汽车总装线精密转载平台的视觉定位方法 姚盛昕 楼佩煌 钱晓明 武星 南京航空航天大学江苏省精密与微细制造技术重点实验室 摘 要： 汽车总装线中大量的物料需要通过转载平台实现不同输送线之间的精密快速转载。现采用视觉定位方法代替传统的激光定位方法, 实现对输送装备的精确定位。通过安装双色同心圆标识, 采用点霍夫变换圆检测法实现对标识的识别。提出的基于视觉伺服的精密转载平台的闭环控制方法, 满足了汽车总装线物料精确转载的需求。最后, 通过转载平台原型机证明了所提精密转载平台视觉定位技术的可行性和有效性。关键词： 汽车装配; 视觉识别; 圆点识别; 定位精度; 作者简介：姚盛昕 (1992) , 男, 浙江嘉兴人, 南京航空航天大学硕士研究生, 主要研究方向为机器视觉研究。收稿日期：2016-12-26基金：江苏省产学研前瞻性联合研究项目 (BY2015003-11) A visual positioning method for accurate transfer platform of vehicle assembly lineYAO Shengxin LOU Peihuang QIAN Xiaoming WU Xing Nanjing University of Aeronautics and Astronautics, Jiangsu Key Laboratory of Precision and Micro-Manufacturing Technology; Abstract： The vehicle assembly line has a large number of materials need to be accurate fast transfer between different conveyor lines through the transfer platform.Using visual positioning instead of the traditional laser positioning, it realizes accurate positioning of conveying equipment.It shows the detail about installing two-color concentric circle mark and extracting the coordinates of the circle center with point Hough transform.This positioning method identifies the different mark at coarse and precise position.Based on the visual servo-based precision transfer platform, it proposes a closed-loop control method, which satisfies the demands of the material accurately transfer.The application verifies the feasibility and effectiveness of the visual positioning technology.Keyword： automotive assembly; visual identification; circle recognition; positioning accuracy; Received： 2016-12-26现代汽车制造与装配具有多品种混流、自动化生产、生产节拍高、工序多等特点。实际生产过程中生产物流系统除了用到通常的物料输送机构之外, 有时还需要用到物料升降转载机构, 以实现物料在空间不同输送装备之间的转载。目前汽车生产装配线在总装过程中常采用激光定位, 能够获得精确的位置信息, 定位精度为 1mm, 可靠性高, 但相应的成本也很高。随着计算机视觉技术的发展, 图像检测技术以其非接触、快速、精度高等优点, 被广泛地应用于工业、农业、医疗、食品、机器人等领域1-4。圆点标识检测方法主要有基于最小二乘拟合算法、基于霍夫变换的检测算法、基于圆几何特征的检测算法。对于较小的圆点, 常采用质心算法进行处理。夏瑞雪等5采用自适应阈值分割和最小二乘圆拟合实现圆点靶标的定位;叶峰等6利用圆的几何性质以及梯度方向信息采用霍夫变换对圆进行检测;CHEN 等7提出了随机圆检测方法;IOANNOU 等8利用线段中垂线过圆心的几何特性对圆心进行计算。图像识别技术具有非接触、快速、精度高等优点, 将该技术引入汽车装配线转载设备的识别定位, 代替原有的激光定位方式, 具有很强的现实意义。1 圆点特征识别技术1.1 圆点识别处理流程本文所研发的精密转载平台首先通过 CCD 摄像机实时采集位于其上方的圆点图像, 然后对采集到的图像进行图像预处理, 主要包括畸变校正、图像滤波、图像二值化以及形态学处理等。经过图像预处理后得到二值化图像, 对其进行边界坐标的提取, 计算出圆点标识的圆心坐标值。通过比较圆心坐标值与图像中心点坐标值, 从而得到两者之间的偏差像素点个数。将偏差数据用于运动控制板对十字滑台相应的电机控制, 使转载平台移动到相应位置, 实现转载平台与上方悬挂输送线的精确定位。整个视觉定位的处理流程如图 1 所示。图 1 定位流程图 下载原图1.2 圆点标识模型转载升降平台与空中摩擦驱动悬挂输送线之间的物料转载主要通过托盘的形式来实现。物料通过专用夹具固定在托盘上, 通过视觉对圆点标识定位后利用转载平台的顶升将物料托盘从摩擦驱动悬挂输送线取下。当转载平台处于粗定位点时, 圆点标识面积较小, 成像后圆点面积所占像素点较少, 检测精度较低。