6S管理用机器人的制作方法

本发明涉及一种机器人，尤其涉及一种6S管理用机器人。

背景技术：

6S管理是现代企业行之有效的管理理念和方法，为企业解决如何用好空间、用足空间、保持环境清洁、形成良好习惯等问题。6S即整理(SEIRI)、整顿(SEITON)、清扫(SEISO)、清洁(SEIKEISU)、素养(SHITSUKE)，安全管理(SAFETY)，通过规范现场、现物，营造一种舒适、一目了然的工作环境，培养员工良好的工作习惯，最终提升人的品质，提高企业的现场管理水平。

然而由于人的惰性，再加上执行、督查等方面的原因，大部分企业无法将6S管理工作持续执行下去。因而，利用机器人去实现整理和现场监督等6S管理中比较繁杂重复的工作，具有广泛的应用前景。

技术实现要素：

本发明要解决的技术问题是提供一种6S管理用机器人，它能将图像识别技术和机器人技术结合起来，完成6S管理辅助工作。

本发明的6S管理用机器人，其特征是包括机械臂、相机、处理器和存储器及用于执行下述步骤的程序：

通过相机采集桌面图像；

对图像进行高斯滤波和图像反转处理；

将处理后的图像通过模板匹配算法，找到与桌面标签或实物的模板相似度最高的图像块，输出该图像块的中心位置坐标及用于所述图像反转处理的方向角；

将所述中心位置坐标进行坐标变换，获得桌面标签或实物的位置信息；

机械臂运动到实物处进行抓取；

抓取实物后的机械臂运动到桌面标签处放置该实物。

所述机械臂包括腕部及腕部电机、小臂及小臂电机、大臂及大臂电机和腰部及腰部电机。

还包括基于STM32-FPGA的运动控制卡，其与腕部电机、小臂电机、大臂电机和腰部电机均连接。

所述模板匹配算法包括如下步骤：

从模板图像和待配准图像中提取它们共有的显著特征；

匹配从两幅图像中提取的特征点；

根据配准特征对计算出几何变换参数；

根据所述计算出的几何变换参数，对待配准图像进行重采样，使得待配准图像和模板图像实现空间位置上的一一对应。

本发明的6S管理用机器人的技术效果是：一、可以通过模板匹配算法，获得桌面标签或实物的位置信息；以待机械臂运动到实物处进行抓取；并进一步运动到桌面标签处放置该实物，经过6S桌面管理机器人整理后，桌面摆放整齐。避免了人工作业，由此可保持6S管理的持续执行。二、本发明的模板匹配法基于特征点匹配，既提高了准确率，又达到实时效果。三、基于STM32-FPGA的运动控制卡，可以使得电机并行工作，最终提高了执行效率。

附图说明

图1是本发明的6S管理用机器人的结构图。

图2是本发明的6S管理用机器人的工作流程图。

具体实施方式

现结合附图，对本发明的实施例作详细说明。

参看图1，本发明的机器人主要由两部分组成，一是CCD相机5，二是机械臂，所述机械臂包括腕部及腕部电机4、小臂及小臂电机1、大臂及大臂电机3和腰部及腰部电机2。相机相当于机械臂的眼睛，机械臂相当于机器人的手。

还包括处理器和存储器，及用于执行下述步骤的程序：

（1）相机打开后，拍摄桌面照片，采集图像；

（2）图像处理，通过高斯滤波和图像反转处理；

（3）进行模板匹配，通过模板匹配算法程序，可以在输入图像中找到与6s标签内容和实物的模板相似度最高的图像块，用红色矩形框框出，并用红点表示矩形框的中心，输出该中心坐标和相似度；

（4）机械臂的抓取：计算机将中心位置进行坐标换算之后，将待抓取位置信息发送到机械臂，机械臂接收到信号后，运动到指定位置，对物品进行抓取；

（5）机械臂接收到计算机发来的6s标签的位置信息，放置到指定的位置；

（6）机械臂对没有放置到指定位置的物品逐一识别，然后抓取并放置到指定的位置，所有物品整理好后，完成整理，机械臂自动回到原位。经过6S桌面管理机器人整理后，桌面摆放整齐。

