机器视觉拥有其突出的时效性、稳定性、可靠性被广泛应用于工件缺陷检测、药量检测、芯片引脚检测、快递分拣等众多领域。在大型箱体分拣领域,机械手搭载机器视觉系统,这就相当于让机械手拥有了“眼睛”,促进企业生产运营更加智能化、柔性化。机器视觉系统实现定位主要有两种导向方式,分别为视角非固定方式(Eye-in-hand)和视角固定方式(Eye-to-hand)。Eye-in-hand即摄像头固定在机械手上随机械手一起运动。这种摄像头安装方式可以随时观察拍摄视角,但在切换视角时图像的背景也随之变化,带来后期图像分割的复杂性。Eye-to-hand即摄像头固定在某个高度不随机械手运动,虽然在机械手的灵活性上有一定的限制,但拍摄的图像背景是几乎固定不变的,易于图像的分割。本文采用Eye-to-hand方式固定安装摄像头实现单目视觉引导的五自由度机械手定位研究。课题研究准备初期学习了机器视觉、机器人技术等相关理论并确立了研究路线。进而展开对机器视觉系统标定、机械臂运动控制、目标的识别和定位算法的研究,研究主要内容包括:1.首先建立了机器视觉系统的相机标定、手眼标定模型之间的转换关系。在相机标定环节张氏棋盘格标定法获取相机内参。然后理论分析相机姿态和机械手末端工具姿态转换关系,并在Matlab上实现Navy手眼标定算法求解本文所用手眼标定转换矩阵。其次建立五自由度机械手关节D-H模型先进行正运动学分析,根据正运动学得到的位姿矩阵反解逆向运动参数,验证了指定坐标后逆运动学求解的不唯一性。最后实现点到点单段轨迹规划,研究了三次、五次多项式插值对机械手运动平稳性的影响。实验结果证实关节三次多项式插值仿真中角位移和角速度曲线是平稳过渡的,满足机械手运动稳定性的要求。2.在目标识别方面,首先对采集后的彩色图像进行灰度值转换后的混合滤波处理,滤波后的图像保存了完好的图像边缘信息。好的图像目标和背景灰度差别明显,因此为了获得更好的图像质量可以采用图像增强的方式使得目标边界更加清晰。然后利用阈值法(最大类间方差法)实现背景和目标的分割,分割后的目标进行形态学闭运算拥有连续性边缘且图像中间无空洞。最后利用最强算子Canny算子提取目标的边缘信息,提取到的目标像素为1~2个像素单位,为后续目标定位做准备。3.在图像目标定位方面采用“一目定位法”,即采用单帧图像借助人工标志辅助实现快速定位。目标质心的二维平面坐标估算是利用改进后的Harris角点检测算法先检测出角点,并通过角点坐标计算得出。接着对贴在目标表面的人工标志图案采用P4P点特征求解目标的深度信息。至此完成了目标在摄像机坐标系下的位置矩阵。此外,通过任意的不共线的三个人工标志点可以求解相机拍摄情况下的旋转矩阵,因为本文采用相机固定安装,相当于目标物体相对于相机进行旋转,至此可以得到目标物体的欧拉角。结合上述的位置矩阵和目标的欧拉角完成了目标在摄像机坐标下的位姿求解。实验结果表明,本文提出的结合角点和人工辅助标识点对目标位姿求解实现快速、精准定位,实验结果证明,在世界坐标系参考下Z轴方向上的位置平均相对误差为7.096%,Φ偏航角姿态估计平均相对误差为19.58%,综合以上数据证明在实现目标快速定位上具有一定价值参考意义。