基于机器视觉的工业机器人分拣技术研
究
摘要：工业机器人技术是智能制造的核心技术之一，而工业机器人分拣系统
是工业机器人应用于各种工业生产领域的重要组成部分，目前多采用基于视觉识
别的分拣系统，在提高分拣精度的同时，有效减少了人工分拣误差。

由于机器视
觉技术具有高精度、高速度、非接触、低成本等优点，使其成为工业机器人在分
拣领域的首选，可广泛应用于各种生产场景。

本文基于机器视觉技术，在深入分
析了解机器视觉的基础上，分析了工业机器人分拣系统的组成及工作原理，同时
针对基于机器视觉的工业机器人分拣关键技术进行分析，进而更好的为工业机器
人的发展带来参考。

关键词：机器视觉；工业机器人；分拣技术
一、引言
机器视觉在工业生产中应用非常广泛，其可以有效地提高工业生产的自动化、智能化水平，目前，基于机器视觉的工业机器人分拣技术是工业机器人领域研究
的热点和难点，具有广阔的应用前景，机器视觉技术在工业领域中的应用越来越
广泛，其在工业领域中的应用涉及到汽车零部件、电子元器件等多个行业。

传统
的分拣系统大都采用人工操作，这种方法存在很多缺点，例如效率低、易出错、
工作效率低等[1]。

为了解决这些问题，很多学者提出了基于机器视觉的自动化分
拣系统，系统采用了机器视觉相机和手眼标定装置进行定位与识别，更好的满足
了工业发展的要求。

二、机器视觉的概述
机器视觉是计算机科学与技术、光学、电子信息和自动化控制等多种技术相
结合的产物，是利用机器代替人眼完成对目标的感知和识别，实现自动化检测、
定位、测量和操作[2]。

机器视觉在工业生产中具有重要意义，通过视觉系统可精
确地识别物体的形状、尺寸等信息，从而进行计数、分类、检测以及其他辅助操作。

机器视觉主要由图像采集系统、图像处理、图像分析系统三个部分组成。

在
实际应用中，大多数情况下使用的是图像采集系统[3]。

摄像机将采集到的图片传
送到图像处理系统中进行处理分析，得到目标物体的形状特征和尺寸等信息。

图
像处理系统则利用这些信息进行数字处理，以得到所需要的目标物体特征。

机器
视觉在工业生产中的应用已经越来越广泛。

国内外很多企业都有应用机器视觉技
术对生产过程进行检测和控制的实践应用经验，通过采用机器视觉技术实现了对
产品质量和性能指标等参数的自动测量与检测。

三、基于机器视觉的工业机器人分拣系统
工业机器人分拣系统的视觉识别原理是利用机器视觉技术，将待识别物体从
图像中提取出来，并对其进行特征提取，实现对物体的定位、分类与识别。

该方
法可实现快速、准确的物体识别，从而达到分拣作业的要求，基于机器视觉技术，可以采用视觉系统和运动控制系统进行工业机器人抓取和放回任务的实现，更好
的提升工业运行效率。

基于机器视觉的工业机器人分拣系统主要由工业机器人、
图像采集装置、控制系统、手眼标定装置等部分组成。

其中，工业机器人主要负
责对工件进行抓取与放置；图像采集装置主要用于将采集到的工件表面的轮廓信
息和纹理信息进行存储，同时为后续识别与定位提供数据支撑；控制系统主要负
责对工业机器人进行控制，根据不同的运行模式，选择合适的方法对采集到的数
据进行处理，并将处理结果反馈给工业机器人；手眼标定装置主要用于对工业机
器人工作空间内各个手眼坐标进行标定，进而确定工业机器人内部坐标系与外部
坐标系之间的转换关系[4]。

四、基于机器视觉的工业机器人分拣技术
（一）相机标定
相机标定是机器视觉系统的一个重要环节，相机的标定是指在不同的成像环
境下，获取摄像机的内参数和外参数，从而建立摄像机的内外参数与相机间的数
学模型，为后续的图像处理和识别奠定基础。

相机标定是指使用一组标定模板对
相机进行标定，以提高相机成像质量，确定其实际分辨率的过程。

在使用工业机
器人进行视觉分拣过程中，相机标定首先需要选择一组具有代表性的标定物，将
其放置在图像采集装置上，然后进行拍摄，随后使用带有摄像头的工具条进行相
机标定，最后使用平面模板对实际拍摄得到的图像进行坐标转换，最终得到图像
坐标系和相机坐标系之间的关系[5]。

