本发明的一种基于视觉识别的机器人刮胶方法，通过视觉识别装置获取待加工管材的图像信息，对其进行图像处理分析后，获取待加工管材的直径、周长和曲率，机械臂根据该信息进行位置调整，从而实现对待加工管材的刮胶动作，实现自动刮胶，同时还解决了管材壁上残留胶厚度不均匀刮胶操作不易的问题，也能应用在异径管材上进行刮胶；实现了更加智能的刮胶动作。

附图说明

图1是本发明图像检测算法的流程图；

图2是本发明八邻域精确搜索中第一次搜索图；

图3是本发明八邻域精确搜索中第二次搜索图；

图4是本发明像素边缘点搜索程序框图

图5是本发明优选实施例的结构示意图一；

图6是本发明优选实施例的结构示意图二；

图7是图6的A局部放大示意图；

图8是图6的侧视图；

图9是本发明优选实施中第二驱动装置的结构示意图；

图10是图9的B局部放大示意图；

图中，100-机架，200-定位芯轴，300-驱动辊，400-视觉识别装置，500-刮胶机构，501-刮胶滚刷，502-储胶筒，600-机械臂，601-第一旋转机构，602-第一旋转臂，700-第二驱动装置，701-伺服电机，702-齿轮，703-齿条，704-滑轨，705-活动板。

具体实施方式

本部分将详细描述本发明的具体实施例，本发明之较佳实施例在附图中示出，附图的作用在于用图形补充说明书文字部分的描述，使人能够直观地、形象地理解本发明的每个技术特征和整体技术方案，但其不能理解为对本发明保护范围的限制。

在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。

参照图1至图10。

本发明提供的一种基于视觉识别的刮胶***，

机架100；机架100上设置有定位芯轴200和用于驱动所述定位芯轴200转动的第一驱动装置；

涂胶装置，其包括刮胶机构500、机械臂600以及用于驱动所述机械臂600沿所述定位芯轴200轴向来回运动的第二驱动装置700；

视觉识别装置400，其设置于所述机械臂600上。

本实施例，通过视觉识别装置400获取待加工管材的直径大小，计算出管材的周长，机械臂600根据视觉识别装置400的识别信息，开始对待加工管材进行刮胶处理，完成一个刮胶滚刷对应的半周长为一个循环结束，第二驱动装置700开始带动机械臂600移动，视觉识别装置重新识别待加工管材直径，开始滚刷定位，下一步的刮胶开始，并依次循环作业，完成到第一个半径对应的管材的末端时，第一驱动装置驱动定位芯轴200将待加工管材旋转至第二个半径面，按照上述方法继续刮胶作业。本实施例待加工管材为玻璃钢管。

作为本发明的实施例，其还可具有以下附加技术特征：

所述第一驱动装置包括电机和设置于机架100两端的辊组，所述辊组至少包括两驱动辊300，两驱动辊300之间的间距小于待加工管材的直径，所述电机能够驱动所述驱动辊300转动。

所述第二驱动装置700包括伺服电机701、与定位芯轴200平行设置的滑轨704，滑轨704的侧端设置有齿条703，所述伺服电机701的输出端设置有与所述齿条703啮合的齿轮702，所述滑轨704上滑动设置有活动板705，所述机械臂600设置于所述活动板705上，该设置能够使得机械臂600能够自动化并与定位芯轴200平行移动，减少遗漏刮胶的动作，即使得刮胶动作更加精准化。

所述视觉识别装400置为视觉相机，该设置能够使得刮胶更加准确，视觉相机获取待加工管材的直径大小，计算出管材的周长，从而机械臂根据周长进行精准刮胶。

所述机械臂600采用六轴机械臂，活动精度更灵敏，即更加柔性化，其前端设置有第一旋转机构601，通过六轴机械臂600实现柔性刮胶动作，以及与第二驱动装置和的结合，自动化作业。

所述视觉识别装置400设置于所述第一旋转机构601上，以实现视觉识别装置400随第一旋转机构601运动。

所述刮胶机构500设置于所述第一旋转机构601上，以实现刮胶机构400随第一旋转机构601运动。

具体地，第一旋转机构，可以铰接链接，实现在第一旋转臂602上进行上下活动，也可以是其他形式的旋转连接，并不局限于此

还有一些应用中，所述刮胶机构500包括刮胶滚刷501和储胶筒502，所述刮胶滚刷501位于所述储胶筒502的上方，该设置能够在进行刮胶作业的同时能够对刮下来的胶进行收集，更利于集中处理回收，避免浪费；具体地，第二驱动装置700带动机械臂600移动一个刮胶滚刷501的宽度。

