论文部分内容阅读
摘 要：机器人在工业上已经取得了非常大的进步，尤其是视觉传感器的应用对于机器人的智能化有很大的帮助。基于DMC5480运动控制卡，通过视觉处理系统实现了RS232串行通信，设计了一套可识别机器人手臂的精准定位系统，详细研究了控制系统硬件，规划了控制系统控制策略，编写了上位机操作软件。最后设计了一套带视觉识别的象棋机器人手臂。实验结果表明，机器人手臂可以代替人手功能在工作区域内沿任意轨迹运动。
关键词：视觉识别；机器人手臂；DMC5480运动控制卡；伺服控制
中图分类号：TP391.4 文献标志码：A
目前，国内外学者很少把机器人手臂应用到中国传统的娱乐项目上，如中国象棋[1]。而中国国内对娱乐机器人的开发与研究也处于起步阶段，如何应用机器人手臂代替人的手臂来实现下棋是本文主要解决的问题。基于以上问题研究了一种基于DMC5480运动控制卡的开放式结构机器人控制系统，在高速，高精度，多轴联动等方面具有很大优势，并且加入了视觉识别部分，功能更加完善，具有很大的优越性。
机器人大多拥有多个运动轴，并且大部分是多轴实时联动的运动控制系统。经典的机器人控制系统大多采用的是封闭式体系结构，采用专用的计算机结合单片机构成控制回路[2]。该体系结构下的控制器很难在速度快、精度要求高的条件下完成工作，同时多轴同步运动控制也存在技术难题。除此之外还有一系列缺点，包括使用成本大多数很高，需要很长的开发周期，很难升级换代，添加新功能不容易等。以上缺点限制了机器人的工作场合和应用范围。
1 视觉识别部分
人类获得外界的信息有很多种方式，但其中有80%是来自于视觉图像信息的，主要包括图像、形状、文字、视频等。计算机的迅速发展，使得人们很容易地利用计算机来获取图像与处理视觉信息[3-8]。图像处理技术是一门复杂的学科，它包括视觉图像获取和对图像的加工处理。如今越来越多的人开始关注视觉图像技术，图像技术大致有3个层次：图像处理、图像分析和图像理解。对图像分割以改善视觉效果是图像处理主要完成的部分。图像分析则是把原来以像素描述的图像转变成简洁的非图形式的符号描述，主要应用图像分割和特征提取。图像中的目标和它们之间的联系则是图像理解所要研究的，其所采用的处理方法大多数参考人类的思维推理，两者非常类似。在机器人视觉伺服的研究中，要用到图像的分析以及对图像的理解，即对图像的分割以及对图像中目标的识别。
图像处理与机器视觉的最基本问题是图像的分割，其主要的方法是把图像划分成若干互不交迭区域的集合，这些被划分出来的区域除了对当前的任务有意义之外，还非常有助于说明它们与实际物体之间的某种对应关系[9]。
实验中采用RS232串行通信。实验中的棋子均采用黑色圆柱体钢制材料代替，直径50 mm，厚度15 mm。首先建模经过二值化预处理（本文采用的是比较简单的二值化处理方法），对RGB彩色图像灰度化以后，扫描图像的每个像素值，像素值小于127的设为0（黑色），像素值大于等于127的设为255（白色）[10-13]。该方法的好处是计算量少、速度快。通过二值化处理获得工件的RGB值存到存储器，主要包括工件的R，G，B值，以此为模板，视觉摄像头到达工件的上方时对其进行扫描获得RGB值，当与模板值相差±3时均认为满足模板要求进行抓取。
2 机器人手臂控制系统硬件设计
2.1 DMC5480运动控制卡的概述
实[WTBX]验中根据控制臂下棋的动作功能需要采用3自由度的运动方向，即空间坐标系X，Y，Z轴。同时应该满足高速运动，速度可调，运行稳定，具有一定的智能化，后期扩展性强等优势。因此选用DMC5480运动控制卡，DMC5480是一款基于PCI总线的高档脉冲式运动控制卡，该产品不但采用了雷泰公司自主研发的运动控制专用芯片（ASIC），还增加了CPU和RAM，并配置了512段缓冲，使得实时处理能力更强；同时在先进的轨迹规划软件支持下，实现了运动前瞻控制，使其高速轨迹控制性能十分优秀。DMC5480还具有许多其他高级功能，如：在电机运动过程中，程序可以根据不同的条件修改该运动过程的速度和目标位置；可以设置不同加速度、减速度的梯形、S形速度曲线。
具体硬件系统框图如图1所示。
该机器手臂主要有3个运动轴，设定为X，Y，Z轴，也就是三维坐标系。棋盘的坐标系与机械手的坐标系X轴Y轴方向一致，只有Z轴是方向相反的，因此只需要将Z轴的运动方向设置成负的就可以了。每一个轴上面都有一个伺服电机来驱动，视觉传感器安装在Z轴的顶端，在工作区域内识别物体。由于设计的是象棋下棋软件，所以要有一定工作区域的设定，以棋盘为界设计一个长为63 cm，宽为56 cm的活动范围。
