一、 摘要
   随着自动化技术和计算机技术的革新，机器视觉作为人工智能的一个重要分支在全球范围内蓬勃发展。与其他技术相比，机器视觉技术专业性更高，综合性更强。其所延伸的产品，大都具有高精度、高效率、适应能力强、高度自动化等优点。全国人大第五次会议上，相关领导人明确提出要加快培育新材料、人工智能、集成电路、生物制药、第五代移动通信等新兴产业，把发展智能制造作为主攻方向。
   机器视觉不仅仅是人类视觉的替代品，它更是生产质量和生产力的驱动力。在工业制造业中，很多需求需要对产品进行检测、分类、定位，特别在一些生产种类繁多，生产环境恶劣，产品要求较高，工厂规模较大的生产线上，车间的自动化水平直接决定了生产的效率。因此，机器视觉技术的发展是大势所趋，在工业制造业转型中有着重要地位，是实现工业自动化的必要手段。
二、视觉引导分拣系统简介
   当前物品分拣线上，大多还是靠传统视觉进行分拣，而传统视觉方法主要是依靠人工进行判断。但人工长时间工作容易产生疲劳，无法一直保证很高的检测效率。且由于人眼本身的生理极限，很难在速度、精度等方面达到较高的标准。因此，传统的人工检测方式制约了生产力水平的发展和提高，已经难以满足生产生活的需要，现代分拣产业也迫切需要更多新的机器技术来替代人类视觉。
本系统是基于上述实际要求进行的目标性设计，是为了解决一类人或厂商遇到的具体问题。该系统在生产线上主要承担两个连续的引导检测任务：
    1、定位产品完成抓取。
    2、定位载物托盘完成放置。
在执行时，此流程由电气程序、机械结构、机器人、上位机程序相互配合，自动完成。
其中，对于定位算法的要求同样包含两方面：
    1、产品在抓取工位的摆放位置和摆放数量都是随机的，需要由视觉对其定位，引导机器人调整位姿准确抓取；
    2、将抓取的产品放到托盘里面，载物托盘的位置同样是随机的，需要由视觉定位载物托盘的当前位置，调整机器人姿态，完成准确放置。
   该系统在实际应用中，其识别准确率可达到98%以上。从抓取到精准放置，累计误差在0.1mm以内，精度较高，可以满足绝大多数视觉引导机器人项目的需求。而且在模板创建方面，预留了接口，可以无限添加目标物模板。
三、系统定位检测原理
   系统的检测算法主要以康耐视的VisionPro算法库中的PatMax算法进行匹配。
   该算法是基于形状进行匹配，即根据设定的图像特征和阈值，在视野内提取特征进行匹配，从而锁定目标的一种方法。对于PatMax算法，处理的图像对比度范围较广，对于散焦、部分遮挡和预期之外的特征都可以做到精准识别，且可完成坐标定位，角度测量和尺寸大小等目标结果的输出。其原理流程如图1所示：

图1  形状匹配算法处理流程

Fig1  Processing flow of shape matching algorithm

   输入为视野图像和模板图像，输出为查找到的坐标位置、得分、角度和缩放比例。视野图像是运行过程中相机视野采集到的图像，模板图像是提前保存好的具有目标物体特征的图像。
   实际应用过程中，相机采集的视野图像内包含有一个或多个模板图像，并且会存在角度偏转，大小比例缩放等情况。在创建模板时，需要针对性的优化模板特征参数以及特征图案，从而找到成功率最高的参数模板配置。
四、系统的设计与实现
   整个系统的由软件和硬件两部分组成。整个系统架构如图2所示：

图2  系统的组成
Fig2  Composition of the system

   硬件组成模块上，视觉系统可分为图像采集系统、工控机、工业机器人三大模块，三大模块之间具有前后相互协作关系。
图像采集系统包括相机、镜头、光源；工控机即电脑相关设备；工业机器人包括机器人本体、机器人配电柜、机器人手控盒三个主要部分。此系统中，除上述主要的组成模块外还有其他辅助性但也很关键的硬件组成，如电气模组、机械结构等，这些硬件保证了系统功能的完整性。
   对于视觉系统来说一张好的初始图片可以大大降低算法的复杂度，在图像采集系统的硬件选型上，结合实际需求做了大量的测试，最终确定以四面条光，相机采用的1200万高像素面阵相机取像。
软件部分承担了视觉引导系统的图像分析、数据转化传输、流程控制等功能。是系统运行的灵魂所在，本视觉系统整个软件部分是由上位机软件和机器人程序两大部分组成。两者相互之间通过逻辑交互，共同完成整个的流程工作。其中上位机软件是视觉系统软件部分的主体，机器人程序主要是辅助上位机软件，配合完成流程的执行。要保证系统的完整性，上位机软件需由图像预处理模块、标定模块、校准模块、形状匹配模块、斑点检测模块、相机调用模块、通讯模块七大模块组成。
   如图3为视觉系统的操作主界面：

图3  操作主界面
Fig3  Operating Main Interface

   系统分为两个检测工位，分别负责定位工件和托盘，从图像定位到机器人执行抓放动作，都由系统自动完成，无需人工参与。在系统底层的处理算法中，除图片预处理、目标定位等图像方面的算法外，系统还应用到了坐标转化、仿射矩阵转换等数学方面的计算，其稳定性经得到过验证。
   另外，考虑到系统的通用性，在设计时对于模板的创建预留了接口，所定位的目标物模板可以进行任意添加。
五、结论
   本文以机器视觉理论为背景，构建并实现了一套完整的视觉引导分拣系统。构建过程中结合实际应用经验，对系统涉及到的硬件选型、图像算法稳定性、机器人通信、相机SDK调用等做详细验证与实现。在实际应用过程中，该系统可做到大大提高产线的生产效率，降低生产的破损率，具有较高的精度和稳定性。