当转载升降平台升至二次定位点时, 圆点标识可能已经超出了 CCD 摄像机的视野, 对圆点标识的识别造成影响。故为进一步提高转载平台的定位精度, 采用双色同心圆点标识, 外圈为红色, 直径为 60mm, 内圆为蓝色, 直径为 30mm。圆点标识如图 2 所示。转载平台在升降过程中, 处于粗定位点时对外圈大圆进行识别, 处于二次定位点时对内圈小圆进行识别, 通过视觉二次定位的方式, 提高转载平台的定位精度。图 2 圆点标识 下载原图1.3 图像预处理通过图像采集卡获取 CCD 摄像机采集到的圆点标识原始图像, 如图 3 所示。图 3 圆点标识原始图像 下载原图将采集到的图像转换成采样比为 422 的 YCb Cr 颜色空间下的数字图像。在YCb Cr 图像的红色子空间和蓝色子空间中, 标识图像与环境背景有较大的区分度, 容易获得比较好的分割效果。当转载平台处于粗定位点时, 以彩色图像的红色分量作为圆点特征的原始数据, 得到的图像如图 4 (a) 所示。当转载平台处于二次定位点时, 以彩色图像的蓝色分量作为圆点特征的原始数据, 得到的图像如图 4 (b) 所示。图 4 红、蓝色子空间下的图像 下载原图CCD 摄像机采集到的图像会存在一定的桶形畸变, 通过畸变矫正可以消除镜头带来的桶型畸变, 从而得到一幅无畸变的图像9。桶形畸变主要为径向畸变, 主要是由镜头径向曲率的变化导致的。因此本文采用四阶径向畸变模型消除桶形畸变。式中: (x, y) 为无畸变的理想坐标; (x, y) 为实际坐标;k 1和 k2分别为二阶和四阶畸变系数。借助平面标定板对 CCD 摄像机进行标定, 利用 MAT-LAB 摄像机标定工具箱进行标定计算, 得到 k1=0.064 7, k2=-0.087 6。对图像进行中值滤波, 剔除图像噪声, 采用 Otsu 自适应阈值法对图像进行阈值分割。由于圆点标识在受到外界光照的影响下可能会导致圆点标识边缘出现模糊残缺的情况, 圆点标识长时间使用也会出现一定程度的破损, 故在完成阈值分割后, 对得到的二值图像进行两次形态学处理10。首先采用 99 的结构元对二值图像进行闭运算, 平滑图像轮廓, 消除圆点标识内部细小的孔洞, 然后采用 99 的结构元对二值图像进行开运算, 去除一些细小的毛刺。预处理之后的图像如图 5 所示。图 5 预处理后得到的图像 下载原图1.4 圆点特征提取霍夫变换是目前应用最为广泛的圆检测方法, 其在有噪声、缺损、变形的情况下仍能取得理想的检测结果, 可靠性高11。传统的霍夫变换圆检测, 首先将圆图像从二维空间映射到参数空间中, 然后对在参数空间中得到的坐标点进行投票累计, 最后根据累计值来判断圆心的位置以及半径值。圆的标准方程为:式 (2) 包含了 3 个独立的参数, 即在三维参数空间下的坐标 (a, b, r) 。圆上点构成的点集为 (x i, yi) |i=1, 2, , n, 其中圆上每一点 (x k, yk) 都对应于参数空间内的一个圆锥面, 同一圆上的点集则对应于三维参数空间内的一个圆锥面簇。这些圆锥面簇交于一点 (a 0, b0, r0) , 这一点反映了圆的圆心坐标以及圆的半径。通过累加器 P (a, b, r) 累加计数, 最后累加器中的 Pmax (a, b, r) 所对应的坐标就是图像空间中相应的圆的参数。霍夫变换运算量随参数空间的维数以及图像边缘数据量的增大而增大, 在三维参数空间下, 累加过程需要消耗大量的运算时间, 检测速度较慢, 难以满足较高的实时性要求。为此本文提出了一种改进的点 Hough 变换圆检测算法, 实现对圆点标识的快速检测。当转载平台处于粗定位点时, 此时经过预处理后得到的二值图像如图 5 (a) 所示。选取一个能完整包括圆点标识较小的扫描区域, 从左至右、从上至下对扫描区域进行扫描。边界点坐标提取流程图如图 6 所示。图 6 圆点标识边界点坐标提取流程图 下载原图当提取到的像素点的灰度值为 255 时, 将该点横坐标值赋值给圆点左边界横坐标 ui1, 依次判断该像素点后 5 个点的灰度值是否也为 255。若不满足, 将圆点左边界横坐标 ui1清除, 继续向右扫描判断圆点左边界。若满足, 此时 ui1的值即为提取到的圆点左边界坐标值。提取到圆点左边界点之后, 继续向右扫描对圆点右边界点进行提取。当像素点的灰度值为 0 时, 将该点横坐标值赋值给圆点右边界横坐标 ui2, 依次判断该像素点后 5 个点的灰度值是否也为 0。若不满足, 将圆点右边界横坐标 ui2清除, 继续向右扫描判断圆点右边界。若满足, 此时 ui2的值即为提取到圆点右边界坐标值。若经过图像预处理后圆点外部或内部还存在少数干扰点, 通过连续后 5 个点的判断, 就能够有效剔除这些干扰点, 避免提取出错误的圆点边界, 导致后面的圆心计算出现错误。由于此时检测的圆点标识为圆环, 在中间行扫描时应有两对左右边界点坐标, 故在扫描过程中当检测到第一个右边界点时, 还应继续向右扫描检测是否有第二个左边界点, 若有则继续向右扫描直至扫描到达该行的最后一个像素点, 若检测到第二个右边界点则无需对该行之后的点进行扫描, 直接跳转至下一行, 开始对下一行进行边界提取。由于检测的圆点标识此时为圆环, 故在中间行扫描时会出现 2 个左边界横坐标u11, u21和 2 个右边界横坐标 u12, u22。在计算中点坐标时, 通过判断边界坐标的对数, 选取相对应的边界坐标值。式中:u v为第 v 行的边界中心横坐标。为进一步缩短扫描时间, 需要对扫描过程进行判断, 一行扫描结束后, 若没有提取到相应边界坐标, 则对判断标志 flag 累加计数;若提取到, 则对判断标志flag 进行清除。如若提取到的边界坐标数超过 30, 判断标志 flag 累计超过 15后, 则可认为圆点标识已全部扫描完成。流程图如图 7 所示。图 7 快速扫描检测流程图 下