2021年第1期
贾科
（长春一汽车国际物流有限公司，长春130000）
【摘要】目前我国汽车产前零部件物流领域，汽车零部件的大小类型包装转换工作是一个不可缺少的物流操作环节，
由于汽车产前零部件的包装形式与包装特点不同，该环节需要大量的人工进行简单重复性的劳动，增加了汽车的物流成本。因此，为了提升效率、降低成本，在汽车零部件转换包装分拣类物流环节中采用自动化技术成为发展趋势。基于机器视觉的汽车零部件自动分拣系统主要由机电设备和工业信息管理系统组成，包含了工业机器人和机器视觉用技术，是较为复杂的自动分拣系统，能为汽车零部件物流自动化分拣提出新的发展思路。
主题词：机器人机器视觉自动分拣
中图分类号：TP273文献标识码：A
DOI:10.19822/jki.1671-6329.20200103
Design of Auto Part Sorting System Based on Machine Vision
Jia Ke
（CHANG CHUN FAW INTERNATIONAL LOGISTICS CO.,LTD,Changchun 130000）
【Abstract 】At present,in the field of automobile parts logistics in China,the transformation of size and type of automobile parts packaging is an indispensable part of logistics operation.Due to the different packaging forms and characteristics of automobile prenatal parts,this link requires a lot of labor to carry out simple and repetitive labor,which increases the logistics cost of automobile.Therefore,in order to improve the efficiency and reduce the cost,automation
technology in logistics operation has been becoming a new tendency.In this thesis,the auto parts sorting system based on machine vision is mainly composed of mechanical and electrical equipment and industrial information management system,including industrial robot and machine vision technology.It is a complex automatic sorting system,which can put forward
new development ideas for automatic sorting of automobile parts logistics.
Key words:Robot,Machine vision,Automatic sorting
【引用】贾科.基于机器视觉的汽车零部件自动分拣系统设计[J].汽车文摘，2021(1):48-52.
【Citation 】Jia K.Design of Auto Part Sorting System Based on Machine Vision [J].Automotive Digest (Chinese),2021(1):48-52.
基于机器视觉的汽车零部件自动分拣系统设计
1前言
在“中国制造2025”的背景下，各大企业都在以智能制造为主线践行转型升级之路。智能化工厂是智能制造的核心之一，其基础是工厂各环节实现高级自动化，并在此基础上实现智能化组网和数据交互[1]。但目前企业生产物流中的汽车零部件存储仓库的零部件分包并没有实现高级自动化[2]，这是由于种类繁杂的零部件在正式进入生产线前，订单提前准备期较短、转换包装任务工作量不统一，多以人工进行汽车零部件的转换包装分拣操作。这类转换包装操作存在劳动强度大、劳动成本高、劳动密集程度高、差错率居高不下、人员因素不可控的问题[3]。因此迫切需要
在汽车零部件转换包装分拣类物流环节中采用自动化技术。采用自动化分拣技术更有利于保障零部件订单及时、精确配送和物流成本的控制。郭晓辉和Amin Nasiri 进行了自动分拣系统和基于机器视觉深度学习的自动分拣研究项目，这些项目结论表明自动分拣系统的生产效率可提高50%[4-5]，这为“智慧物流支撑智能化工厂”这一目标的实现奠定了关键技术基础。
为了规避汽车产前零部件需要通过人工转换包装、分拣，在操作过程中劳动重复性高、劳动强度大、人工成本高的缺点，提升效率，降低成本，现以本系统方案为例，简述基于机器视觉的汽车零部件自动分拣系统设计。
48
2系统方案设计
2.1系统总体组成
本系统的构成主要可分为3部分。
(1)工业机器人
(2)抓取装置
(3)视觉识别装置
具体构成如图1所示。
图1系统整体构成