3 控制系统的软件规划
上位机需要调用DMC5480运动控制卡里的函数，输出脉冲给伺服驱动器，驱动电机转动，所以为了实现想要的功能必须编写相应的操作界面，调用函数[14]。本设计采用VB编写上位机界面。棋盘中的甲方乙方均采用一个机械手臂来实现抓取放置，首先在Z轴顶端的视觉传感器识别到工件时传递给上位机，通过分析调用运动函数，运动控制卡就会输出相应的脉冲数，驱动电机运动，再通过速度插补等控制实现定位。抓取工件的时候，主要是Z轴向下运动接近工件时打开电磁铁吸取工件，然后上升放置到指定的地点。以上运动均通过上位机软件操作。
3.1 速度控制
运动速度之所以要按梯形曲线变化，是因为电机轴和负载具有惯性，不可能在瞬间内达到指定速度，必须有一个加速过程，减速时也一样，否则电机会因为瞬间力矩不足而出现丢步、过冲（步进电机）或振荡（伺服电机）现象[15]。速度控制如图3所示。
3.2 加减速过程的距离（脉冲数）计算
对于梯形速度曲线运动，加/减速段的运动距离（脉冲数）可按以下公式计算： Dacc =（1/2）×（Max_Vel×Max_Vel）/ acc，
Ddec =（1/2）×（Max_Vel×Max_Vel）/ dec。
其中：Dacc，Ddec分别为加速段距离和减速段距离；Max_Vel为运行速度；acc，dec为加速度和减速度。
3.3 多轴联动
所谓同时执行是在程序中顺序调用函数，因为程序执行速度很快，在瞬间几个电机都开始运动，给人的感觉就是同时开始运动。多轴联动在各轴速度设置不当时，各轴停止时间不同、在起点与终点之间运动的轨迹也不是直线。联动示意图如图4所示。
为了解决运行轨迹不是直线的问题就需要对X轴和Y轴的速度进行调试与匹配，经过多次实验得出的结论是两轴的速度之差不能大于5 000个脉冲。
3.4 二轴直线插补
二轴直线插补如图5所示。
通过将以上各部分联系起来可以给出控制系统的软件控制方案。
4 视觉象棋机器手臂的实现
基于以上硬件与软件的研究，最后设计了一个视觉识别的象棋机器人手臂。该手臂可以模拟人的手臂，当操作者在上位机操作下象棋的时候，硬件部分就可以迅速找到该棋子并抓取放置到指定位置。
上位机操作界面如图6所示。
5 结 语
采用DMC5480系列新一代多轴运动控制器构造机器人控制系统，可以很好地解决控制器在速度快、精度要求高的条件下完成工作的问题；同时也解决多轴同步运动控制的技术难题；同时还可以轻松地给机器人增加外部传感器和网际控制功能。其是新一代机器人控制器的主流发展方向，也为解决一些高难度机器人工程项目提供软硬件技术支撑。
参考文献/References：
[1] 曹 健.图像目标的表示与识别[M].北京：机械工业出版社，2012.
CAO Jian.Representation and Recognition of Image Target[M].Beijing：China Machine Press，2012.
[2] 王业琴，王克奇，白雪冰，等.计算机视觉木材表面色差检测的研究[J].林业科技，2005，30（2）：36-38.
WANG Yeqin，WANG Keqi，BAI Xuebing，et al.Research on wood surface chromatism in computer visual[J].Forestry Science & Technology，2005，30（2）：36-38.
[3] 徐 琨，李 燕.基于分块颜色矩和纹理特征的图像检索方法[J].西安石油大学学报（自然科学版），2005，20（2）：77-79.
XU Kun，LI Yan.An image search approach based on local main color feature and texture feature[J].Journal of Xi′an Shiyou University（Natural Science Edition），2005，20（2）：77-79.
[4] 杨红菊，张 艳，曹付元.一种基于颜色矩和多尺度纹理特征的彩色图像检索方法[J].计算机科学，2009，36（9）：274-277.
