一种基于视觉识别功能的手持工件去毛刺方法和系统与流程

本发明涉及工业智能设备，尤其涉及一种基于视觉识别功能的手持工件去毛刺方法和系统。

背景技术：

去毛刺是机械加工中一道重要的加工工序。毛刺是在诸如磨削、钻攻、铣削、车削和雕刻等机械加工工序后，由于被加工件的塑性变形、弯曲、撕裂，在工件被加工处边缘形成的突起部分和被切割后形成的丝状部分。毛刺会使得工件产生边缘粗糙、易积聚静电等特性，对工件的装配、工件的性能以及工件的寿命产生诸多影响。去毛刺工序有多种方法完成，根据工件特性可使用电化学去毛刺、热爆炸去毛刺、冷冻去毛刺以及机械去毛刺。机械手去毛刺系统通常使用的去毛刺方法为机械去毛刺。

机械手去毛刺单元为一种机械式去毛刺自动化设备，通常设计为机械手携带工件配合固定安装的磨削、切割设备，执行由调试工程师预先创建的固定运动轨迹和信号交互程序，重复地对各来料工件表面、内腔内孔、棱角、孔口螺纹口等位置进行去毛刺加工。目前，其广泛应用于五金卫浴行业、电子设备行业、汽车零部件行业等制造行业。

在通常的机械手去毛刺单元中，机械手总是根据预设的逻辑以一些固定的轨迹进行运动，在运动轨迹上缺乏自适应性。在来料工件在待加工位置上发生变化时，需要由专业的调试工程师对轨迹程序作出调整，当这些变化频繁出现时，这将带来持续的，巨大的工作量。例如，在铸造行业中，对于同一种加工件，由于上游铸造工序的铸造及机加精度问题，不同铸造模具、机床加工出的不同批次产品有时会存在偏差。除此之外，铸造件上的铸造飞边将会影响工件的装夹定位，造成装夹误差。这些因素都会导致预先编写的去毛刺轨迹偏离实际去毛刺需要的轨迹。

技术实现要素：

为了解决以上技术问题，本发明提供了一种基于视觉识别功能的手持工件去毛刺方法和系统。

本发明所解决的技术问题可以采用以下技术方案实现：

一种基于视觉识别功能的手持工件去毛刺方法，包括：

步骤s1，在仿真环境中创建检测范围、检测运动轨迹和工件数模上指定打磨的轮廓，构成一第一轮廓；

步骤s2，一检测相机对机器人抓取的工件进行定位拍摄，并将拍摄得到的图像传送到一系统控制柜；

步骤s3，所述系统控制柜对所述图像进行分析得到一偏移量并将所述偏移量结果发送到一机器人控制柜；

步骤s4，所述机器人控制柜根据所述偏移量调整所述机器人检测轨迹，同时所述检测相机对实际所述工件的轮廓进行拍摄得到多个拍摄图像；

步骤s5，所述系统控制柜对多个所述拍摄图像上的工件进行轮廓识别得到多个所述拍摄图像的轮廓图像；

步骤s6，所述系统控制柜对所述轮廓图像进行分析处理得到一第二轮廓；

步骤s7，所述系统控制柜基于几何矩的算法对比所述第一轮廓和所述第二轮廓，若所述第一轮廓与所述第二轮廓的相似度低于一预设阈值，则系统控制柜发出警报，否则执行步骤s8；

步骤s8，所述系统控制柜根据所述第二轮廓生成一去毛刺轨迹并输出一控制指令发送到所述机器人控制柜，所述机器人控制柜根据所述去毛刺轨迹和所述控制指令控制所述机器人；

步骤s9，所述机器人根据所述控制指令移动到一指定打磨工具处并根据所述去毛刺轨迹进行去毛刺作业。

优选的，所述步骤s5通过对多个所述拍摄图像进行高斯模糊处理、灰度化、使用边缘检测算法提取图像轮廓、移除检测范围外的轮廓以及使用长度阈值移除不必要的轮廓，得到多个所述拍摄图像的轮廓图像。

