本發(fā)明屬于生產(chǎn)自動化技術(shù)領(lǐng)域，尤其涉及一種基于機器視覺的陣列式料框自適應(yīng)取料方法。

背景技術(shù)：

對于大多數(shù)現(xiàn)代工業(yè)自動化生產(chǎn)線來說，普遍存在自動取放物料裝置，例如機械手、模組等。為了完成“抓取-放置”動作，對物料定位信息的獲取是尤為必要的，為了達到更高的定位抓取精度，通常采用機器視覺進行定位。為了提高上料的效率，一般工業(yè)現(xiàn)場采用的是陣列式的料框可以一次性批量上料，且物料的擺放位置按一定的規(guī)律基本固定，這樣便于視覺定位；但是考慮到工業(yè)現(xiàn)場的實際情況：(1)一般的料框放置點為一個固定區(qū)域內(nèi)，故每次人工進行料框放置或者AGV小車送料時位置會存在一定的偏差；(2)料框中擺放產(chǎn)品的空間會存在一定的裕量，故不能保證每個產(chǎn)品能擺放位置十分固定，也是存在一定的偏差。

通常基于機器視覺的抓取裝置為了對物料進行精準的抓取，則必須獲取清晰的物料圖像特征，故盡可能在一定的相機鏡頭的視野范圍內(nèi)獲取到的物料圖像特征盡可能的大；若如上所述工業(yè)現(xiàn)場的實際情況，料框及物料位置均存在一定的偏差，則可能會導(dǎo)致在鏡頭的視野范圍內(nèi)拍不了完整的物料圖像，從而獲取不到關(guān)鍵部分的圖像特征，無法進行抓取定位；這就易產(chǎn)生漏抓，降低了抓取的可靠性，取料效率較低。

因此，有必要提供一種基于機器視覺的陣列式料框自適應(yīng)取料方法來解決上述問題。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是提供一種基于機器視覺的陣列式料框自適應(yīng)取料方法。

本發(fā)明通過如下技術(shù)方案實現(xiàn)上述目的：

一種基于機器視覺的陣列式料框自適應(yīng)取料方法，用于按陣列式擺放物料的料框取料，包括以下步驟：

S1，視覺標定標準陣列式料框圖：

設(shè)定料框擺放的標準擺放位，確定首個物料標準拍照位，并視覺標定出各個物料的關(guān)鍵特征的標準圖像坐標；

S2，自適應(yīng)調(diào)整料框中首個物料的抓取位置：

在標準拍照位進行獲取首個物料的圖像，若料框位置與標準位置有偏差，則獲取不到完整的物料圖像，根據(jù)不完整的物料圖像的局部圖像特征位置進行自適應(yīng)調(diào)整首個物料的拍照位來獲取到完整的物料圖像，從而獲取實際圖像關(guān)鍵特征位置，實現(xiàn)精確視覺抓取定位，同時將當前運動機構(gòu)的位置設(shè)為首個物料實際拍照位；

S3，依次自適應(yīng)精確調(diào)整料框中其余物料的抓取位置：

通過前一個相鄰的物料的拍照位及圖像的關(guān)鍵特征位置來實時自適應(yīng)調(diào)整當前物料拍照位來獲取到完整的物料圖像，從而實現(xiàn)精確視覺抓取定位。

進一步的，所述S1具體包括以下步驟：

S1-1：設(shè)定料框擺放的標準擺放位，將按陣列式擺放物料的料框放置在標準擺放位；

S1-2：運動機構(gòu)帶著相機運動以調(diào)整相機位置進行拍照，保證當前首個物料的完整圖像在相機的視野范圍內(nèi)，并將當前運動機構(gòu)的位置設(shè)為首個物料的標準拍照位坐標(X_標拍1,Y_標拍1)；

S1-3：對首個物料的圖像進行處理，提取關(guān)鍵特征，獲取物料關(guān)鍵部位的圖像坐標(X_標圖1,Y_標圖1)，從而可得圖像坐標與運動坐標對應(yīng)的轉(zhuǎn)換系數(shù)K；

S1-4：料框中其余物料的關(guān)鍵特征的圖像坐標可根據(jù)陣列規(guī)律依次計算出來作為標準圖像坐標(X_標圖2,Y_標圖2)～(X_標圖n,Y_標圖n)。

進一步的，所述S2具體包括以下步驟：

S2-1：運動機構(gòu)帶著相機運動到首個物料的標準拍照位(X_標拍1,Y_標拍1)獲取圖像，由于料框每次來料位置存在一定的偏差，可能會導(dǎo)致在相機鏡頭的視野范圍內(nèi)，獲取不到完整的物料圖像，繼而提取不了圖像關(guān)鍵特征來實現(xiàn)精確定位，故需對首個產(chǎn)品的拍照位置進行自適應(yīng)調(diào)整，減小料框?qū)嶋H位置與標準位置間的位置偏差；

