机械手臂与计算机视觉检测系统摘要本论文目的在建立机械视觉系统、输送系统、机械手臂与网络联机监控系统之自动化检测整合系统。

目前工业用之机械手臂都具有教导器之教导功能，并依其在线之需求教导运动路径做夹取、移动等动作，其教导控制器祇能储存一组运动路径。

本文将对五轴机械手臂进行多组运动路径之教导，其各组之运动路径资料储存于计算机中。

以CCD影像系统对工件进行影像撷取，并判断工件良莠后，利用自行开发软件，把机械手臂所需运动路径数据传送至机械手臂控制器，而将工件夹取至指定位置。

本文开发之软件系统可与其他自动化机械进行网络联机图形监控，对于网络式弹性制造系统之建立有莫大帮助。

关键词：机械手臂、影像系统、图形监控、弹性制造系统一、绪论传统上生产自动化即是“机电整合”，但近年来生产已转为少量多样的型态，生产线需有很大的变动性方能符合需求，其中自动检测部分，更是在多变生产线中维持一定产品质量最关键的技术。

故现在的生产自动化，应是计算机视觉检测配合机电整合，即“光机电整合”方能符合需求[1]。

Mantas 是美国人Carey 于1870 年所提出的，它利用一组光电管而发展出第一部视网膜扫描仪[2]。

在1969 年由美国的贝尔实验室(Bell Lab)开发出CCD 电荷藕合组件，使得视觉影像的世界被广泛的应用在科学及一般生活。

一般人而言常会将图像处理系统，误认为就是计算机视觉系统；实际上计算机视觉系统与图像处理系统极为相似，但计算机视觉系统比较着重于对影像立体信息的研究与处理，就像当计算机透过CCD 撷取影像后，进行影像前级处理，也就是将影像二值化及强化后使影像清晰，使背景和前景可明显的区分后，在透过程序比对判断后由计算机下达命令，透过驱动器来趋动五轴机械手臂而完成一连串的动作，本文就是利用此一原理来达到自动化检测的目的。

当然计算机视觉系统的作动技术，有赖于软件所提拱的检索功能及函式库多寡而决定其系统的优劣，本文是采用Matrox Imaging Library (MIL)来做影像的处理及分析的动作。

机器人、机器手臂在1962 年美国UNIMA-TION 公司就已发展出来，直到1971 年计算机芯片的突破及微处理机的成功推出，才提拱机器人制造厂商一种便宜且智能的方式来做为控制的主体[3]；日本在近几年来对于机器人的研究制造有相当大的进步，本文所采用的MITSUBISHI RV-M1 型机器手臂正是日本在近几年所开发的先进科技，本文将利用此机器手臂原理设计出可自动判断选择路径及建立多重选择路径的物流系统[4]。

本文目的乃是在建立一网络多路径自动检测视觉控制机械手臂之系统，在Windows98 环境下，进行自行开发之软件系统、图像处理系统及机械手臂控制系统软、硬件整合，使机械手臂能在网络计算机视讯监控下，利用机械视觉之功能，进行自动搜寻对象大小、位置及方向，计算机在判断对象良莠后选定路径，驱动机械手臂控制系统，将对象夹取至指定区域，完成自动检测之流程。

二、自动检测系统硬件架构本文所使用之硬件系统是由视觉系统、输送带系统、机械手臂等设备所组成，其硬件架构如图三所示1、本文硬设备如下：(1) Matrox公司生产的Meteor影像抓取卡，其为PCI接口。

(2)输送带系统：本文输送带设备为自制之皮带型输送带，其输送带1的长为100公分、宽20公分、高50公分，目的在将加工完成之工件送往检测区。

输送带2的长为70公分、宽20公分，高40公分其目的在将工件送往仓储区。

(3)PC设备一组，本文所采用的是AMD K6级个人计算机。

(4)PLC：本文使用永宏电机可程控器，其主要特性在于可直接于程序中控制RUN－ON及RUN－OFF，此特性有助于远程监控系统之设计。

(5)定位机械手臂：使用四口二位弹簧回位电磁阀控制作动，并使用自制定位爪将工件定位。

(6)100W 白炽灯泡及灯座二组。

2、通讯架构：本文设备之间的通讯流程图如图四所示，图四中的机械手臂驱动器是链接在PC 的COM2 埠，而PLC 则是连结到PC 的COM1 埠，而CCD 则是经由影像撷取卡链接到PC 上。

由图中我们可以清楚的看到驱动器可透过教导器来直接控制机械手臂，也可以由PC 端利用程序撰写透过驱动器来控制机械手臂，此举的作用乃是在达到远程监控的目的。

3、五轴机器手臂架构：目前在工业界的机械人或机械手臂大都拥有类似人类特性的可程序化控制机器。

一般而言组成机器手臂皆具备两大主体，分别是机械结构与控制系统[5]。

而在机械结构方面区分为五种基本架构水平关节式结构、关节手臂式结构、极座标式结构、圆柱式结构、直角坐标式结构等五种结构。

对于机器手臂的控制系统方面可分非伺服（Non servo）、伺服（Servo）、智能机器手臂（Intelligent Robot）等。

本文在机械结构方面的要求需具备多路径、空间定位点多、坐标定义有弹性之功能，因此需采用关节手臂式结构。

而在控制系统方面的需求是可进行回馈性的连续控制，且机器手臂内部需有速度、位置、力矩等感测组件，所以本文采用的是日本三菱公司所生产的RV-M1 机器手臂，其整体架构主要为教导盒( Teaching box )、驱动器(Driver )、手臂本体( Robot )、直流马达夹爪( DC motor hand )组合而成[6]。

