一种基于工业视觉的金属表面修磨系统的制作方法

本发明涉及金属表面修磨技术领域，具体涉及为一种基于工业视觉的金属表面修磨系统。

背景技术：

表面光洁度是产品的重要指标之一。在材料加工制造业中，金属制品的表面在生产过程中不可避免地会出现一些缺陷，如划伤、裂纹、凹坑和夹杂等，严重影响产品表面质量及后续的使用或再加工。随着社会经济的发展，市场对产品质量提出了越来越高的要求，因此对产品表面处理要求也日趋严格。以钢厂为例，一般采用机械修磨的方式对钢铁制品的表面进行修复抛光。目前我国钢厂几乎全部采用传统的人工修磨方式，修磨质量粗糙，深浅不一，任务繁重，而且工况环境恶劣也不利于长时间人工作业。

随着自动化与人工智能的迅速发展，机器人可以取代大量重复繁重的人工劳动。现有技术中，存在从事修磨工作的机器人，用于工业自动化领域。但上述存在技术属于预先设定固有程序的重复性动作机器人，本发明可以实现让机器人通过视觉观察产品外观质量，动态做出修磨姿态和轨迹的调整，完成表面缺陷的修复或抛光。

技术实现要素：

本发明目的在于解决重复繁重人工修磨金属表面带来的诸多问题，实现主动识别、自动修磨的智能化控制。本发明提供的技术方案如下：

一种基于工业视觉的金属表面修磨系统，包括视觉处理系统、修磨运动系统和辅助系统；其中，视觉处理系统包括视觉采集装置和数据处理终端，用于实现照片采集和对图像数据进行加工处理，获得缺陷的大小和坐标定位。

修磨运动系统采用六轴工业机器人，末轴法兰处连接一种多工位结构件，其中一个工位配备一套力平衡控制器，该力平衡控制器经过设计改良由3d打印的软胶皮包覆，起到防尘作用，并配有多功能接口集成装置，该控制器通过连接件夹持一套砂轮机，该夹持装置可方便更换，根据工况条件选择适合的砂轮机型号，该力平衡控制器通过pid控制机器手的压下力道，修磨量精准可控，同时保证了用力一致修磨深度均匀；多工位结构件的其他工位搭载传感器，如激光深度仪，配合修磨过程中使用，可在线实时检测被修磨物体的表面平直度以及修磨缺陷的深度，以此计算合理的修磨量；修磨运动系统设置了动态轨迹规划模型，根据视觉系统反馈缺陷的大小和中心坐标，自动计算最优的机器人运动轨迹，通过旋转多工位结构件用传感器测量预估修磨量，然后控制力平衡控制器和砂轮机沿指定轨迹对金属表面进行修磨工作；该模型的特点是将大缺陷切成最小矩形减少修磨浪费，小缺陷聚集成大矩形提高修磨效率，具体流程图如图1所示；

首先，定位缺陷最外轮廓，求外轮廓外切矩形周长，若外切矩形周长大于smax则对缺陷最外轮廓减半，再进行比较；若外切矩形周长小于smin则将最接近的两缺陷最外轮廓合并；直至外切矩形周长不大于smax且不小于smin；之后计算确定后的外切矩形的中心及长宽，传输给系统制定合理的轨迹规划。

辅助系统，包括结构光、遮光幕、除尘装置以及传动机构；结构光用于在视觉采集视野范围内，对称补光与视觉采集方向构成一定的夹角形成暗场，暗场保证光线的强度和均匀性有利于视觉采集；遮光幕用于当幕布在视觉采集装置上方处于完全开启状态，可覆盖视觉采集视野，保证无外界光源的干扰，有利于提高成像质量；传动机构用于实现修磨运动系统的整体移动和定位。