S2-2：根據(jù)獲取的圖像，提取出圖像中的局部特征位置，根據(jù)局部圖像特征在完整物料圖像中位置計算出圖像偏移量，根據(jù)運動坐標與圖像坐標的轉(zhuǎn)換系數(shù)K計算得出運動偏移量；

S2-3：運動機構(gòu)帶著相機按運動偏移量在運動坐標方向偏移運動后拍照，獲取到完整的首個物料的圖像，并將當前運動機構(gòu)的位置設(shè)為首個物料實際拍照位(X_實拍1,Y_實拍1)；

S2-4：對首個物料的圖像進行圖像處理，獲取物料圖像關(guān)鍵特征的實際物料圖像坐標(X_實圖1,Y_實圖1)，從而根據(jù)該圖像坐標實現(xiàn)首個物料的精確定位抓取，這樣減小了料框?qū)嶋H位置與料框標準位置間的位置偏差。

進一步的，所述S3具體包括以下步驟：

由于料框中各個物料呈陣列式擺放的，除去首個物料，料框中的其余物料的抓取位置均是通過前一個相鄰的物料的拍照位及圖像的關(guān)鍵特征位置來實時自適應(yīng)調(diào)整當前物料拍照位來獲取到完整的物料圖像，從而實現(xiàn)精確視覺抓取定位；

根據(jù)首個物料實際拍照位(X_實拍1,Y_實拍1)、陣列式排列在X,Y方向的規(guī)律(H,J)、實際首個物料圖像坐標(X_實圖1,Y_實圖1)、實際首個物料標準圖像坐標(X_標圖1,Y_標圖1)及圖像坐標與運動坐標對應(yīng)的轉(zhuǎn)換系數(shù)K可知，第二個物料的拍照位(X_實拍2,Y_實拍2)，按如下式子計算所得：

X_實拍2＝X_實拍1+H+(X_實圖1-X_標圖1)*K

Y_實拍2＝Y(jié)_實拍1+J+(Y_實圖1-Y_標圖1)*K

運動機構(gòu)帶著相機運動到拍照位(X_實拍2,Y_實拍2)，獲取到完整的第二個物料圖像，再進行圖像處理，獲取第二個物料圖像關(guān)鍵特征的實際物料圖像坐標(X_實圖2,Y_實圖2)，從而根據(jù)該圖像坐標實現(xiàn)第二個物料精確定位抓取，依次類推，對每個相鄰物料的取料位置逐一自適應(yīng)調(diào)整，減小了物料與物料間的位置偏差，保證了取料的精度。

與現(xiàn)有技術(shù)相比，本發(fā)明提供一種基于機器視覺的陣列式料框自適應(yīng)取料方法，通過對料框及物料的位置進行雙重視覺補償，依次一一自適應(yīng)調(diào)整取料裝置的取料位置，提高了取料效率，保證了取料裝置的可靠性，降低了物料的不良率，實現(xiàn)了智能化。

附圖說明

圖1是本發(fā)明實施例的流程圖。

具體實施方式

實施例：

如圖1所示，本實施例的一種基于機器視覺的陣列式料框自適應(yīng)取料方法，用于按陣列式擺放物料的料框取料，包括以下步驟：

S1，視覺標定標準陣列式料框圖：

設(shè)定料框擺放的標準擺放位，確定首個物料標準拍照位，并視覺標定出各個物料的關(guān)鍵特征的標準圖像坐標；

S2，自適應(yīng)調(diào)整料框中首個物料的抓取位置：

在標準拍照位進行獲取首個物料的圖像，若料框位置與標準位置有偏差，則獲取不到完整的物料圖像，根據(jù)不完整的物料圖像的局部圖像特征位置進行自適應(yīng)調(diào)整首個物料的拍照位來獲取到完整的物料圖像，從而獲取實際圖像關(guān)鍵特征位置，實現(xiàn)精確視覺抓取定位，同時將當前運動機構(gòu)的位置設(shè)為首個物料實際拍照位；

S3，依次自適應(yīng)精確調(diào)整料框中其余物料的抓取位置：

通過前一個相鄰的物料的拍照位及圖像的關(guān)鍵特征位置來實時自適應(yīng)調(diào)整當前物料拍照位來獲取到完整的物料圖像，從而實現(xiàn)精確視覺抓取定位。