YANG Hongju，ZHANG Yan，CAO Fuyuan.Color image retrieval approach based on color moments and multi-scale texture features[J].Computer Science，2009，36（9）：274-277.
[5] 赵守鹏.家庭服务机器人的现状及其发展趋势[D].济南：山东大学，2007.
ZHAO Shoupeng.Study of Intelligent Space Key Technology of Home Service Robot [D].Jinan：Shandong University，2007.
[6] 冯建辉，杨玉静.基于灰度共生矩阵提取纹理特征图像的研究[J].北京测绘，2007（3）：19-22.
FENG Jianhui，YANG Yujing.Study of texture images extraction based on gray level co-occurrence matrix[J].Beijing Surveying and Mapping，2007（3）：19-22.
[7] 高 隽，谢 昭.图像理解理论与方法[M].北京：科学出版社，2009.
GAO Juan，XIE Zhao.Image Understanding Theory and Method[M].Beijing：Science Press，2009.
[8] 李春华，付 丽.基于DCT变换的数字图像盲水印算法[J].河北科技大学学报，2012，33（4）：334-337.
LI Chunhua，FU Li.Blind digital image watermarking algorithm based on DCT[J].Journal of Hebei University of Science and Technology，2012，33（4）：334-337.
[9] HERMANN G.Patch programming：The integration of motion planning into numerical control[J].Computers in Industry，1984，5（4）：351-359.
[10] WU Y C， LEE Y S， YANG J C.Robust and efficient multiclass SVM models for phrase pattern recognition[J].Pattern Recognition，2008，41（9）：2874-2889.
[11] MELLINGER J，SCHALK G，BRAUN C，et al.An MEG-basedbrain-computer interface（BCI）[J].Neuroimage，2007，36（3）：581-593.
[12] DARIO P，GUGLIELMELLI E，ALLOTTA B，et al.Robotics for medical applications[J].IEEE Robotics and Automation Magazine，1996，3（3）：4456.
[13] PRIOR S D，WARNER P R.A review of world rehabilitation robotics research[J].Colloquium on High-Tech Help for the Handicapped，1990（4）：1-3.
[14] GUEGUEN L， PESARESI M.Multi scale Harris corner detector based on differential morphological decomposition[J].Pattern Recognition Letters，2011，32（14）：1714-1719.
[15] ZHANG C S， CAI Q，SONG Y.Boosting with pairwise constraints[J].Neurocomputing，2010，73（4/5/6）：908-919.
关键词：视觉识别；机器人手臂；DMC5480运动控制卡；伺服控制
中图分类号：TP391.4 文献标志码：A
目前，国内外学者很少把机器人手臂应用到中国传统的娱乐项目上，如中国象棋[1]。而中国国内对娱乐机器人的开发与研究也处于起步阶段，如何应用机器人手臂代替人的手臂来实现下棋是本文主要解决的问题。基于以上问题研究了一种基于DMC5480运动控制卡的开放式结构机器人控制系统，在高速，高精度，多轴联动等方面具有很大优势，并且加入了视觉识别部分，功能更加完善，具有很大的优越性。
机器人大多拥有多个运动轴，并且大部分是多轴实时联动的运动控制系统。经典的机器人控制系统大多采用的是封闭式体系结构，采用专用的计算机结合单片机构成控制回路[2]。该体系结构下的控制器很难在速度快、精度要求高的条件下完成工作，同时多轴同步运动控制也存在技术难题。除此之外还有一系列缺点，包括使用成本大多数很高，需要很长的开发周期，很难升级换代，添加新功能不容易等。以上缺点限制了机器人的工作场合和应用范围。
1 视觉识别部分