上述视觉处理系统中的数据处理终端采用的具体的算法步骤如下，整体流程图如图2所示：

(1)使用局部区域gamma校正方法，提高图像的对比度和均匀性，目的是避免或减小图像过亮过暗区域对识别造成影响，如式所示：

γ[i,j,n(i,j)]＝2^{[128-mask(i,j)/128]}

式中：i(i，j)为输入图像像素矩阵，o(i，j)为输出图像像素矩阵，γ为调节的值，mask为掩膜，对原始图像取反，然后做高斯模糊；

(2)对矫正后的图像进行饱和度增强处理，利用hsl颜色空间进行饱和度s的上下限控制，对rgb空间进行补丁式调整；调整过程在rgb空间进行，判断每个像素在r、g、b通道对应的值是否大于或小于该通道的平均值，大于加上调整值，小于则减调整值，调整值为平均值乘以调整系数，调整值系数α如式计算；

式中：max与min为rgb颜色空间中最大、最小的像素值；s表示饱和度；i为设置的饱和度增量。

(3)相机采集缺陷图片是二维信息很难检测缺陷深度信息，本系统结合传感器和辅助颜色标记两种方式来解决这一问题，辅助颜色标记具体的做法是通过不同的颜色来表示不同的缺陷深度。基于(2)的结果对rgb空间进行对应的颜色通道相减，如偏红色采用r通道减去g通道，此方法可有效过滤掉公共像素部分，保留目标色彩特征；

(4)对(3)得到结果观察直方图特征，采用自适应阈值方法对灰度图进行二值化处理；具体步骤如下：灰度直方图转换成曲线图，曲线平缓区为目标分割阈值，对每连续n个灰度级的像素个数小于m时判定为平缓区，即目标分割阈值。其中n取5～10，m一般取图像大小的1/20～1/10。

(5)对二值化结果做形态学腐蚀膨胀处理；

(6)通过sobel函数寻找钢板边缘，并保留横向与纵向最长边，当最长边大于图像尺寸横向或纵向的一半时，判定为钢板边缘输出边缘二值化结果，将结果与步骤(5)的结果相减，去掉冗余重复的边缘背景信息，得到无边缘干扰的缺陷怀疑区，避免钢板边缘处误识别；

(7)寻找(6)图像结果中的目标缺陷轮廓，索引轮廓外切矩形区域对应步骤(3)结果的灰度像素与步骤(6)的灰度值，提供给验证函数作为缺陷的二次判断依据；

(8)对(7)的结果，调用验证函数对缺陷信息进行二次判断，以保证准确率。验证函数包括三个评价指标，第一个是轮廓的外切矩形最短边边长小于15～20个像素为钢板边缘或噪点，反之为缺陷区域；第二个是识别结果区域密度ρ，如下式所示，密度ρ大于0.5～0.8为过曝区干扰，反之为缺陷区域；第三个是灰度值大于230～250且数量超过10～15为反光误识别，反之为缺陷区域，进而筛选出缺陷区域；

式中：s1为二值化白色点数量；s为区域总面积。

(9)对步骤(8)的结果进行切割分解，每p个像素集合独立自成一块矩形，小于p直接输出；若不足将剩余像素直接匹配缺陷区外切矩形，该步骤的主要目的是针对大缺陷的精细化修磨，减少修磨空白区，提高修磨效率。

上述视觉采集装置包括相机、滑轨、支架、散热装置和照射灯，相机视野与被测物体表面形成一定的夹角，相机嵌在视觉采集装置内；该装置外观成六面体，六面体上部为翻盖，便于装置内部的维护调试；下部为防高温双层真空玻璃，用以保护装置内部元器件；六面体一侧配有水电气接口，内部用以水冷循环或风冷循环，另一侧配备过滤网排风口；视觉采集装置内部底座固定一个小型滑轨，滑轨固定于支架上，用于单方向平移，调节相机与相机的视野间距，滑轨上集成三维云台，可实现360°的旋转，最终相机坐落于云台上，通过滑轨和云台的组合调节实现各种视野拍摄角度，大大简化安装过程，提高调试维护效率。