优选的，所述步骤s6包括：

步骤s60，使用等步长法或迭代适应点算法对所述轮廓图像进行采样；

步骤s61，使用相机标定数据与相机标定算法将采样后的所述轮廓图像中的像素点位转化为世界坐标系点位；

步骤s62，对多个所述拍摄图像进行分组，在相邻两组图像的点位中寻找距离最近的两个点并将所有相邻图像中找到的距离最近的两个点集合于一组得到所述第二轮廓。

优选的，所述步骤s8中，所述系统控制柜根据所述第二轮廓添加过渡点、接近点和远离点并生成所述去毛刺轨迹。

一种基于视觉识别功能的手持工件去毛刺系统，包括：

一机器人底座，所述机器人装置于所述机器人底座上，通过线缆与所述机器人控制柜连接；

一打磨工作台，所述检测相机装置于所述打磨工作台上，通过线缆与所述系统控制柜连接；

一打磨工具，装置于所述打磨工作台上，用于所述工件打磨；

一系统底板，所述机器人底座、所述打磨工作台、所述机器人控制柜以及所述系统控制柜均装置于所述系统底板上；

所述机器人控制柜与所述系统控制柜通过线缆连接。

优选的，所述机器人上设有一夹持手爪，所述夹持手爪用于夹持一上料流水线中的工件。

优选的，所述机器人为六轴打磨机器人。

优选的，所述打磨工具至少包括一第一打磨工具和一第二打磨工具，所述第一打磨工具和所述第二打磨工具之间设有一预设距离。

其有益效果在于：

本发明解决了以往需要人工根据实际工件对轨迹程序进行调整的问题，降低了机器人去毛刺系统的搭建成本；同时使用检测相机对工件进行上料定位，以及对机器人运行轨迹进行调整，提高了去毛刺系统的稳定性，降低了系统的维护成本，同时该发明适用于诸多打磨切削去毛刺的应用场景。

附图说明

图1为本发明提供的一种基于视觉识别功能的手持工件去毛刺方法步骤图；

图2为本发明提供的步骤s6的一种具体实施例子步骤图；

图3为本发明提供的一种具体实施例基于边缘检测算法提取的轮廓图；

图4为本发明提供的一种具体实施例使用检测范围过滤的轮廓图；

图5为本发明提供的一种具体实施例使用长度阈值过滤后的轮廓图；

图6为本发明提供的一种基于视觉识别功能的手持工件去毛刺系统结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。

参照图1为本发明提供的一种基于视觉识别功能的手持工件去毛刺方法步骤图；包括：

步骤s1，在仿真环境中创建检测范围、检测运动轨迹和工件数模上指定打磨的轮廓，构成一第一轮廓；

步骤s2，一检测相机对机器人抓取的工件进行定位拍摄，并将拍摄得到的图像传送到一系统控制柜；

步骤s3，所述系统控制柜对所述图像进行分析得到一偏移量并将所述偏移量结果发送到一机器人控制柜；

步骤s4，所述机器人控制柜根据所述偏移量调整所述机器人检测轨迹，同时所述检测相机对实际所述工件的轮廓进行拍摄得到多个拍摄图像；

步骤s5，所述系统控制柜对多个所述拍摄图像上的工件进行轮廓识别得到多个所述拍摄图像的轮廓图像；

步骤s6，所述系统控制柜对所述轮廓图像进行分析处理得到一第二轮廓；

步骤s7，所述系统控制柜基于几何矩的算法对比所述第一轮廓和所述第二轮廓，若所述第一轮廓与所述第二轮廓的相似度低于一预设阈值，则系统控制柜发出警报，否则执行步骤s8；