在实际应用中，由于受到光照、周围环境、系统自身等方面的影响，图像在采集、传输和记录的过程中会不可避免地受到干扰，进而导致图像失真，图片质量下降，使后续处理环节受到了影响，降低了处理的效率和准确性。因此，需要采取相应的措施以改善图像的视觉效果，提高图像质量。图像预处理主要包括高斯滤波和图像反转，高斯滤波主要用来消除高斯噪声，一般高斯滤波用窗口卷积的实现方式。高斯滤波的主要优点是对于正太噪声的抑制消除效果比其他滤波技术要好的多。由于6S品标签是由人员手工贴在桌面的，往往会有一定角度的倾斜，为了提高6S标签内容识别区域分割的准确性，需要对标签图像进行旋转处理，使识别标签内容区域保持水平，在提高标签内容区域分割准确性的同时，也有利于后续与6S标签数据库匹配的操作。本系统根据模板匹配定位操作返回的方向角对图像进行反转，然后根据标签内容区域与标签模板之间位置关系固定这一特点对标签内容区域进行定位分割操作。

经过预处理后的图像是二值图像，尽管二值图像中物体和背景分离，但是还不能确定目标物体的位置，因此需要通过算法识别目标物体。图像识别算法一般来说分为两类：模板匹配法和特征匹配法，模板匹配法就是计算机通过计算比对待识别物体与模板的相似度来确定是否为目标物体，特征匹配法是通过物体的形状、颜色等明显特征来区分待识别物体。模板匹配是通过对比模板和原始图片的相似度来识别目标图像。对于一张给定的图片，划分成很多不同的小块，通过依次移动模板图片，比对模板和原始图片小块的相似度，找到相似度最大的一块，用红色矩形框出。

模板匹配识别是把二维的图像灰度值投影变换成为一维的数据,然后再在一维数据的基础上进行匹配运算。通过减少数据的维数,来达到减少待计算的数据量的目的,从而可有效地提高匹配的速度。模板匹配方法简单快速,但是对于字符有断裂和粘连等情况容易造成错误的判断。针对以上情况，本发明提出了一种简单易行的方法,即先对图像进行二值化和字符分割,再利用模板匹配和特征点匹配相结合的方法进行字符识别,这样既提高了准确率,又可达到实时效果。因为一些字母与数字形状和结构很相似,在出现笔划断裂、粘连和模糊不清的情况时,仅进行模板匹配可能会造成误判断,譬如把这些容易混淆的字母和数字分成相应的组对它们用特征点匹配法来进行检查。特征点识别字符是先对待识别字符进行关键点提取,即对字符进行拓扑分析以得到字符边缘的关键点,再确定字符的分类。用这种方法仅用个特征点就可以把这些字符分开。

基于特征的模板匹配算法的具体步骤如下：（1）从模板图像和待配准图像中提取它们共有的显著特征（点、线、面等）；（2）匹配从两幅图像中提取的特征点；（3）根据配准特征对计算出几何变换参数；（4）图像重采样，即根据第（3）步中计算出的几何变换参数，对待配准图像进行重采样，从而使得待配准图像和模板图像实现空间位置上的一一对应。

FPGA即现场可编程门阵列，可以通过重复分配计算资源，同时执行多个编程人员设计出来的程序，本发明在传统的机械臂单STM32串行控制的基础上，加入FPGA的控制单元，将接收到的控制指令转化为不同电机的实际运动控制脉冲信号，控制电机完成制定工作任务。将STM32对复杂程序的快速处理能力以及丰富的外设拓展能力与FPGA的流水线型程序执行能力相结合，利用FPGA的并行处理能力来分担STM32程序中的重复计算逻辑，从而实现提高运动控制卡运行效率的功能。

以上所述仅是本发明的较佳实施例而已，并非对本发明做任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案的范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。