进一步地，辅助系统中的结构光是对称部署条形光源或圆顶平行光源。

进一步地，辅助系统中的遮光幕布置在视觉采集装置上方的支架，由平行的两根硬杆做支撑，自动或手动控制遮光幕沿硬杆长度方向移动，实现幕布的开启、闭合功能。

进一步地，辅助系统还包括除尘装置，其分为集尘装置和吸尘装置两部分，集尘装置主要由压缩机和收集尘屑柜组成，根据工况有随框架移动或固定两种布置形式；吸尘装置由软管连接集尘装置和机器人末端，软管端部有吸尘口贴放砂轮机附近或直接罩住砂轮机，达到将砂轮修磨产生的金属屑沫吸收的作用。

本发明的有益效果是：

修磨运动系统结合视觉处理系统待修磨区域的精细化分割，避免过多的修磨浪费，提高了修磨效率；力平衡系统结合深度检测，实时控制修磨力道以及合理的下压量，保证了修磨均匀性和表面质量；整套系统的修磨识别率和修磨质量有多重保障，实际应用中将大大减少或取代恶劣环境下的修磨人员。

附图说明

图1是本发明的动态轨迹规划模型流程图；

图2是本发明的视觉处理算法流程图；

图3是本发明实例一的视觉采集装置机架结构示意图；

图4是本发明实例一的修磨机器人装置机构示意图；(a)结构示意图，(b)主视图。

图5是本发明实例一的修磨系统工作流程图；

图6是本发明实例二的修磨系统示意图；

图中：1登高梯；2围栏；3更换扶手；4滑轨a；5滑轨b；6滑轨支架；7相机支架；8相机外壳；9相机；10散热装置；11灯架横梁；12照射灯；13支撑立柱；14修磨手臂；15横梁；16y轴主梁；17工业相机；18辅助光源支撑架。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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做出创造性劳动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。

实例一：

一种基于工业视觉金属表面的六轴机器手臂修磨系统，视觉采集装置机架结构如图3所示，修磨机器人如图4所示。

登高梯1便于技术人员登高，调整相机位置；围栏2与更换扶手3保障技术人员在云台上工作安全；滑轨a4与滑轨b5便于安装相机与调整相机位置；滑轨支架6对滑轨a4与滑轨b5起支撑作用；相机9用于采集钢板表面图像；相机支架7与相机外壳8对相机9起支撑保护作用；散热装置10用于给相机9散热；照射灯12用于增加相机采集视野亮度，减少环境光干扰；灯架横梁11对散热装置10起支撑作用。

修磨运动系统置于辊道一侧，视觉处理系统置于另一侧，云台设有横梁向下拍摄，可覆盖机器人工作距离范围内，探照灯放置于云台上方，与水平面倾角45°照射钢板修磨区。

操作流程如图5所示：

(1)标定：相机使用前在相机视野下铺设棋盘格，使用“张正友标定法”，计算相机镜头内外参数与畸变参数，并保存成xml文件，计算图像参数矩阵处理后的图像与实物尺寸的映射系数k。

(2)启动：钢板通过传送辊道，移动到相机视野内，自动或手动点击启动按钮，程序会接收到信号启动采集程序加载参数矩阵，输出畸变矫正过的图像，并调用识别算法，输出缺陷标记区在图像中的位置，与k相乘输出缺陷坐标。

(3)修磨：机器人会保持一定的姿态将端部移到缺陷坐标处，利用力平衡控制器上的激光传感器测量修磨深度，计算出z坐标传递给机器人。通过计算得到缺陷区尺寸大小规划适合的修磨轨迹，机器人从内向外逐层修磨。对于深度修磨，自主规划“w”形轨迹连续运动；对于精修优化修磨质量，自主规划“l”形轨迹连续运动；对于散点或边缘过度情况，自主规划方形和坡度轨迹连续运动。