该系统采用的是标准6自由度工业机器人，能够应用于通用的工业现场。抓取装置采用通用吸盘，适用于金属及非金属汽车零部件，能够完成无序排列的抓取操作。视觉识别装置的任务是完成零部件的识别及完成6轴机器人在正式抓取汽车零部件前的引导工作。视觉识别装置的集成控制系统可分成3部分，分别是：
(1)机器人通讯
(2)抓取装置
(3)控制及视觉图像处理
该系统的空间布局如图2所示。
图2系统空间布局
2.2系统方案论证
本系统在集成过程中曾制定过3套不同的集成实施方案，通过对生产效率、生产成本、人工成本、开发难易程度4个维度进行分析与充分讨论，出最优方案，如表1所示。
（1）方案1是本系统最终的实施方案，依靠机器视觉分拣和目前市场上已十分成熟的视觉开发软件开发；
（2）方案2依靠机器视觉分拣和自主开发的视觉软件开发；
（3）方案3采用的是机器视觉结合非工业机器人的方案。
3种方案各有优劣，方案1是采用购买成熟软件产品并在此基础上进行2次开发的方式，因此项目实施的速度较快，适合于对人工效率提升要求较为迫切、且对项目实施的时间周期要求较为严格的企业；方案2适合自身具备较强软件开发能力、且对项目实施周期较为宽容的企业；方案3中由于采用了已定型的产品，并直接应用于生产不进行任何修改，因此适用于对项目实施速度有严格要求，但是对于人工效率提升方面要求不高、拣选零件单一、未来2次开发困难的企业。
通过方案论证，方案1的综合指标最优，最适合本案例的企业环境。
表1方案论证
在视觉设备选型方面，2D视觉设备与3D视觉设
备可达到的图像信息采集效果相同，但是2者在图像
采集、图像信息采集后的数据处理以及软件系统2次
开发升级方面存在较大差异。
在硬件投资方面，2D设备由于只能对平面上物体
的轮廓进行识别，无法测量与被观察物体之间的距离
信息。但在实际的零件抓取过程中，系统需要确定被
抓取零件与视觉设备之间的3维数据，以便确定零件
位置与当时的摆放姿态，进而引导自动化设备进行抓
取操作。为达到理想效果，需要将2D设备与其他设
备进行配合使用。因为2D视觉设备制造工艺简单，
应用技术的复杂程度较低，因此在硬件采购方面较为
便宜，其采购成本大约是3D视觉设备的50%。但由于2D设备在对汽车零部件距离判断方面的缺陷，在具体应用的环境中还需要配合1套距离测量设备一同应
用，以此实现对抓取零件的距离测量及对零件当前摆
放姿态的实时判断。综合对比以上2种硬件的当前市
场价格，2D视觉设备+测距设备的采购总成本大约为3D视觉设备的60%~65%。
在软件开发方面，3D视觉设备在数据处理、接口
调用方面均有较为成熟的基础算法与调用机制，因此
仅需在现有程序基础上进行简单的2次开发与程序升
级操作，即可满足汽车产前零部件领域的零件抓取操
作的技术要求，可节约大量的开发成本。2D视觉设备方案
1
2
3
成本/万元
45
40
25
相对人工提高
效率/%
70
65
50
节约人工/人
4
4
3
系统开发难
易程度
较难
难
较易
49
汽车文摘
2021年第1期
在汽车产前零部件方面目前存在的成熟的算法较少，如需将其使用在汽车产前零部件领域则需要大量的程序开发以及设备调试操作，系统开发成本较高。
在对数据的处理速度方面，配套3D 视觉设备的基础算法、接口程序、调用机制目前在市场上均已实现了高度的集成化，可以直接进行程序复用。但配套2D 视觉设备的相关程序均较为分散，集成化程度低，因此在进行数字图像处理的速度方面，3D 设备占有较为明显的应用优势。
综合以上各种因素，选择3D 视觉设备进行应用是目前的最优方案（如表2所示）。
表2设备选型
3视觉识别装置的核心技术
本系统视觉识别装置采用Halcon 软件完成图像处理，该软件包具有成熟的图像处理算法，并采用IDS 双目视觉识别设备与计算机系统组成视觉识别装置的硬件平台。基于HDevelop 的开发环境能够兼容Windows 操作系统，利用HDevelop 的开发环境，并选用其标准程序算法作为开发基础，开发后程序的输出数据可以通过Windows 操作系统向后端的6轴机器人的控制系统进行输出。3.1
基于Halcon 的零件识别
本系统的核心技术是基于视觉的零部件识别，识别过程主要可以分为2个过程，首先是获得要抓取零部件的模板，即首先通过训练使系统明确执行任务的抓取目标；然后当系统明确模板后进行在线的目标匹配，在众多的目标中获取要抓取的零件。3.1.1零件离线建模
获取零件模板可通过离线建模的方式完成。如
图3为零件实物图，其离线建模过程是首先读取零件的点云模型，并通过图像分割将识别目标与背景图像进行分离，然后将感兴趣区域生成零件的表面点云模板。
通过视觉识别设备采集模型点云数据，将采集得到的数据利用threshold 算子去除场景背景，该步骤可以加速后续的处理速度。然后利用reduce_domain 算子提取得到目标识别定位过程中的感兴趣区域。最后利用create_surface_model 算子生成模型的表面模
板如图4所示。
图3零件实物
图4零件点云模板
3.1.2零件在线检测
通过视觉识别设备拍照获零件所处环境的图片
如图5所示。本次试验放入1种干扰零件，用以说明模板匹配的效果，首先是通过在线拍照获取零件的点云图像，移除背景图像其效果如图6所示，其主要目的是为了提高零件表面点云模板的速度和鲁棒性。
图5零件及背景