（二）工件识别
工业机器人通过视觉系统识别工件，并根据工件的种类、形状、材质等信息
对其进行分类，然后将其放入不同的传送带上，再传送至机器人完成分拣。

在工
件识别是需要对图像进行预处理，对图像进行预处理，包括图像灰度化、二值化
等操作，图像预处理是图像处理的基础，它主要是对采集到的原始图像进行去噪、边缘检测、图像分割等处理。

预处理的目的是去除干扰信息，提取有用的信息，
使图像尽可能清晰，进而更好的为机器视觉的识别带来帮助。

图像预处理中涉及
到去除噪声，主要是针对常见的噪声有白噪声、灰度图噪音等，通过对图像进行
滤波去噪等方法实现。

其次是边缘检测，通过边缘检测可以提取目标的边缘信息，常用的方法有均值滤波、中值滤波、灰度直方图统计等。

还有图像分割，将目标
从图像中分离出来，可以分为像素分割、区域分割和目标物分割，常用的分割方
法有最大类间方差法、最大梯度法和基于数学形态学的方法等，最后进行特征提
取与识别，是对物体特征进行分析和提取的过程，包括颜色特征等，根据这些特
征来分类识别，并且通过这些特征可以判断出工件是否符合要求，更好的实现工
件识别的目的[6]。

（三）工件定位
工业机器人分拣过程中，工件的定位是非常重要的一步，直接影响到整个系
统的工作效率。

由于工件形状复杂多样，并且有很多不规则物体，因此如何对工
件进行定位是一个非常复杂的问题。

在系统中对工件进行识别之后，需要对工件
的具体位置信息进行分析，进而更好的实现准确定位的目的。

在工件定位中，是
通过计算工件中心坐标来实现的，在系统中会将工件的图像坐标转换为摄像机的
坐标，根据摄像机坐标的信息将其转变为世界坐标信息，最后，根据工业机器人
的运动学原理，分析得到机器人关节角度和电机驱动角度信息，确定图像计算工
件的中心坐标，来实现对工件准确定位的目的。

（四）机器人运动控制
在基于机器视觉的工业机器人分拣系统中，运动控制主要是根据视觉传感器
获取的图像信息，根据机器人的操作要求，控制机器人完成特定动作，以达到预
定目标。

在实际应用中，机器人需要对机器视觉系统获取的图像进行处理和分析，然后根据处理后的结果控制机器人完成特定动作。

在对工业机器人分拣系统进行
运动控制时，首先对视觉传感器的图像信息进行采集和分析，其次根据工业机器
人的操作要求，将视觉信息转化为控制指令，最后通过指令完成相应动作。

为了
提高工业机器人分拣系统的运行效率，可以采用多传感器信息融合技术，实现机
器视觉信息与其他信号的融合处理，提高工业机器人分拣系统的运行效率。

五、结论
随着工业自动化的发展，机器人逐渐在工业生产中应用，而工业机器人的出现，不但为人们的生活带来了便捷，还为企业自动化生产提供了一种高效的解决
方案。

工业机器人具有很高的工作效率和精准的控制能力，同时，随着科学技术
的发展，工业机器人还可以实现柔性化和智能化操作，在生产过程中，机器视觉
分拣技术可以快速地对工件进行分类和识别，并根据工件种类和形状进行分类。

因此，在未来工业机器人的发展中，机器视觉分拣技术具有较高的应用价值。

参考文献：
[1]李蓉.基于机器视觉的工业机器人分拣技术研究[J].内燃机与配
件,2021(17):92-93.
[2]张钰玲,卢丹萍.基于机器视觉的工业机器人分拣技术研究[J].科学技术
创新,2020(22):95-96.
[3]匡鑫,夏昺宸.基于机器视觉的工业机器人分拣技术探究[J].现代制造技
术与装备,2020(01):196+198.
[4]刘涵茜.基于机器视觉的工业机器人分拣技术探究[J].现代信息科
技,2019,3(18):143-145.
[5]刘毅龙.基于机器人视觉的工业机器人分拣技术研究[J].湖北农机
化,2019(17):123.
[6]肖成军.基于机器视觉与工业机器人的分拣技术研究[J].内燃机与配
件,2018(20):214-215.
作者简介：李子枭（2001年7月16日）男江苏徐州汉族本科学生中国矿业大学徐海学院研究方向:机器视觉。