步骤s8，所述系统控制柜根据所述第二轮廓生成一去毛刺轨迹并输出一控制指令发送到所述机器人控制柜，所述机器人控制柜根据所述去毛刺轨迹和所述控制指令控制所述机器人；

步骤s9，所述机器人根据所述控制指令移动到一指定打磨工具处并根据所述去毛刺轨迹进行去毛刺作业。

进一步地，步骤s5通过对多个拍摄图像进行高斯模糊处理、灰度化、使用边缘检测算法提取图像轮廓、移除检测范围外的轮廓以及使用长度阈值移除不必要的轮廓，得到多个拍摄图像的轮廓图像。

具体的，对多个拍摄图像进行高斯模糊处理、灰度化后，通过边缘检测算法提取图像轮廓10，得到如图3所示图像；再使用检测范围对边缘检测算法提取的图像轮廓10进行检测范围外的轮廓移除，得到如图4所示图像；最后使用长度阈值移除不必要的轮廓，得到最终提取的轮廓图像10，如图5所示。

在本发明较佳的一实施例中，边缘检测算法包括：

1.高斯模糊

高斯模糊是一种基于加权平均的降噪方法，它将一个范围内的像素值乘以它们各自的权重，最后将其赋予这个范围最中心的像素。它的权重基于高斯分布计算。

具体步骤如下：

(1)选取一个标准差σ；

(2)使用如下二维高斯公式计算算子：

其中，高斯滤波算子为(2r+1)*(2r+1)的矩阵，x,y为距离算子中心的距离，f(x,y)为矩阵中的元素，σ代表标准差，算子的半径r取3σ最接近的整数。

(3)使用计算得到的算子对图像进行卷积计算。

2.图像梯度的幅值及方向计算

使用图像梯度算子计算梯度，常见的梯度算子有roberts,prewitt,sobel等。

例：使用sobel算子计算图像在x,y方向上的梯度，公式为

其中，gx为图像在x方向上的梯度，gy为图像在y方向上的梯度。×号为卷积，a为待计算梯度的图像。

得到图像在x,y方向上的梯度后，计算图像的梯度幅值和梯度角度，梯度幅值采用如下式计算：

剃度角度采用下式计算：

其中，g为图像某一像素梯度幅值，gx为该像素在x方向上的梯度幅值，gy为该像素在y方向上的梯度幅值，θ为图像该像素梯度角度。

完成计算后对梯度角度进行分组到水平、竖直、两条对角线四个方向中，即0°，45°，90°，135°，这是由于二维图像中相邻像素只有四个方向。

3.对图像梯度进行非极大值抑制

将每个像素的梯度值与根据其梯度方向的相邻的两个像素的梯度值进行比较，若该像素的梯度比它相邻的都大，则保留；否则设置为0。

4.用双阈值算法检测和边缘

图像梯度经过非极大值抑制处理后，用高阈值和低阈值过滤得到两张轮廓图a，b。随后在低阈值图像b中寻找与高阈值图像a中轮廓相接的轮廓，将其添加到图像a中，最后输出图像a。

参照图2为本发明提供的步骤s6的一种具体实施例子步骤图，步骤s6包括：

步骤s60，使用等步长法或迭代适应点算法对所述轮廓图像进行采样；

步骤s61，使用相机标定数据与相机标定算法将采样后的所述轮廓图像中的像素点位转化为世界坐标系点位；

步骤s62，对多个所述拍摄图像进行分组，在相邻两组图像的点位中寻找距离最近的两个点并将所有相邻图像中找到的距离最近的两个点集合于一组得到所述第二轮廓。

具体的，根据提取的轮廓图像10，使用等步长法或迭代适应点算法对轮廓图像10进行采样；再使用相机标定数据与相机标定算法将采样后的轮廓图像10中的像素点位转化为世界坐标系点位，最后对多个拍摄图像进行分组，在相邻两组图像的点位中寻找距离最近的两个点并将所有相邻图像中找到的距离最近的两个点集合于一组得到第二轮廓。其中设相邻两组图像分别记为图像a和图像b，在图像a中找到的点记为pan，与图像a相邻的后一张图像b中找到的点记为pbn，将图像b中找到的点pbn之前的点(p1,p2.....pbn-1)全部舍弃，然后对所有相邻图像均采用上述操作，得到所有的点位，将所有的点位集合于一组到第二轮廓。