实例二：

一种基于工业视觉的金属表面龙门架机器手臂修磨系统，布置形式如图6所示。支撑立柱13对y轴主梁16起支撑作用；修磨手臂14用于修磨缺陷；横梁15用于修磨手臂14沿x方向移动；y轴主梁16用于横梁15沿y方向移动；工业相机17用于采集钢板表面图像；辅助光源支撑架18用于放置辅助光源。

辊道两侧放置固定立柱，上方架着y轴主梁16，横梁搭在两y轴主梁中间，可沿y方向移动，横梁下方悬挂机器手臂，y轴主梁两侧放置相机倾斜45°拍摄钢板，下方放置条形led光源进行补光。

操作流程：

(1)标定：横梁架沿y方向移动，每固定步长停留一次进行拍照，拍照的视野在不同位置放有棋盘格，进行内外参标定与畸变矫正，将参数矩阵保存成yml文件，并计算图像参数矩阵处理后的图像与图像实际尺寸的比例系数k。

(2)启动：钢板移动至框架内区域，横梁架沿y方向移动，每固定步长停留一次进行拍照，调用识别算法，输出缺陷标记区在图像中的位置，与k相乘输出缺陷坐标。

(3)修磨：修磨机器人随横梁架沿y方向移动，在有缺陷处停下机器人开始进行修磨工作，修磨方法同实例1。

工作时：首先将机械手臂归位到初始位置，原理视觉的采集区域，辊道启动，将钢板停在视觉的采集区域内，机械手臂向视觉发送缺陷请求，视觉接到请求之后，立即针对区域内的钢板进行采集，进一步对图像处理，提取信息，生成坐标，在发送给机械手臂系统，在根据发送来的坐标，视觉坐标和机械手臂坐标进行转换，机械手臂根据当前所获得的所有坐标，进行最优排序。进一步，机械手臂移动到一个缺陷的左上方，此时受力稳定控制器上的位移传感器测量此时钢板和辊道结合之后高度差，准确移动到钢板表面上，砂轮机随即开始工作，机械手臂系统根据缺陷大小，尺寸规划轨迹，修磨钢板。依次修磨，当修磨结束时，机械手臂自动回到初始位置，砂轮机停止工作，一切归零，等待钢板移动到下一位置，检测缺陷。在其中如果坐标位置超过机械手臂的工作区，机器人报警，跳过缺陷。当长时间修磨之后，需要更换设备，或者检测，可以将设备自动归位到安全门和换料小窗的位置。检查结束再回到初始位置。

将钢板移动到修磨机器人修磨范围内，四周光源均匀照射，将修磨区域完全暴露在采集设备的视野范围下。通过上位机编写机器人控制程序，并连接到按钮上，当启动按钮时，机器人向采集设备发送缺陷位置请求，采集设备此时立即工作，对钢板表面进行扫描式检测，将检测到的缺陷，按照一定格式，发送给机器人坐标系统，机器人收到坐标后，对坐标进行分析，删除掉机器人修磨范围外的坐标以及错误坐标，再经过坐标转换算法，进行采集设备坐标与机器人坐标的转换，得到坐标之后，机器人即刻自动移动到第一个缺陷的左上方位置，此时位移传感器测得此时砂轮片离钢板的高度，将距离传给机器人，机器人根据采集设备和位移传感器的数据，准确定位到缺陷位置，将缺陷信息转换为机器人的修磨轨迹，并下达给机器人指令队列，当机器人一条一条执行运动指令时，砂轮片接触到钢板时，受力稳定控制机发挥控制力的作用，保持修磨力度的恒定，可避免人工抖动导致的修磨质量问题。运动误差和修磨误差的精度控制在±0.1mm,每一块缺陷修磨后的质量呈现规则的形状，修磨深浅平均且表面光滑。由于机器人可以不间断的工作，生产效率得到显著提高。随着钢板越来越宽，修磨工在辊道上工作已成为不可能，机器人手臂可以满足要求，增加了流水线生产的安全性，本发明在每个机器人周围配备吸尘设备，同时创造了良好的作业环境。