其中，S1具體包括以下步驟：

S1-1：設(shè)定料框擺放的標準擺放位，將按陣列式擺放物料的料框放置在標準擺放位；

S1-2：運動機構(gòu)帶著相機運動以調(diào)整相機位置進行拍照，保證當前首個物料的完整圖像在相機的視野范圍內(nèi)，并將當前運動機構(gòu)的位置設(shè)為首個物料的標準拍照位坐標(X_標拍1,Y_標拍1)；

S1-3：對首個物料的圖像進行處理，提取關(guān)鍵特征，獲取物料關(guān)鍵部位的圖像坐標(X_標圖1,Y_標圖1)，從而可得圖像坐標與運動坐標對應(yīng)的轉(zhuǎn)換系數(shù)K；

S1-4：料框中其余物料的關(guān)鍵特征的圖像坐標可根據(jù)陣列規(guī)律依次計算出來作為標準圖像坐標(X_標圖2,Y_標圖2)～(X_標圖n,Y_標圖n)。

S2具體包括以下步驟：

S2-1：運動機構(gòu)帶著相機運動到首個物料的標準拍照位(X_標拍1,Y_標拍1)獲取圖像，由于料框每次來料位置存在一定的偏差，可能會導(dǎo)致在相機鏡頭的視野范圍內(nèi)，獲取不到完整的物料圖像，繼而提取不了圖像關(guān)鍵特征來實現(xiàn)精確定位，故需對首個產(chǎn)品的拍照位置進行自適應(yīng)調(diào)整，減小料框?qū)嶋H位置與標準位置間的位置偏差；

S2-2：根據(jù)獲取的圖像，提取出圖像中的局部特征位置，根據(jù)局部圖像特征在完整物料圖像中位置計算出圖像偏移量，根據(jù)運動坐標與圖像坐標的轉(zhuǎn)換系數(shù)K計算得出運動偏移量；

S2-3：運動機構(gòu)帶著相機按運動偏移量在運動坐標方向偏移運動后拍照，獲取到完整的首個物料的圖像，并將當前運動機構(gòu)的位置設(shè)為首個物料實際拍照位(X_實拍1,Y_實拍1)；

S2-4：對首個物料的圖像進行圖像處理，獲取物料圖像關(guān)鍵特征的實際物料圖像坐標(X_實圖1,Y_實圖1)，從而根據(jù)該圖像坐標實現(xiàn)首個物料的精確定位抓取，這樣減小了料框?qū)嶋H位置與料框標準位置間的位置偏差。

S3具體包括以下步驟：

由于料框中各個物料呈陣列式擺放的，除去首個物料，料框中的其余物料的抓取位置均是通過前一個相鄰的物料的拍照位及圖像的關(guān)鍵特征位置來實時自適應(yīng)調(diào)整當前物料拍照位來獲取到完整的物料圖像，從而實現(xiàn)精確視覺抓取定位；

根據(jù)首個物料實際拍照位(X_實拍1,Y_實拍1)、陣列式排列在X,Y方向的規(guī)律(H,J)、實際首個物料圖像坐標(X_實圖1,Y_實圖1)、實際首個物料標準圖像坐標(X_標圖1,Y_標圖1)及圖像坐標與運動坐標對應(yīng)的轉(zhuǎn)換系數(shù)K可知，第二個物料的拍照位(X_實拍2,Y_實拍2)，按如下式子計算所得：

X_實拍2＝X_實拍1+H+(X_實圖1-X_標圖1)*K

Y_實拍2＝Y(jié)_實拍1+J+(Y_實圖1-Y_標圖1)*K

運動機構(gòu)帶著相機運動到拍照位(X_實拍2,Y_實拍2)，獲取到完整的第二個物料圖像，再進行圖像處理，獲取第二個物料圖像關(guān)鍵特征的實際物料圖像坐標(X_實圖2,Y_實圖2)，從而根據(jù)該圖像坐標實現(xiàn)第二個物料精確定位抓取，依次類推，對每個相鄰物料的取料位置逐一自適應(yīng)調(diào)整，減小了物料與物料間的位置偏差，保證了取料的精度。

本實施例的一種基于機器視覺的陣列式料框自適應(yīng)取料方法具有以下優(yōu)點：

1、無需人工參與，通過實時的自適應(yīng)調(diào)整拍照位置，保證每個物料均能獲取到關(guān)鍵圖像特征位置，實現(xiàn)精準抓取，實現(xiàn)了智能化；

2、降低了取料的失敗率，保證了取料裝置的可靠性，提高了生產(chǎn)效率。

以上的僅是本發(fā)明的一些實施方式。對于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明創(chuàng)造構(gòu)思的前提下，還可以做出若干變形和改進，這些都屬于本發(fā)明的保護范圍。