在本发明较佳的一实施例中，迭代适应点算法是一种迭代采样算法,其步骤如下：

(1)设定一个距离阈值,设为e；

(2)将检测出的轮廓以一串像素点的坐标表示，设为pn(x,y)；

(3)根据数列pn(x,y)中第一个点p1和最后一个点pn的坐标计算直线l1；

(4)根据pn(x,y)计算与l1的距离，获得一个距离最远的点pm和最远距离dm，若距离dm小于阈值e，则舍弃第一个点和最后一个点该之间所有的点；若距离dm大于阈值e，则将线段分割两条线段p1pm,pmpn，并对两条线段执行步骤(1)-(4)，直到迭代完成。

进一步地，步骤s8中，系统控制柜3根据第二轮廓添加过渡点、接近点和远离点并生成去毛刺轨迹。

具体的，系统控制柜3根据第二轮廓添加过渡点、接近点和远离点生成一去毛刺程序，机器人1根据去毛刺程序生成去毛刺轨迹。

参照图6为本发明提供的一种基于视觉识别功能的手持工件去毛刺系统结构图，包括：

一机器人底座2，机器人1装置于机器人底座2上，通过线缆与机器人控制柜4连接；

一打磨工作台6，检测相机7装置于打磨工作台6上，通过线缆与系统控制柜3连接；

一打磨工具8，装置于打磨工作台6上，用于工件打磨；

一系统底板9，机器人底座2、打磨工作台6、机器人控制柜4以及系统控制柜3均装置于系统底板上9；

机器人控制柜4与系统控制柜3通过线缆连接。

进一步地，机器人1上设有一夹持手爪5，夹持手爪5用于夹持一上料流水线中的工件。

进一步地，机器人1为六轴打磨机器人。

进一步地，打磨工具8至少包括一第一打磨工具和一第二打磨工具，第一打磨工具和第二打磨工具之间设有一预设距离。

具体的，打磨工具1上可根据需要设置不同型号的去毛刺刀具。打磨工作台6上可根据需要设置任意组打磨工具。

在本发明较佳的实施例中，系统的工作流程包括：

第一步，机器人控制柜4控制夹持手爪5从上料流水线上抓取工件；

第二步，夹持手爪5将工件携至检测相机7位置处，检测相机7通过拍摄获取照片并将照片传输到系统控制柜3检测获取工件在夹持手爪上的偏移量；

第三步，系统控制柜3将偏移量传输给机器人控制柜，机器人控制柜4控制夹持手爪5根据工件偏移量检测结果调整检测轨迹，然后检测相机7拍摄实际工件轮廓；

第四步，系统控制柜3根据检测相机7拍摄的照片并经过视觉对比度识别工件上的轮廓，经过处理后将其转换为夹持手爪5去毛刺轨迹传输给机器人控制柜4，并为夹持手爪5指定一处打磨工具8；

第五步，夹持手爪5根据生成的去毛刺轨迹前往指定的打磨工具8处进行去毛刺作业；

第六步，重复第二步至第五步过程，直至工件所有位置加工完成；

第七步，机器人1将工件放置在下料流水线上，完成一个工件的去毛刺循环。

综上，本发明决了以往需要人工根据实际工件对轨迹程序进行调整的问题，降低了机器人1去毛刺系统的搭建成本；同时使用检测相机7对工件进行上料定位，以及对机器人1运行轨迹进行调整，提高了去毛刺系统的稳定性，降低了系统的维护成本；本系统具有加工质量稳定，自适应性，便于维护等优点，适用于诸多打磨切削去毛刺的应用场景。

以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。