还包括控制装置，所述控制装置能够根据所述视觉识别装置400的识别信号控制所述机械臂600、第一驱动装置和第二驱动装置700的动作，具体地，是控制机械臂600、电机、伺服电机701的动作，以实现自动化。

应用于上述的刮胶***，本发明还提供了一种刮胶方法：

包括以下步骤：

步骤一：视觉识别装置获取待加工管材的图像，通过视觉图像处理算法将所述图像进行处理获取待加工管材的直径D，计算出待加工管材的周长L和待加工管材圆周的曲率；L＝πD＝2πr，其中：D为直径，r为半径。

其中曲率就是针对曲线上某个点的切线方向角α对弧长s的转动率，通过微分来定义，表明曲线偏离直线的程度。

K＝lim|Δα/Δs|，Δs趋向于0的时候，定义k就是曲率。

步骤二：根据步骤一中的曲率信息，刮胶***中调整机械臂上的刮胶机构位置，使刮胶棍刷定位到待加工管材的最顶端，从此处开始，沿着待加工管材的曲率路线进行下移至最低点，完成第一个半周长刮胶动作；

步骤三：第二驱动装置开始带动机械臂移动一个滚刷的宽度，重新返回至步骤一循环处理直至待加工管材的第一半表面完成刮胶；

步骤四：旋转待加工管材，重新返回至步骤一循环处理至待加工管材的第二半表面完成刮胶。

所述视觉图像处理算法具体包括：

S1：视觉识别装置400采集所述待加工管材的图像信息；

S2：对S1中所述的图像信息进行误差补偿处理获得校正图像；

S3：对S2中所述校正图像进行提取分析，获得待加工管材的圆周边缘信息；

S4：对S3中的圆周边缘信息进行拟合计算获得待加工管材的直径。

所述S2中，误差补偿具体方法如下：

在视觉识别装置400的视场内，待加工管材上的一点(x，y)，位于像图信息上的某点(u，v)，根据成像畸变误差的成因，其存在下面关系式：

式中a_ij，b_ij为多项式的系数，n为多项式的次数；i，j是代表在像素域内迭代的次数。

所述S3中，提取分析的具体方法为：对校正图像进行灰度处理，获取灰度直方图，设置灰度阈值，对灰度直方图进行图像分割；对分割后的图像进行扫描，标记当前正被扫描的像素并检查该像素与之前扫描到的若干个近邻象素的连通性，其中连通性是指，各个像素之间是否连通，是否连成片，如果断开说明连通性不好；如果连通，则标记为相同的区域符号，如果不连通，则加以区分；完成对各个区域的标记后，判断图像中心所属标记区域，获得标记号后得到该区域对应的边界图像点，提取出待加工管材的边缘初步轮廓；最后再对边缘初步轮廓进行精确搜索，确定边缘精确轮廓，从而获得待加工管材的圆周边缘信息。

所述精确搜索采用八领域精确搜索。具体方法如下：

第一次搜索，是遍历图像找到第一个非零像素点，那么这个点一定是边界点。设这个点为起始点m，顺时针查找该点八邻域内遇到的第一个非零像素点m'(点m'也为边界点)。令m＝m'，再进行邻域内的顺时针查找，查找的起点为刚刚m到m'过程中m'前一个零点。

图2中，在m点时，按照0-1-2-3-4……的顺序进行查找。6处为查找到的第一个非零像素点，则图中的6处为边界点，m'查找的起始位置是图2中的5，即m'对应的4，则m'的查找顺序是4-5-6-7-0-1-2-3。

同理可知；当m'为2，3时，查找起始点为0；当m'为4，5时，查找起始点为2；当m'为6，7时，查找起始点为4；当m'为0、1时，查找起始点为6。

可用map映射进行存储。

Map[0]＝6，map[1]＝6；map[2]＝0，map[3]＝0；map[4]＝2，map[5]＝2，Map[6]＝4，map[7]＝4。

上一步查找到值为d(图2中d为6)，则设置初始j＝map[d](map[6]＝4，即j＝4；)，但要对0、1、2、3继续查找，所以这里取除以8的余数。d设置为(d+i)/8(i＝0，1，2……8)，运行逻辑图见图4。

所述S4中，拟合计算具体为：根据待加工管材的圆周边缘信息，确定边缘点集合点坐标，将其经校正转换后获得校正坐标点为(x_i，y_i)，圆心坐标为(A，B)，设圆的半径为r，如果没有误差，根据圆的方程计算出半径，方程具体为：(x_i-A)²+(y_i-B)²＝r²；