人类获得外界的信息有很多种方式，但其中有80%是来自于视觉图像信息的，主要包括图像、形状、文字、视频等。计算机的迅速发展，使得人们很容易地利用计算机来获取图像与处理视觉信息[3-8]。图像处理技术是一门复杂的学科，它包括视觉图像获取和对图像的加工处理。如今越来越多的人开始关注视觉图像技术，图像技术大致有3个层次：图像处理、图像分析和图像理解。对图像分割以改善视觉效果是图像处理主要完成的部分。图像分析则是把原来以像素描述的图像转变成简洁的非图形式的符号描述，主要应用图像分割和特征提取。图像中的目标和它们之间的联系则是图像理解所要研究的，其所采用的处理方法大多数参考人类的思维推理，两者非常类似。在机器人视觉伺服的研究中，要用到图像的分析以及对图像的理解，即对图像的分割以及对图像中目标的识别。
图像处理与机器视觉的最基本问题是图像的分割，其主要的方法是把图像划分成若干互不交迭区域的集合，这些被划分出来的区域除了对当前的任务有意义之外，还非常有助于说明它们与实际物体之间的某种对应关系[9]。
实验中采用RS232串行通信。实验中的棋子均采用黑色圆柱体钢制材料代替，直径50 mm，厚度15 mm。首先建模经过二值化预处理（本文采用的是比较简单的二值化处理方法），对RGB彩色图像灰度化以后，扫描图像的每个像素值，像素值小于127的设为0（黑色），像素值大于等于127的设为255（白色）[10-13]。该方法的好处是计算量少、速度快。通过二值化处理获得工件的RGB值存到存储器，主要包括工件的R，G，B值，以此为模板，视觉摄像头到达工件的上方时对其进行扫描获得RGB值，当与模板值相差±3时均认为满足模板要求进行抓取。
2 机器人手臂控制系统硬件设计
2.1 DMC5480运动控制卡的概述
实[WTBX]验中根据控制臂下棋的动作功能需要采用3自由度的运动方向，即空间坐标系X，Y，Z轴。同时应该满足高速运动，速度可调，运行稳定，具有一定的智能化，后期扩展性强等优势。因此选用DMC5480运动控制卡，DMC5480是一款基于PCI总线的高档脉冲式运动控制卡，该产品不但采用了雷泰公司自主研发的运动控制专用芯片（ASIC），还增加了CPU和RAM，并配置了512段缓冲，使得实时处理能力更强；同时在先进的轨迹规划软件支持下，实现了运动前瞻控制，使其高速轨迹控制性能十分优秀。DMC5480还具有许多其他高级功能，如：在电机运动过程中，程序可以根据不同的条件修改该运动过程的速度和目标位置；可以设置不同加速度、减速度的梯形、S形速度曲线。
具体硬件系统框图如图1所示。
该机器手臂主要有3个运动轴，设定为X，Y，Z轴，也就是三维坐标系。棋盘的坐标系与机械手的坐标系X轴Y轴方向一致，只有Z轴是方向相反的，因此只需要将Z轴的运动方向设置成负的就可以了。每一个轴上面都有一个伺服电机来驱动，视觉传感器安装在Z轴的顶端，在工作区域内识别物体。由于设计的是象棋下棋软件，所以要有一定工作区域的设定，以棋盘为界设计一个长为63 cm，宽为56 cm的活动范围。
3 控制系统的软件规划
上位机需要调用DMC5480运动控制卡里的函数，输出脉冲给伺服驱动器，驱动电机转动，所以为了实现想要的功能必须编写相应的操作界面，调用函数[14]。本设计采用VB编写上位机界面。棋盘中的甲方乙方均采用一个机械手臂来实现抓取放置，首先在Z轴顶端的视觉传感器识别到工件时传递给上位机，通过分析调用运动函数，运动控制卡就会输出相应的脉冲数，驱动电机运动，再通过速度插补等控制实现定位。抓取工件的时候，主要是Z轴向下运动接近工件时打开电磁铁吸取工件，然后上升放置到指定的地点。以上运动均通过上位机软件操作。
3.1 速度控制
运动速度之所以要按梯形曲线变化，是因为电机轴和负载具有惯性，不可能在瞬间内达到指定速度，必须有一个加速过程，减速时也一样，否则电机会因为瞬间力矩不足而出现丢步、过冲（步进电机）或振荡（伺服电机）现象[15]。速度控制如图3所示。
3.2 加减速过程的距离（脉冲数）计算
对于梯形速度曲线运动，加/减速段的运动距离（脉冲数）可按以下公式计算： Dacc =（1/2）×（Max_Vel×Max_Vel）/ acc，
Ddec =（1/2）×（Max_Vel×Max_Vel）/ dec。
其中：Dacc，Ddec分别为加速段距离和减速段距离；Max_Vel为运行速度；acc，dec为加速度和减速度。
3.3 多轴联动
所谓同时执行是在程序中顺序调用函数，因为程序执行速度很快，在瞬间几个电机都开始运动，给人的感觉就是同时开始运动。多轴联动在各轴速度设置不当时，各轴停止时间不同、在起点与终点之间运动的轨迹也不是直线。联动示意图如图4所示。
为了解决运行轨迹不是直线的问题就需要对X轴和Y轴的速度进行调试与匹配，经过多次实验得出的结论是两轴的速度之差不能大于5 000个脉冲。
3.4 二轴直线插补
二轴直线插补如图5所示。
通过将以上各部分联系起来可以给出控制系统的软件控制方案。
4 视觉象棋机器手臂的实现
基于以上硬件与软件的研究，最后设计了一个视觉识别的象棋机器人手臂。该手臂可以模拟人的手臂，当操作者在上位机操作下象棋的时候，硬件部分就可以迅速找到该棋子并抓取放置到指定位置。
上位机操作界面如图6所示。
5 结 语
采用DMC5480系列新一代多轴运动控制器构造机器人控制系统，可以很好地解决控制器在速度快、精度要求高的条件下完成工作的问题；同时也解决多轴同步运动控制的技术难题；同时还可以轻松地给机器人增加外部传感器和网际控制功能。其是新一代机器人控制器的主流发展方向，也为解决一些高难度机器人工程项目提供软硬件技术支撑。
参考文献/References：
[1] 曹 健.图像目标的表示与识别[M].北京：机械工业出版社，2012.