RV-M1 机械手臂有五个自由度的关节，可搬重量为1.2kgw 而本文因夹取工件的重量是0.6kgw，所以使用的是直流电动马达夹爪，RV-M1 机械手臂在空间的定位精度可达到正负0.1mm，其可经由教导器教导机械手臂至我们所欲作动的位置，然后经由提拱电源及讯号的驱动器记忆用户欲至之座标，然后我们必须藉由RS-232C 串行传输线与我们的计算机PC 来做链接的动作[7]，然后利用Windows 98 中的"终端机"软件的通讯功能对机械手臂的驱动器来读取坐标，或者执行控制程序；本文是在利用RS 232C 传输线与驱动器做链接后，以Visual Basic 6.0 软件编辑作动程序，然后空间坐标放入程序中，然后再以字符串的方式将程序送回驱动器，如此一来即可控制机械手臂如图3 所示。

三、计算机影像原理本CCD 它是电荷耦合组件(Charge Coupled Device)的缩写，是目前以固态(solid state)影像组件的方式应用在摄影机最尖端的科技。

一般常见的CCD 摄影机是属于非接触式的平面取像装置，有黑白与彩色之分，其原理就是利一换能器(Transducer)装置，将某一种形式的能量或物理量(Physical Quanitiy)转换成另一种形式能量的装置，而CCD 就是将光能转换成连续电压讯号的换能器，如图一所示。

图、一CCD 能量转换本文在影像撷取后的处理部份，是利用Meteor影像抓取卡将影像撷取至计算机中，然后交由程序软件作形态的改变、比对、量测、颜色办认、颗粒分析等等影像处理动作。

以下我们将讨论影像从撷取后的一连串处理：(1)、影像之前级处理由CCD 所撷取下来的数字影像中，由于对象的边缘容易产生模糊现象，以致于无法分隔出影像中的物体和背景，因此需要使用对比强化处理来加强输入影像之边缘以及提高对象与背景间的对比度，因此本文所采用的方法是将影像滤波，它的原理是将像素(Pixel)来作一些数学运算。

取一特定屏蔽(mask)对原始的影像来作回旋处理，以得到所需的影像特征，其运算流程如图二所示：图、二影像数据运算流程2 ∑ N x y 本文是利用低通滤波( Lowpass )运算来将欲测对象加以边缘强化。

在这个 地方有一点要注意的是，假设欲测对象的灰度值与背景相同，则此时就不能只 有做上述的动作，而必须做影像区分的动作，它的目的在于将影像中的对象和 背景分离出来，基本上最常用的方法就是将影像二值化处理，也就是变成黑白 影像，通常对象是黑色，而背景则是白色的，一般二值化法有五种，分别为平 均灰阶值，Moment preserving threshold ，Maximizing the Discriminate Measure ， 修正式迭代法及OTSU 二值法，本文是采用OTSU 二值化法[8]作为影像的前级 处理法因其可得到较佳的临界值。

以下为OTSU 二值化法之公式(1-1)及(1-2)∑ ∑ e (x, y )× f (x, y ) x y T 0 =∑∑ e (x, y ) x y (1-1)wheree (x, y ) =f (x + 1) − f (x, y ) + f (x, y + 1) − f (x, y )(1-2)由于二值化的影像中仍有不少噪声存在，所以此时我们必运用形态学中的 六个基本运算，收缩(Erosion)、膨胀(Dilation)、断开(Open)、闭合(Close)、断 开闭合(Open-Close)、及闭合断开(Close-Open)等方式来加以处理噪声的问题。

打光的技巧，在基本的打光方式有三种分别是正向打光(Front Lighting)、 背向打光(Back Lighting)及结构性打光(Structured Lighting)。

本文所用的打光技 巧即是其中的正向打光，其所指的是照明装置与CCD 摄影机同在待测物或工件 的前方，此种打光方向最常使用在欲撷取待测物的特征上，这种打光方式具有 很好的照明效果，而其最佳状态是必须使用翻拍灯座即双灯座两边隔180度同 时打光，且使用及高功率的电灯泡，这样光源才会充足且无阴影存在[9]。

(2)、影像比对分析 在影像比对分析中在将影像做完二值化处理后的影像进行对象的侦测与办认，其中侦测的目的在于判断对象的存在与否，而办认则为确定对象的种 类。

基本上侦测功能可分为单点（或称孤立点）侦测、线段侦测、边迹侦测， 而办认功能则是可对颗粒物、夹角、数字、中文字作办识，本文的工件是圆柱 对象因此采用 Thomas 的最小面积误差对圆心及半径作量测[10]，其公式如下 (2-1)所示：J = e = [R 2 − {(x − x )2 + ( y − y )2}](2-1) 2 ∑ i i π i =1利用最小平方误差法将 J 最小化，分别对三个变量 R,x, y 各别进行偏微分且设 定其微分值为 0，如此一来即可以将联立方程式解出得 R 值为(2-2)： R = 1 { Nx 2 −2∑ x + N x 2 + ∑ y 2 −2∑ y + N y 2}(2-2) 在计算出 R 值后即可知式中 N 为坐标点数进而得知对象的所在坐标及其旋转角度，进而判别该影像是否与标形数据库中的欲比对影像具有相同的特征。

四、系统架构流程系统工作流程如图五所示，而整体工作现场如图六所示。