由于实际待加工管材的尺寸不可能为绝对的圆形，肯定有部分点没有落在圆周上，所以拟合圆周时需要进行优化，以使拟合后的结果最接近于真实值。常用的拟合方法为最小二乘法，主要思路为求取系数，使得方程的残差平方和最小。还需要对校正后的圆周边缘信息进行最小二乘法拟合；得到以下公式，具体为：

当视觉采集装置采集到的至少3个特征点时，把数值带入上式得到如下矩阵算式：

求得系数阵的最优解后，则其圆心坐标为：

其直径D为

通过视觉识别装置获取待加工管材的图像信息，对其进行图像处理分析后，获取待加工管材的直径、周长和曲率，机械臂根据该信息进行位置调整，从而实现对待加工管材的刮胶动作，实现自动刮胶，通过视觉识别装置获取待加工管材的直径信息，实时调整机械臂的姿态，解决了管材壁上残留胶厚度不均匀刮胶操作不易的问题，同时也能应用在异径管材上进行刮胶；实现了更加智能的刮胶动作。

在不出现冲突的前提下，本领域技术人员可以将上述附加技术特征自由组合以及叠加使用。

以上所述仅为本发明的优先实施方式，只要以基本相同手段实现本发明目的的技术方案都属于本发明的保护范围之内。

Claims (7)

1.一种基于视觉识别的机器人刮胶方法，其特征在于：包括以下步骤：

步骤一：视觉识别装置获取待加工管材的图像，通过视觉图像处理算法将所述图像进行处理获取待加工管材的直径D，计算出待加工管材的周长L和待加工管材圆周的曲率；

步骤二：根据步骤一中的曲率信息，刮胶***中调整机械臂上的刮胶机构位置，使刮胶棍刷定位到待加工管材的最顶端，从此处开始，沿着待加工管材的曲率路线进行下移至最低点，完成第一个半周长刮胶动作；

步骤三：机械臂移动一个滚刷的宽度，重新返回至步骤一循环处理直至待加工管材的第一半表面完成刮胶；

步骤四：旋转待加工管材，重新返回至步骤一循环处理至待加工管材的第二半表面完成刮胶。

2.根据权利要求1所述的一种基于视觉识别的机器人刮胶方法，其特征在于：所述视觉图像处理算法具体包括：

S1：视觉识别装置采集所述待加工管材的图像信息；

S2：对S1中所述的图像信息进行误差补偿处理获得校正图像；

S3：对S2中所述校正图像进行提取分析，获得待加工管材的圆周边缘信息；

S4：对S3中的圆周边缘信息进行拟合计算获得待加工管材的直径。

3.根据权利要求2所述的一种基于视觉识别的机器人刮胶方法，其特征在于：所述S2中，误差补偿具体方法如下：

在视觉识别装置的视场内，待加工管材上的一点(x，y)，位于像图信息上的某点(u，v)，根据成像畸变误差的成因，其存在下面关系式：

式中a_ij，b_ij为多项式的系数，n为多项式的次数；i，j是代表在像素域内迭代的次数。

4.根据权利要求3所述的一种基于视觉识别的机器人刮胶方法，其特征在于：所述S3中，提取分析的具体方法为：对校正图像进行灰度处理，获取灰度直方图，设置灰度阈值，对灰度直方图进行图像分割；对分割后的图像进行扫描，标记当前正被扫描的像素并检查该像素与之前扫描到的若干个近邻象素的连通性，如果连通，则标记为相同的区域符号，如果不连通，则加以区分；完成对各个区域的标记后，判断图像中心所属标记区域，获得标记号后得到该区域对应的边界图像点，提取出待加工管材的边缘初步轮廓；最后再对边缘初步轮廓进行精确搜索，确定边缘精确轮廓，从而获得待加工管材的圆周边缘信息。

5.根据权利要求4所述的一种基于视觉识别的机器人刮胶方法，其特征在于：所述精确搜索采用八领域精确搜索。

6.根据权利要求4所述的一种基于视觉识别的机器人刮胶方法，其特征在于：所述S4中，拟合计算具体为：根据待加工管材的圆周边缘信息，确定边缘点集合点坐标，将其经校正转换后获得校正坐标点为(x_i，y_i)，圆心坐标为(A，B)，设圆的半径为r，根据圆的方程计算出半径，方程具体为：(x_i-A)²+(y_i-B)²＝r²。

7.根据权利要求6所述的一种基于视觉识别的机器人刮胶方法，其特征在于：还需要对校正后的圆周边缘信息进行最小二乘法拟合；得到以下公式，具体为：(x_i-A)²+(y_i-B)²＝r²；

当视觉采集装置采集到的至少3个特征点时，把数值带入上式得到如下矩阵算式：

求得系数阵中a、b和c的最优解后，则其圆心坐标为：

其直径D为

Images