CAO Jian.Representation and Recognition of Image Target[M].Beijing：China Machine Press，2012.
[2] 王业琴，王克奇，白雪冰，等.计算机视觉木材表面色差检测的研究[J].林业科技，2005，30（2）：36-38.
WANG Yeqin，WANG Keqi，BAI Xuebing，et al.Research on wood surface chromatism in computer visual[J].Forestry Science & Technology，2005，30（2）：36-38.
[3] 徐 琨，李 燕.基于分块颜色矩和纹理特征的图像检索方法[J].西安石油大学学报（自然科学版），2005，20（2）：77-79.
XU Kun，LI Yan.An image search approach based on local main color feature and texture feature[J].Journal of Xi′an Shiyou University（Natural Science Edition），2005，20（2）：77-79.
[4] 杨红菊，张 艳，曹付元.一种基于颜色矩和多尺度纹理特征的彩色图像检索方法[J].计算机科学，2009，36（9）：274-277.
YANG Hongju，ZHANG Yan，CAO Fuyuan.Color image retrieval approach based on color moments and multi-scale texture features[J].Computer Science，2009，36（9）：274-277.
[5] 赵守鹏.家庭服务机器人的现状及其发展趋势[D].济南：山东大学，2007.
ZHAO Shoupeng.Study of Intelligent Space Key Technology of Home Service Robot [D].Jinan：Shandong University，2007.
[6] 冯建辉，杨玉静.基于灰度共生矩阵提取纹理特征图像的研究[J].北京测绘，2007（3）：19-22.
FENG Jianhui，YANG Yujing.Study of texture images extraction based on gray level co-occurrence matrix[J].Beijing Surveying and Mapping，2007（3）：19-22.
[7] 高 隽，谢 昭.图像理解理论与方法[M].北京：科学出版社，2009.
GAO Juan，XIE Zhao.Image Understanding Theory and Method[M].Beijing：Science Press，2009.
[8] 李春华，付 丽.基于DCT变换的数字图像盲水印算法[J].河北科技大学学报，2012，33（4）：334-337.
LI Chunhua，FU Li.Blind digital image watermarking algorithm based on DCT[J].Journal of Hebei University of Science and Technology，2012，33（4）：334-337.
[9] HERMANN G.Patch programming：The integration of motion planning into numerical control[J].Computers in Industry，1984，5（4）：351-359.
[10] WU Y C， LEE Y S， YANG J C.Robust and efficient multiclass SVM models for phrase pattern recognition[J].Pattern Recognition，2008，41（9）：2874-2889.
[11] MELLINGER J，SCHALK G，BRAUN C，et al.An MEG-basedbrain-computer interface（BCI）[J].Neuroimage，2007，36（3）：581-593.
[12] DARIO P，GUGLIELMELLI E，ALLOTTA B，et al.Robotics for medical applications[J].IEEE Robotics and Automation Magazine，1996，3（3）：4456.
[13] PRIOR S D，WARNER P R.A review of world rehabilitation robotics research[J].Colloquium on High-Tech Help for the Handicapped，1990（4）：1-3.
[14] GUEGUEN L， PESARESI M.Multi scale Harris corner detector based on differential morphological decomposition[J].Pattern Recognition Letters，2011，32（14）：1714-1719.
[15] ZHANG C S， CAI Q，SONG Y.Boosting with pairwise constraints[J].Neurocomputing，2010，73（4/5/6）：908-919.