图6
零件点云效果汽车零件图
3.1.3外部光污染干扰的去除
通过深度相机实时采集场景点云数据并去除背
选型12设备2D 视觉设备3D 视觉设备
应用方式摄像头+测距仪
3维摄像头硬件投资低较高软件投资很高低图像处理
速度
慢快综合评价
★★☆
★★★
50
汽车文摘
景。在实际使用过程中，存在外部的干扰光源可能会使图像的成像背景产生干扰，这些干扰光源主要来自于建筑物室内原有的照明系统、工艺车辆在途径操作区域时的车灯光以及外部的自然可见光。这些外部光污染可能会使采集到的零件图像背景产生模糊、混沌的效果，进而导致零件边缘轮廓模糊、不易捕捉零件形状。针对此种情况，在软件处理时采用深度相机实时采集并去除背景的方式，即数据库在初次记录某种零件信息时，会首先对此种零件的外形进行多种角度（左视图、右视图、正面视图、背面视图、俯视图、仰视图及部分含有一定偏离视角的视图共10种以上）的拍摄，并将拍摄的形状信息录入数据库系统中。机器视觉系统在进行图像采集时也会利用自带的强光源近距离对零件进行打光。由于各种光源打在金属零件表面所形成的点云与空旷背景中形成的点云存在较大差别，因此系统对形成的点云分布形状进行记录并去除其余背景图像仅保留此点云形状。则在此过程中可有效去除由外接光源引起的干扰，再利用find_surface_model 算子完成对表面模板和场景点云之间的相互配准，将视觉识别设备到场景点云表面的
距离作为筛选条件如图7所示
图7
优先抓取零件点云效果
如以上系统在实际使用中处于相对独立的区域且能够远离干扰光源，其成像效果将会更好。3.2
建立视觉识别设备与机器人的空间关系通过图像处理，系统会得出某一零件的优先抓取位置，但是这个位置是视觉识别设备中的位置，工业机器人并不知道这个参数的具体含义，因为视觉识别设备和机器人所处的参考系不同，所以需要建立视觉识别设备与机器人的关系模型。
目前，通常采用手眼标定的方式完成视觉识别设备与机器人末端的关系的建立。其具体过程如图8所示，其中的手眼标定算法[6]在市场上已比较成熟，精确度较高，实现过程简单。完成标定后机器人即可获知抓取目标零件的摆放姿态与位置信息。
图8
视觉识别设备与机器人手眼标定过程
4抓取装置、机器人与系统集成
4.1
抓取装置设计
本系统所选用的抓取装置是工业吸盘，通过计算机系统控制继电器的通断，间接控制吸盘进行吸取或者关断吸取。气源将气体通过电磁阀输送给真空发生器，真空发生器连接工业吸盘，在真空作用下，吸盘即可吸取零件。由于电磁阀不能够与计算机系统直接连接，因此需要通过继电器进行驱动，其工作原理如图9所示。
图9
抓取装置工作原理
本系统抓取装置设计时充分考虑应用场景的切换，在此建议采用工业吸盘作为抓取设备，其应用灵活，可根据零件大小切换吸盘尺寸，而且不用更改气路和电路连接系统，在实际应用中成功率极高（几乎可达100%），吸盘测试效果如图10所示。
图10
抓取装置效果
51
4.2机器人与系统连接
工业机器人通过标准的Ethernet/IP通讯协议能够实现与计算机系统的“无缝衔接”。机器人仅需获得从计算机系统中传输过来的坐标参数和逻辑指令。机器人的运动轨迹则由机器人本体控制系统利用之前传输过来的坐标参数和逻辑指令计算出最优抓取路径然后对抓取设备进行控制，自动分拣系统如图11所示。
图11自动分拣系统
5结论
随着汽车工业自动化技术逐渐成熟，汽车零部件物流环节过程中的“使用自动化机器设备替换人工操作”这一趋势势必成为汽车产前零部件行业领域内的共识。在此系统建设中集成了多项工业技术手段。基于工业机器人与机器视觉系统相集成的应用也将为工厂后续的非标准开发提供硬件平台，达到一次投入多次应用的效果，能够有效控制生产成本与物流成本，减少人员的重复性及高强度操作，提高生产效率，有益效果突出。同时也与我国工信部提出的企业“两化融合”战略方针、推动传统行业企业转型升级这一目的相一致。
本系统是基于企业现有需求进行设计，能够实现本系统的功能目标。未来在本系统基础上可继续开发网络互联接口，与汽车制造主机厂中控中心进行组网开发，奠定了智慧工厂的平台基础。
参考文献
[1]崔玉朋，余宁，王晓阳.长城汽车智能制造研究与实践[J].
汽车文摘，2020(06):25-29.
[2]王顺菊，薛盛智.机器人智能分拣系统[J]宜春学院学报, 2019,41(3):39-44.
[3]黄树琳，张峰.基于视觉识别的物料分拣机器人设计[J]
人工智能与机器人,2019,34(11):36-39.
[4]郭晓辉.一种物流行业智能自动分拣处理系统[J]物流工
程与管理,2019,41(4):83-84.
[5]Amin Nasiri,Amin Taheri-Garavand.Image-based Deep Learning Automated Sorting of Date Fruit[J]Postharvest Bi⁃ology and Technology,2019,4(3):133-141.
[6]于继童.基于盘类元件点云缺失的识别定位方法研究
[D].长春：长春工业大学,2019.
作者简介：贾科，工学硕士，毕业于吉林大学计算机技术应用专业，现就职于长春一汽国际物流有限公司，长期从事企业信息化与自动化深度融合方面的工作。
邮箱：
****************** 52
2021年第1期
发布评论